- 博客(94)
- 收藏
- 关注
RSS订阅原创 如何在软件著作权补正时查看已提交的程序鉴别材料和文档鉴别材料
本文详细介绍了软件著作权补正时查看已提交材料的三种方法：通过中国版权保护中心官网登录用户中心查看、检查云端备份文件，以及联系客服或现场查询。文章特别提供了官网查询的图文指引，强调了补正注意事项和预防措施，建议开发者建立规范的文档管理流程。对于确实无法找回的情况，可重新准备材料但要保持一致性。掌握这些方法能有效解决补正时找不到材料的困扰，提高著作权申请效率。
2025-06-06 19:02:40
944
原创 【已解决】TIFFAppendToStrip:Maximum TIFF file size exceeded. Use BIGTIFF=YES creation option.报错的解决方法
在处理大型遥感影像（如Landsat数据）时，GDAL常因标准TIFF格式4GB文件限制而报错"Maximum TIFF file size exceeded"。本文提出了相应的解决方案：①【推荐方案】使用BIGTIFF格式，在创建文件时添加'BIGTIFF=YES'选项，支持高达18EB的文件大小。②通过调整数据类型、采用高效压缩算法（如DEFLATE）或分块存储来减小文件体积。
2025-06-06 08:50:04
1057
原创 【摄影测量与遥感】卫星姿态角解析：Roll/Pitch/Yaw与Φ/Ω/Κ的对应关系
本文对比分析了卫星姿态描述中的两种角度系统：Roll/Pitch/Yaw与Φ/Ω/Κ。Roll/Pitch/Yaw源自航空航天领域，分别描述绕卫星纵轴、横轴和垂直轴的旋转；Φ/Ω/Κ则是摄影测量中的外方位角元素，用于描述相机姿态。两者在卫星应用中存在对应关系：Roll≈Φ、Pitch≈Ω、Yaw≈Κ。
2025-05-23 23:27:02
892
原创 【已解决】无法打开包括文件: “SDKDDKVer.h”: No such file or directory
在 Visual Studio 2022 中遇到“无法打开包括文件: ‘SDKDDKVer.h’: No such file or directory”的报错，可以通过控制面板卸载相关 SDK 组件，并手动删除 C:/Program Files(x86)/Windows Kits 文件夹，使用 Visual Studio Installer 的修复功能重新安装或修复 Windows SDK，然后清理并重新生成项目，检查是否可以正常编译运行。
2025-05-23 14:48:58
561
原创 【已解决】处理“fatal: loose object xxxxxxxx (stored in .git/objects/xxxxxxxx) is corrupt”报错
本文详细介绍了Git分支管理中两个常见问题的解决方案：修复损坏对象和将默认分支从master转换为main。对于损坏对象问题，文章提供了两种解决方案：使用Git内置工具（如git fsck和git gc）进行修复，或通过重建仓库彻底解决问题。对于分支重命名，文章逐步指导如何将master分支重命名为main，并提供了设置新仓库默认使用main分支的方法。
2025-05-14 11:12:53
941
原创 【已解决】处理 “the tip of your current branch is behind“ 和 “refusing to merge unrelated histories“ 报错
在 Git 推送过程中，常见的错误包括 "the tip of your current branch is behind" 和 "refusing to merge unrelated histories"。前者通常通过 git pull 解决，而后者则是因为本地和远程仓库的历史记录不相关。解决 "refusing to merge unrelated histories" 错误的方法是使用 --allow-unrelated-histories 参数，允许合并不相关的历史记录。
2025-05-09 08:54:54
1050
原创 【亲测有效】如何清空但不删除GitHub仓库中的所有文件（main分支）
本文介绍了如何清空GitHub仓库中的所有文件，同时保留仓库本身。通过本地操作，用户可以克隆仓库、删除Git历史记录和所有文件、重新初始化Git仓库、添加远程仓库、创建空提交、重命名分支（如有需要），并强制推送到远程仓库。此方法适用于项目重构或重新开始项目时，保留仓库设置（如Issues、Wiki等）的情况。操作前需备份重要数据，并注意强制推送可能带来的风险，特别是在多人协作项目中。
2025-05-09 08:34:16
993
原创 数据库设计三大模型：概念模型、逻辑模型与物理模型详解
本文详细介绍了数据库设计中的三大模型：概念模型、逻辑模型与物理模型。概念模型是数据库设计的第一阶段，它是对现实世界的高层次抽象表示，主要关注的是“做什么”而非“怎么做”，独立于任何具体的数据库管理系统（DBMS）和物理存储细节。逻辑模型是在概念模型基础上，根据特定的数据模型（如关系模型、网状模型等）进行的细化和转换，描述了数据的逻辑结构，但仍然不依赖于具体的数据库管理系统。物理模型是数据库设计的最后阶段，它描述了数据在特定数据库管理系统中的物理存储方式和访问方法，高度依赖于具体的数据库管理系统。
2025-05-06 08:11:32
2028
原创 CMD与PowerShell：Windows命令行工具的对比与使用指南
CMD（命令提示符）是Windows操作系统中的传统命令行解释器，起源于早期的MS-DOS操作系统。它提供了一个基于文本的界面，用户可以通过输入命令来执行各种操作。PowerShell是微软开发的更强大的命令行shell和脚本语言环境，最初发布于2006年。它基于.NET框架构建，提供了比CMD更丰富的功能和更强大的脚本能力。
2025-04-29 11:53:09
1680
原创 【无报错，亲测有效】如何在Windows和Linux系统中查看MySQL版本
本文将详细介绍查看MySQL版本的正确方法。MySQL作为最流行的开源关系型数据库管理系统之一，了解如何查看其版本信息对于开发者和数据库管理员来说是常用的一个基本操作。
2025-04-29 11:01:14
1157
原创 【深度学习】评估模型复杂度：GFLOPs与Params详解
本文详细介绍了深度学习模型评估中的两个关键指标：GFLOPs和Params。GFLOPs（十亿次浮点运算）衡量模型的计算复杂度，反映推理速度；Params（参数量）则体现模型大小和存储需求。文章分别阐述了两者的计算方法和代码实现，对比了它们的区别与联系，并提供了常见模型的参数对比表。最后，针对不同应用场景提出了优化建议，帮助开发者在模型设计中平衡计算效率和存储需求。理解这两个指标对于深度学习模型的部署和优化具有重要意义。
2025-04-28 20:46:55
1549
原创 【计算机视觉】Bayer Pattern与Demosaic算法详解：从传感器原始数据到彩色图像
本文详细介绍了Bayer Pattern（拜耳阵列）的原理和常见的Demosaic（去马赛克）算法等。在现代数字成像系统中，图像传感器通常采用Bayer Pattern（拜耳阵列）来捕获彩色信息。由于单个像素只能感知一种颜色（R、G或B），因此需要通过Demosaic（去马赛克）算法重建完整的RGB图像。
2025-04-28 20:40:39
1182
原创 【计算机视觉】三种图像质量评价指标详解：PSNR、SSIM与SAM
本文详细介绍了三种图像质量的评价指标：PSNR、SSIM与常用于评价多光谱图像光谱相似度的SAM。
2025-04-28 20:22:34
1458
原创 编译型语言、解释型语言与混合型语言：原理、区别与应用场景详解
本文详细介绍了按照执行方式对高级语言进行分类的编译型语言、解释型语言和混合型语言的原理、区别与应用场景。
2025-04-24 10:58:15
1283
原创 【数学建模】孤立森林算法：异常检测的高效利器
本文详细介绍了在数学建模领域的一种经常被用来进行异常检测的算法——孤立森林算法。孤立森林算法凭借其简单、高效、可扩展的特点，已成为异常检测领域的重要工具。异常检测的目标是从数据集中找出与大多数数据显著不同的异常点。在实际应用中，建议将孤立森林与其他异常检测方法结合使用，以获得更加稳健的检测结果。与传统的基于密度或距离的异常检测方法不同，孤立森林采用了一种全新的视角：通过随机构建决策树来孤立数据点。基于这两个特性，异常点通常更容易在决策树的早期被孤立出来，即到达叶子节点所需的决策路径更短。
2025-04-22 16:20:30
1538
原创 【深度学习】LoRA：低秩适应性微调技术详解
本文详细介绍了在深度学习中常用的一种低秩适应性微调技术——LoRA。LoRA作为一种优雅且高效的参数高效微调方法，极大地降低了预训练大模型微调的资源门槛，使个人研究者和小型团队也能参与到大模型的研发中。
2025-04-22 16:06:01
1091
原创 【数学建模】佳点集(Good Point Set)在智能优化算法中的应用与实现
本文介绍了在智能优化算法中常用的佳点集(Good Point Set, GPS)。佳点集是一种用于优化初始分布的方法，它能够在有限资源约束下生成覆盖性好、均匀度高的点集。在智能优化算法中，佳点集技术可以有效提高初始种群的多样性和分布均匀性，从而增强算法的全局搜索能力。[1]佳点集的核心思想是通过特定的数学方法构造一组在搜索空间中分布均匀的点，这些点能够更好地覆盖整个解空间避免了随机初始化可能带来的聚集现象，从而提高算法的搜索效率。
2025-04-13 23:55:11
1308
原创 齐次坐标系统：什么是齐次坐标？为什么要引入齐次坐标？
本文详细介绍了齐次坐标系统。在计算机图形学、计算机视觉、相机标定、三维建模等领域，齐次坐标是一个非常重要的数学工具。齐次坐标是一种表示几何点的方式，它通过添加一个额外的坐标分量，将n维空间中的点表示为n+1维空间中的点。其作用在于：在转型（计算机图形图形的几何变换）问题中，引入齐次坐标可以将不是线性变换的平移变换与旋转、缩放等齐次变换统一成矩阵乘法的形式，使得多次变换可以通过矩阵连乘来实现形成更复杂的变换，从而简化计算和降低运算量。
2025-04-13 23:49:53
1435
原创 【数学建模】（智能优化算法）鲸鱼优化算法(Whale Optimization Algorithm)详解与应用
本文详细介绍了在数学建模中常用的一种智能优化算法——鲸鱼优化算法。鲸鱼优化算法作为一种新兴的群体智能优化算法，凭借其简单高效的特点，在众多领域展现出良好的应用前景。
2025-04-11 21:49:28
1351
原创 【数学建模】（智能优化算法）天牛须算法(Beetle Antennae Search, BAS)详解与Python实现
本文介绍了数学建模中常用的一种智能优化算法——天牛须算法。天牛须算法作为一种新兴的优化算法，凭借其简单高效的特点，在各类优化问题中展现出良好的应用前景。虽然还存在一些局限性，但通过不断的改进和与其他算法的结合，天牛须算法有望在更多领域发挥重要作用。
2025-04-11 07:58:59
870
原创 【数学建模】（智能优化算法）萤火虫算法(Firefly Algorithm)详解与实现
本文介绍了一种有趣且高效的群体智能优化算法——萤火虫算法。作为一种生物启发式算法，它模拟了自然界中萤火虫的社会行为，特别是它们通过荧光相互吸引的特性。这个算法由剑桥大学的杨翔宇(Xin-She Yang)教授于2008年提出，在解决复杂优化问题方面表现出色。萤火虫算法作为一种生物启发式优化算法，通过模拟萤火虫的社会行为，在解决复杂优化问题方面展现出良好的性能。
2025-04-10 16:22:34
1127
原创 【数学建模】（智能优化算法）粒子群优化算法(PSO)详解与Python实现
本文介绍了粒子群优化算法(Particle Swarm Optimization, PSO)的基本原理和实现方法。作为一种受自然界鸟群觅食行为启发的智能优化算法，PSO因其简单高效的特点在机器学习、神经网络训练、函数优化等领域有着广泛应用。粒子群优化算法是由Kennedy和Eberhart于1995年提出的一种群体智能优化算法。它模拟了鸟群的社会行为，如鸟在寻找食物时的协作方式。在PSO中，每个候选解被视为一个“粒子”，所有粒子在搜索空间中移动，并根据自身经验和群体经验寻找个体最优解和群体最优解。
2025-04-10 16:10:22
1846
原创 【深度学习】Downstream Model：预训练模型的下游应用与微调技术
下游模型（Downstream Model）是指在预训练模型基础上，通过微调（Fine-tuning）或迁移学习方法，针对特定任务进行优化的模型。下游任务是指我们真正想要解决的具体应用任务，如文本分类、命名实体识别等。在自然语言处理领域，下游任务建立在预训练模型之上，利用预训练模型学习到的语言知识来解决特定问题。预训练模型通过大规模语料库学习通用语言表示，而下游任务则利用这些表示来解决具体应用场景的问题。
2025-04-09 14:30:30
995
原创 【深度学习】对比学习(Contrastive Learning)解析
本文详细介绍了一种自监督学习方法——对比学习（Contrastive Learning）。对比学习作为一种强大的自监督学习方法，已经在计算机视觉、自然语言处理、推荐系统等多个领域展现出巨大潜力。它不仅降低了对标注数据的依赖，还提升了模型的泛化能力和表示学习能力。
2025-04-09 13:42:49
3143
原创 WSL2迁移教程：如何备份和转移Ubuntu子系统到新位置
本文详细介绍了迁移WSL2的虚拟磁盘（ext4.vhdx）到其他盘符的方法。随着WSL2使用时间的增长，WSL占用的磁盘空间可能会越来越大，因此有时候我们需要将其迁移到其他磁盘分区（尽量避免占用系统盘的空间）以释放系统盘的空间。
2025-04-07 21:44:09
1533
原创 在PPT中同时自动播放多个视频的方法
在PPT制作的过程中，我们经常遇到需要同时自动播放多个视频的情况。本文将详细介绍实现这种效果的操作方法。
2025-04-07 21:28:12
4178
1
原创 大数据技术发展与应用趋势分析
大数据(Big Data)是指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合。大数据具有容量大(Volume)、类型多(Variety)、速度快(Velocity)和价值密度低(Value)的特点，即所谓的"4V特性。随着互联网、物联网、云计算等技术的快速发展，大数据已成为当今信息技术领域的热点，对各行各业产生了深远影响。1。
2025-04-05 23:28:33
1270
原创 【数学建模】（时间序列模型）ARIMA时间序列模型
本文详细介绍了ARIMA（自回归综合移动平均）时间序列模型及其在数据分析中的应用。ARIMA模型由自回归(AR)、差分(I)和移动平均(MA)三部分组成。文章系统讲解了ARIMA建模的六个关键步骤：平稳性检验、差分处理、模型识别、参数估计、模型诊断和预测应用。此外，文章还概述了其他常见时间序列模型，包括简单时间序列模型、指数平滑模型、ARIMA族模型的扩展、状态空间模型以及基于机器学习和深度学习的现代方法（LSTM、Transformer等）。
2025-04-05 16:20:51
3857
2
原创 Ground Truth（真实标注数据）：机器学习中的“真相”基准
本文介绍了机器学习与深度学习领域的一个常见概念：Ground Truth（GT，真实标注数据）。Ground Truth（简称GT）是指在训练和评估机器学习模型时使用的已知正确答案或标签。它是模型学习的基础，也是评估模型性能的标准。在图像分类任务中，Ground Truth是每张图片的正确类别标签（label）在目标检测中，Ground Truth是物体在图像中的精确位置和类别（mask、annfiles等）在自然语言处理中，Ground Truth可能是文本的情感标签或正确的翻译。
2025-03-27 16:23:27
1706
原创 【数学建模】（启发式算法）蚁群算法(Ant Colony Optimization)的详解与应用
本文介绍了在数学建模中常用的一种启发式算法——蚁群算法(Ant Colony Optimization, ACO)。蚁群算法是一种模拟蚂蚁觅食行为的群智能优化算法，广泛应用于组合优化问题的求解。本文将深入介绍蚁群算法的原理、实现方法及其应用场景。蚁群算法作为一种生物启发式算法，通过模拟蚂蚁集体行为解决复杂的优化问题，展现了群体智能的强大力量。
2025-03-27 16:16:18
1165
原创 【数学建模】（启发式算法）遗传算法：自然选择的计算模型
本文介绍了在数学建模中常用的一种启发式算法：遗传算法。遗传算法作为一种启发式优化方法，通过模拟生物进化过程，为复杂优化问题提供了一种有效的解决思路。随着计算能力的提升和算法的不断改进，遗传算法与其他智能算法的结合(如遗传神经网络、遗传模糊系统等)将为人工智能领域带来更多可能性。未来研究方向包括：提高算法效率、改进编码方式、设计更有效的遗传算子、与深度学习的结合等。随着这些技术的发展，遗传算法将在更广泛的领域发挥重要作用。
2025-03-27 16:03:46
1584
2
原创 【数学建模】（智能优化算法）元胞自动机在数学建模中的应用
本文介绍了一种在数学建模中常用的智能优化算法——元胞自动机。元胞自动机(cellular automata，CA) 是一种时间、空间、状态都离散，空间相互作用和时间因果关系为局部的网格动力学模型，具有模拟复杂系统时空演化过程的能力，在模拟交通流、传染病、火灾蔓延等领域有着重要的应用。
2025-03-27 15:44:01
989
原创 【数学建模】（启发式算法）模拟退火算法：原理、实现与应用
本文详细接受了一种在数学建模中常用的启发式算法：模拟退火算法，并简要介绍了P问题、NP问题、NP难问题等名词。
2025-03-27 15:16:56
1514
原创 【数学建模】动态规划算法(Dynamic Programming，简称DP)详解与应用
本文介绍了数学建模与算法类竞赛中常用的动态规划（Dynamic Programming, DP）算法。动态规划是一种强大的算法设计技术，通过将复杂问题分解为简单子问题并存储中间结果，有效地解决了许多优化问题。掌握动态规划思想需要大量练习，建议从简单问题入手，逐步提高解题能力。在实际编程中，动态规划的思想远比具体的代码实现更为重要，关键在于找到问题的状态定义和转移方程。
2025-03-27 14:34:59
1744
原创 【深度学习】GAN生成对抗网络：原理、应用与发展
本文介绍了一种生成模型——GAN（生成对抗网络）。GAN作为深度学习领域的重要创新，不仅在学术界引起了广泛关注，也在工业界找到了丰富的应用场景。GAN中的两个网络通过对抗训练不断提升自己的能力：生成器努力生成更逼真的数据以欺骗判别器，判别器则努力提高自己的鉴别能力。如果你想要更详细地了解某个特定的GAN变体或应用场景，可以告诉我，我可以为你提供更深入的内容。条件GAN通过引入额外的条件信息（如类别标签），使生成器能够生成特定类别的数据。
2025-03-25 16:39:09
1923
原创 【深度学习】扩散模型(Diffusion Model)详解：原理、应用与当前进展
本文介绍了一种生成模型——扩散模型（Diffusion Model）。扩散模型作为生成式AI的重要技术，已经在多个领域展现出巨大潜力。随着算法的不断优化和计算资源的提升，扩散模型将在更广泛的应用场景中发挥作用，推动生成式AI的进一步发展。
2025-03-25 16:38:03
3414
2
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人