[IE9] IE9 Beta崩溃问题解决方案

本文探讨了IE9 Beta浏览器频繁崩溃的原因,指出可能是由于迅雷和VeryCD电驴等ActiveX插件不兼容所致。提供了禁用插件的方法,并通过Windbg调试工具定位到了迅雷网页图片浏览器的EmbedDetect.dll为具体引发崩溃的组件。

如果你的IE9 beta经常崩溃,很有可能是因为ActiveX插件和IE9不兼容造成的。请禁用一些插件再试试。

目前已知不兼容的ActiveX插件有: 迅雷VeryCD电驴 (easyMule)。

当你试图用迅雷或者用verycd电驴下载文件的时候,都可能会引起IE9 beta崩溃。

另外,迅雷的网页图片浏览器会使你用IE9正常浏览器网页的时候崩溃。

如果你看到有其他崩溃现象或者不兼容情况出现,欢迎在本博文底下留言(请说明如何重现问题)

禁用插件步骤点击右上角的设置按钮-->点击“管理加载项”菜单项。 或者,你可以在"运行"里面输入“inetcpl.cpl” 并运行,在弹出来的Internet选项里面选择“程序”-->“管理加载项”。

我windbg调试了一下迅雷网页图片浏览器的崩溃问题。 崩溃出现在迅雷的EmbedDetect.dll里面。请有认识迅雷开发组的朋友帮忙转告。

0:044> g

(e44.19d4): Access violation - code c0000005 (!!! second chance !!!)

*** ERROR: Symbol file could not be found. Defaulted to export symbols for EmbedDetect.DLL -

EmbedDetect!DllRegisterServer+0x6811:

04568841 ff12 call dword ptr [edx] ds:002b:89087d8b=????????

0:008:x86> k

ChildEBP RetAddr

WARNING: Stack unwind information not available. Following frames may be wrong.

0609d200 76c644f1 EmbedDetect!DllRegisterServer+0x6811

1107d1c4 630248e0 OLEAUT32!GetAppData+0x15

1107d1cc 6302490c JSCRIPT9!JavascriptDispatch::`vftable'

1107d1d0 10514210 JSCRIPT9!JavascriptDispatch::`vftable'

1107d1d4 184c9558 0x10514210

1107d1d8 00000000 0x184c9558

0:008:x86> lmvm EmbedDetect

start end module name

04550000 04586000 EmbedDetect (export symbols) EmbedDetect.DLL

Loaded symbol image file: EmbedDetect.DLL

Image path: EmbedDetect.DLL

Image name: EmbedDetect.DLL

Timestamp: Wed Aug 04 03:09:23 2010 (4C593C53)

CheckSum: 00046837

ImageSize: 00036000

File version: 1.0.1.45

Product version: 1.0.1.45

File flags: 0 (Mask 3F)

File OS: 4 Unknown Win32

File type: 2.0 Dll

File date: 00000000.00000000

Translations: 0804.03a8

CompanyName: Xunlei

ProductName: 迅雷网页图片浏览器

InternalName: EmbedDetect.dll

OriginalFilename: EmbedDetect.dll

ProductVersion: 1, 0, 1, 45

FileVersion: 1, 0, 1, 45

FileDescription: 迅雷网页图片浏览器

LegalCopyright: Xunlei@2009

内容概要:本文系统介绍了算术优化算法(AOA)的基本原理、核心思想及Python实现方法,并通过图像分割的实际案例展示了其应用价值。AOA是一种基于种群的元启发式算法,其核心思想来源于四则运算,利用乘除运算进行全局勘探,加减运算进行局部开发,通过数学优化器加速函数(MOA)和数学优化概率(MOP)动态控制搜索过程,在全局探索与局部开发之间实现平衡。文章详细解析了算法的初始化、勘探与开发阶段的更新策略,并提供了完整的Python代码实现,结合Rastrigin函数进行测试验证。进一步地,以Flask框架搭建前后端分离系统,将AOA应用于图像分割任务,展示了其在实际工程中的可行性与高效性。最后,通过收敛速度、寻优精度等指标评估算法性能,并提出自适应参数调整、模型优化和并行计算等改进策略。; 适合人群:具备一定Python编程基础和优化算法基础知识的高校学生、科研人员及工程技术人员,尤其适合从事人工智能、图像处理、智能优化等领域的从业者;; 使用场景及目标:①理解元启发式算法的设计思想与实现机制;②掌握AOA在函数优化、图像分割等实际问题中的建模与求解方法;③学习如何将优化算法集成到Web系统中实现工程化应用;④为算法性能评估与改进提供实践参考; 阅读建议:建议读者结合代码逐行调试,深入理解算法流程中MOA与MOP的作用机制,尝试在不同测试函数上运行算法以观察性能差异,并可进一步扩展图像分割模块,引入更复杂的预处理或后处理技术以提升分割效果。
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