学会了用git把aspnetcdn发布到codeplex和github了. 准备一个异步的版本计划..

昨天成功把aspnetcdn v0.1代码发到codeplex和github上. 


后来和客户谈了一下, 发现这玩意的前景还是很好的.

所以计划出一个异步的, 带通道的, 能直接部署到公共服务器上的版本. 


和aspnetcdn不同的是, 异步版本将创建一个新的客户端, 类似http://homehttp.com/的做法.

把内网客户端将与公共服务器建立一条通信的通道, 让内网的网站也能轻易地被代理到.


整个计划, 一共会有3个版本 :


1 - aspnetcdn 开源, 同步版 , 可扩展, 教学用途


2 - cdnasync 非开源, 异步版, 可自行部署, 可扩展


3 - homehttp.com 非开源, 异步版, 不基于aspnet, 云服务托管版, 不可扩展


其中 aspnetcdn 是不会实现通道模式与内网的服务器进行通信的. 

cdnasync依然会继续部署在asp.net上. 性能并不是最主要考虑因素. 

因为要给客户安装, 一定要做到安装简单, 维护容易. 并且不能和IIS有端口的冲突.


应用场景 : 

很多传统软件是直接装在客户办公室的.

这些软件需要扩展功能, 让外网能访问到的话, 

现在很多人只能用花生壳等类型的动态域名来访问. 这种方式成本不低 

(动态域名的商业版很贵, 免费版或入门班经常出现解析错误, IP变化后更新的时间也超长)

而且这种方式很受上传速度的限制. 


使用cdnasync(大客户)/homehttp.com(小客户)方案的话, 

使用缓存技术, 和增量压缩技术, 可以使带宽放大60倍.

其中增量压缩技术的效果是纯gzip的5倍以上. 

这样就会减低客户办公室数据外传的压力, 提高网站相应速度.


使用通道方式的好处就是, 无需动态域名指向到办公室. 

一来可以避免配置路由端口映射等事情减低部署成本.

二来可以保护客户上网IP的安全免受攻击. 

三来在IP更换的时候可用最快的速度恢复连接, 无需等待DNS延迟






源码来自:https://pan.quark.cn/s/a3a3fbe70177 AppBrowser(Application属性查看器,不需要越狱! ! ! ) 不需要越狱,调用私有方法 --- 获取完整的已安装应用列表、打开删除应用操作、应用运行时相关信息的查看。 支持iOS10.X 注意 目前AppBrowser不支持iOS11应用查看, 由于iOS11目前还处在Beta版, 系统API还没有稳定下来。 等到Private Header更新了iOS11版本,我也会进行更新。 功能 [x] 已安装的应用列表 [x] 应用的详情界面 (打开应用,删除应用,应用的相关信息展示) [x] 应用运行时信息展示(LSApplicationProxy) [ ] 定制喜欢的字段,展示在应用详情界面 介绍 所有已安装应用列表(应用icon+应用名) 为了提供思路,这里只用伪代码,具体的私有代码调用请查看: 获取应用实例: 获取应用名应用的icon: 应用列表界面展示: 应用列表 应用运行时详情 打开应用: 卸载应用: 获取info.plist文件: 应用运行时详情界面展示: 应用运行时详情 右上角,从左往右第一个按钮用来打开应用;第二个按钮用来卸载这个应用 INFO按钮用来解析并显示出对应的LSApplicationProxy类 树形展示LSApplicationProxy类 通过算法,将LSApplicationProxy类,转换成了字典。 转换规则是:属性名为key,属性值为value,如果value是一个可解析的类(除了NSString,NSNumber...等等)或者是个数组或字典,则继续递归解析。 并且会找到superClass的属性并解析,superClass如...
基于遗传算法辅助异构改进的动态多群粒子群优化算法(GA-HIDMSPSO)的LSTM分类预测研究(Matlab代码实现)内容概要:本文研究了一种基于遗传算法辅助异构改进的动态多群粒子群优化算法(GA-HIDMSPSO),并将其应用于LSTM神经网络的分类预测中,通过Matlab代码实现。该方法结合遗传算法的全局搜索能力与改进的多群粒子群算法的局部优化特性,提升LSTM模型在分类任务中的性能表现,尤其适用于复杂非线性系统的预测问题。文中详细阐述了算法的设计思路、优化机制及在LSTM参数优化中的具体应用,并提供了可复现的Matlab代码,属于SCI级别研究成果的复现与拓展。; 适合人群:具备一定机器学习优化算法基础,熟悉Matlab编程,从事智能算法、时间序列预测或分类模型研究的研究生、科研人员及工程技术人员。; 使用场景及目标:①提升LSTM在分类任务中的准确性与收敛速度;②研究混合智能优化算法(如GA与PSO结合)在神经网络超参数优化中的应用;③实现高精度分类预测模型,适用于电力系统故障诊断、电池健康状态识别等领域; 阅读建议:建议读者结合Matlab代码逐步调试运行,理解GA-HIDMSPSO算法的实现细节,重点关注种群划分、异构策略设计及与LSTM的集成方式,同时可扩展至其他深度学习模型的参数优化任务中进行对比实验。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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