阶段性测试自己的错题

1.http协议理解
含义:超文本传输协议,用于从万维网向浏览器端发送超文本数据的协议
音视频、图片、文本…

组成:
请求报文
请求行
请求地址
请求方式
请求头
contentType:‘application/xx’
token
请求体
参数
响应报文
响应行
状态码及描述
200 ok
响应头
响应体
服务端返回的数据

2.简述一下从在浏览器打开一个网页到网页加载完毕中间发生了什么事情?越详细越好
浏览器输入url地址-> 浏览器根据url封装为请求报文->请求报文发送到服务器端->服务器端对请求报文进行解析获取path,参数等信息->服务器端进行资源的查询->服务器端将前端需要的资源封装为响应报文-> 浏览器接收响应报文->浏览器进行解析
首先客户端浏览器发起http请求,然后服务器接收到请求,给出一个页面,浏览器接收到响应的html页面后,首先加载html页面,然后解析html代码,发现有外部css或者js引入后,开始加载外部css或者js,然后解析外部css或者js,最终将css与html代码绑定生成DOM树,然后渲染到浏览器中。

3.js对象创建的方式
1) 对象字面量
var obj = {}
2) Object构造函数
var obj = new Object()
3) 工厂函数
function factory(){
return {}
}
var obj = factory()
4) 自定义构造函数模式
function Person(){}
var obj = new Person()
5) 自定义构造函数模式与原型结合
function Person(){}
Person.prototype.sayName = function(){}
var obj = new Person()

内置构造函数(内置app)
可以直接调用的构造函数
自定义构造函数(下载的app)
function Person(){}
var obj = new Person()

**4.简述事件流
发生在嵌套的html结构中,为每层html都绑定事件
事件冒泡:事件由具体的点接受,从内往外传递到不具体的点接受。
事件捕获:事件由不具体的点接受,从外往内到具体的点接受。
DOM事件流:先事件捕获,先由不具体的点接受,从外往内到具体的点接受,然后再事件冒泡,从内往外传递到不具体的点接受。

5.test()与search()的异同
不同点:
test是正则表达式调用的,支持全局搜索
pattern.test(str)
search是字符串调用的,不支持全局搜索
str.search(pattern)
相同点:
找出字符串中满足条件的字符

【电力系统】单机无穷大电力系统短路故障暂态稳定Simulink仿真(带说明文档)内容概要:本文档围绕“单机无穷大电力系统短路故障暂态稳定Simulink仿真”展开,提供了完整的仿真模型与说明文档,重点研究电力系统在发生短路故障后的暂态稳定性问题。通过Simulink搭建单机无穷大系统模型,模拟不同类型的短路故障(如三相短路),分析系统在故障期间及切除后的动态响应,包括发电机转子角度、转速、电压和功率等关键参数的变化,进而评估系统的暂态稳定能力。该仿真有助于理解电力系统稳定性机理,掌握暂态过程分析方法。; 适合人群:电气工程及相关专业的本科生、研究生,以及从事电力系统分析、运行与控制工作的科研人员和工程师。; 使用场景及目标:①学习电力系统暂态稳定的基本概念与分析方法;②掌握利用Simulink进行电力系统建模与仿真的技能;③研究短路故障对系统稳定性的影响及提高稳定性的措施(如故障清除时间优化);④辅助课程设计、毕业设计或科研项目中的系统仿真验证。; 阅读建议:建议结合电力系统稳定性理论知识进行学习,先理解仿真模型各模块的功能与参数设置,再运行仿真并仔细分析输出结果,尝试改变故障类型或系统参数以观察其对稳定性的影响,从而深化对暂态稳定问题的理解。
本研究聚焦于运用MATLAB平台,将支持向量机(SVM)应用于数据预测任务,并引入粒子群优化(PSO)算法对模型的关键参数进行自动调优。该研究属于机器学习领域的典型实践,其核心在于利用SVM构建分类模型,同时借助PSO的全局搜索能力,高效确定SVM的最优超参数配置,从而显著增强模型的整体预测效能。 支持向量机作为一种经典的监督学习方法,其基本原理是通过在高维特征空间中构造一个具有最大间隔的决策边界,以实现对样本数据的分类或回归分析。该算法擅长处理小规模样本集、非线性关系以及高维度特征识别问题,其有效性源于通过核函数将原始数据映射至更高维的空间,使得原本复杂的分类问题变得线性可分。 粒子群优化算法是一种模拟鸟群社会行为的群体智能优化技术。在该算法框架下,每个潜在解被视作一个“粒子”,粒子群在解空间中协同搜索,通过不断迭代更新自身速度与位置,并参考个体历史最优解和群体全局最优解的信息,逐步逼近问题的最优解。在本应用中,PSO被专门用于搜寻SVM中影响模型性能的两个关键参数——正则化参数C与核函数参数γ的最优组合。 项目所提供的实现代码涵盖了从数据加载、预处理(如标准化处理)、基础SVM模型构建到PSO优化流程的完整步骤。优化过程会针对不同的核函数(例如线性核、多项式核及径向基函数核等)进行参数寻优,并系统评估优化前后模型性能的差异。性能对比通常基于准确率、精确率、召回率及F1分数等多项分类指标展开,从而定量验证PSO算法在提升SVM模型分类能力方面的实际效果。 本研究通过一个具体的MATLAB实现案例,旨在演示如何将全局优化算法与机器学习模型相结合,以解决模型参数选择这一关键问题。通过此实践,研究者不仅能够深入理解SVM的工作原理,还能掌握利用智能优化技术提升模型泛化性能的有效方法,这对于机器学习在实际问题中的应用具有重要的参考价值。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
错题回顾功能测试用例的设计可以遵循以下步骤和方法: 1. 需求分析:首先,需要从需求文档中明确错题回顾功能的具体要求和功能。这包括用户可以查看错题的方式、展示形式、错题的分类和筛选功能等。 2. 测试计划:根据需求分析的结果,制定测试计划。明确测试的目标、范围和内容,并确定测试的开始和结束日期。 3. 测试设计:根据需求和测试计划,设计错题回顾功能的测试用例。测试用例应包括输入数据、预期结果和执行步骤。例如,可以设计测试用例来验证用户在查看错题时是否能够正确显示错题内容、错题的答案和解析等。 4. 系统测试:在系统测试阶段,执行设计好的测试用例来验证错题回顾功能是否按照需求正常工作。通过输入不同的测试数据,观察系统的反应和输出结果,与预期结果进行比较。 5. 回归测试:在软件的后续版本中,当对错题回顾功能进行修改或添加新功能时,需要进行回归测试,以确保修改后的功能不会对原有的功能产生不良影响。可以使用之前设计的测试用例进行回归测试。 在测试过程中,可以借鉴黑盒测试的优点,如不需要了解内部实现细节、能够测试整个系统等。同时,也要注意黑盒测试的缺点,如无法全面覆盖所有可能的情况、难以检测到代码错误等。 此外,还可以参考软件开发中的探索性测试和可用性测试的方法。探索性测试可以帮助发现系统中的潜在问题和不符合预期的行为。可用性测试可以评估错题回顾功能的易学性、易记性、容错性、交互效率和用户满意度等指标。 总结起来,设计错题回顾功能测试用例需要进行需求分析、测试计划制定、测试设计、系统测试和回归测试等步骤,并可以借鉴黑盒测试、探索性测试和可用性测试的方法。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* *3* [秋招笔试错题整理](https://blog.youkuaiyun.com/qq_43767234/article/details/121457239)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"] - *2* [敏捷ACP.知识总结.错题回顾](https://blog.youkuaiyun.com/u010025781/article/details/125473903)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"] [ .reference_list ]
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值