2017.7.13 流水帐系列

本文记录了一天的生活与工作安排,并详细分享了作者在学习Hibernate框架过程中的心得与实践,包括不同类型的关联映射及配置。

流水帐系列杂记。记下自己每天的成果,方便以后更好的总结与规划。

6.00 醒来,玩手机赖床。。
6.30 接着看完昨天的电影——阿甘
8.30 到达工作室。开始hibernate注解的外键学习。完成毕业设计的数据库外键增加。
11.40 午饭
12.10 到达宿舍,玩手机,新闻,魔力盒视频
13.00 午睡
14.10 到达工作室。抢坤哥手机橹王者。
15.30 考虫四级课程。
17.40 晚餐
18.30 拿到oled显示屏,到达工作室,测试oled,尝试更改显示内容。更新原理图,封装,更新pcb板。
21.30 到达宿舍,橹王者。

日常总结:今天是放假以来做的最差的一天。早晨由于赖床导致错过了晨读、背单词时间。看阿甘导致到达工作室的时间又推迟了一个半小时左右。晚上玩游戏起因是朋友叫开黑。结果还被放了鸽子。农药果然毒性太强,一晚上的时间又被我浪费。防微杜渐,远离游戏。就更新到这里。明天恢复我的正常作息。

hibernate外键
oto
主控类包含被控类对象
@OneToOne(cascade=CascadeType.ALL)
@JoinColumn(name=”” ,unique=true)
被控类对象

保存时先保存被控类 后保存主控类。

双向的被控方加 one2one(mappedBy=”主控方中的本类的对象名字”)
mto
多对一

@ManyToOne(cascade={CascadeType.ALL},fetch=FetchType.EAGER)积极加载
@JoinColumn(name="cid",referencedColumnName="CID")

一对多:
@OneToMany(cascade={CascadeType.ALL},fetch=FetchType.LAZY)懒加载
@JoinColumn(name=”cid”)
集合属性
多对多:
单向:
**@ManyToMany
@JoinTable(name=”teacher_student”,joinColumns={@JoinColumn(name=”sid”)},inverseJoinColumns={@JoinColumn(name=”tid”)})


快捷键

  • 加粗 Ctrl + B
  • 斜体 Ctrl + I
  • 引用 Ctrl + Q
  • 插入链接 Ctrl + L
  • 插入代码 Ctrl + K
  • 插入图片 Ctrl + G
  • 提升标题 Ctrl + H
  • 有序列表 Ctrl + O
  • 无序列表 Ctrl + U
  • 横线 Ctrl + R
  • 撤销 Ctrl + Z
  • 重做 Ctrl + Y

表格

Markdown Extra 表格语法:

项目价格
Computer$1600
Phone$12
Pipe$1

可以使用冒号来定义对齐方式:

项目价格数量
Computer1600 元5
Phone12 元12
Pipe1 元234

定义列表

Markdown Extra 定义列表语法: 项目1 项目2
定义 A
定义 B
项目3
定义 C

定义 D

定义D内容

代码块

代码块语法遵循标准markdown代码,例如:

@requires_authorization
def somefunc(param1='', param2=0):
    '''A docstring'''
    if param1 > param2: # interesting
        print 'Greater'
    return (param2 - param1 + 1) or None
class SomeClass:
    pass
>>> message = '''interpreter
... prompt'''

脚注

生成一个脚注1.

目录

[TOC]来生成目录:

数学公式

使用MathJax渲染LaTex 数学公式,详见[math.stackexchange.com][1].

  • 行内公式,数学公式为: Γ(n)=(n1)!nN
  • 块级公式:

x=b±b24ac2a

更多LaTex语法请参考 [这儿][3].

UML 图:

可以渲染序列图:

Created with Raphaël 2.1.0 张三 张三 李四 李四 嘿,小四儿, 写博客了没? 李四愣了一下,说: 忙得吐血,哪有时间写。

或者流程图:

Created with Raphaël 2.1.0 开始 我的操作 确认? 结束 yes no

  1. 这里是 脚注内容.
基于TROPOMI高光谱遥感仪器获取的大气成分观测资料,本研究聚焦于大气污染物一氧化氮(NO₂)的空间分布与浓度定量反演问题。NO₂作为影响空气质量的关键指标,其精确监测对环境保护与大气科学研究具有显著价值。当前,利用卫星遥感数据结合先进算法实现NO₂浓度的高精度反演已成为该领域的重要研究方向。 本研究构建了一套以深度学习为核心的技术框架,整合了来自TROPOMI仪器的光谱辐射信息、观测几何参数以及辅助气象数据,形成多维度特征数据集。该数据集充分融合了不同来源的观测信息,为深入解析大气中NO₂的时空变化规律提供了数据基础,有助于提升反演模型的准确性与环境预测的可靠性。 在模型架构方面,项目设计了一种多分支神经网络,用于分别处理光谱特征与气象特征等多模态数据。各分支通过独立学习提取代表性特征,并在深层网络中进行特征融合,从而综合利用不同数据的互补信息,显著提高了NO₂浓度反演的整体精度。这种多源信息融合策略有效增强了模型对复杂大气环境的表征能力。 研究过程涵盖了系统的数据处理流程。前期预处理包括辐射定标、噪声抑制及数据标准化等步骤,以保障输入特征的质量与一致性;后期处理则涉及模型输出的物理量转换与结果验证,确保反演结果符合实际大气浓度范围,提升数据的实用价值。 此外,本研究进一步对不同功能区域(如城市建成区、工业带、郊区及自然背景区)的NO₂浓度分布进行了对比分析,揭示了人类活动与污染物空间格局的关联性。相关结论可为区域环境规划、污染管控政策的制定提供科学依据,助力大气环境治理与公共健康保护。 综上所述,本研究通过融合TROPOMI高光谱数据与多模态特征深度学习技术,发展了一套高效、准确的大气NO₂浓度遥感反演方法,不仅提升了卫星大气监测的技术水平,也为环境管理与决策支持提供了重要的技术工具。 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!
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