maven 笔记

一般maven 结构

mavenPro01

   src

-main

-java

-package

       -test

-java

-package

   pom.xml


maven常用命令

mvn -v  查看maven的版本

compile 编译

test  测试

package  打包

clean   删除target

install 安装jar到本地仓库中


自动创建目录骨架

创建目录的两种方式:

1.archetype:generate  按照提示进行创建

2.archetype:generate  -DgroupId=组织名 ,公司网址的反写+项目名

-DartifactId=项目名-模块名

-Dpackage=代码所在的包名


maven生命周期

clean  清理项目,  default  构建项目, site   生成项目站点 , 三个都是独立的生命周期。 


clean 内的三个阶段

pre-clean 执行清理前的工作

clean  清理上一次构建生成的所有文件

post-clean 执行清理后的文件


default 最核心

compile test package install


site 内的几个阶段

pre-site  在生成项目站点前要完成的工作

site   生成项目的站点文档

post-site 在生成项目站点后需要完成的工作

site-deploy  发布生成的站点到服务器上


maven插件等 - 可参考官方文档

pom.xml中代码片段, source插件,将源码打入jar内。  

<build>
<plugins>
    <plugin>
       <groupId>org.apache.maven.plugins</groupId>
       <artifactId>maven-source-plugin</artifactId>
       <version>2.4</version>
       <executions>
           <execution>
                 <phase>package</phase>
                 <goals><goal>jar-no-fork</goal></goals>
            </execution>
       </executions>
    </plugin>
</plugins>
</build>


pom.xml 常用标签

<!-- 指定当前pom版本 -->
	<modelVersion>4.0.0</modelVersion>
	<groupId>com.xiong.InvPro</groupId>
	<artifactId>InvPro</artifactId>
	
	<!--
	第一个0表示大版本号
	第二个0表示分支版本号
	第三个0表示小版本号
	0.0.1
	snapshot快照
	alpha内部测试
	beta公测
	release稳定版本
	GA正式发布 
	-->
	<version>1.0-SNAPSHOT</version>
	<!-- 
		默认是jar
		war zip pom
	 -->
	<packaging>war</packaging>
	<name>InvPro Maven Webapp</name>
	<url>http://maven.apache.org</url>
	
	<description>项目描述</description>
	<!-- 开放人员信息 -->
	<developers></developers>
     
	<!-- 依赖管理 -->
	<dependencyManagement>
	</dependencyManagement>

<dependencies>
<!-- junit4 test -->
		<dependency>
			<groupId>junit</groupId>
			<artifactId>junit</artifactId>
			<!-- 依赖范围 -->
			<scope>test</scope>
			<!-- 设置依赖是否可选,默认为false -->  
			<optional></optional>
			<!-- 排除依赖传递列表 -->
			<exclusions>
				<exclusion></exclusion>
			</exclusions>
			<version>${junit4.version}</version>
		</dependency>
</dependencies>




http://www.iteye.com/topic/973166


基于数据驱动的 Koopman 算子的递归神经网络模型线性化,用于纳米定位系统的预测控制研究(Matlab代码实现)内容概要:本文围绕“基于数据驱动的 Koopman 算子的递归神经网络模型线性化,用于纳米定位系统的预测控制研究”展开,提出了一种结合数据驱动方法与Koopman算子理论的递归神经网络(RNN)模型线性化方法,旨在提升纳米定位系统的预测控制精度与动态响应能力。研究通过构建数据驱动的线性化模型,克服了传统非线性系统建模复杂、计算开销大的问题,并在Matlab平台上实现了完整的算法仿真与验证,展示了该方法在高精度定位控制中的有效性与实用性。; 适合人群:具备一定自动化、控制理论或机器学习背景的科研人员与工程技术人员,尤其是从事精密定位、智能控制、非线性系统建模与预测控制相关领域的研究生与研究人员。; 使用场景及目标:①应用于纳米级精密定位系统(如原子力显微镜、半导体制造设备)中的高性能预测控制;②为复杂非线性系统的数据驱动建模与线性化提供新思路;③结合深度学习与经典控制理论,推动智能控制算法的实际落地。; 阅读建议:建议读者结合Matlab代码实现部分,深入理解Koopman算子与RNN结合的建模范式,重点关注数据预处理、模型训练与控制系统集成等关键环节,并可通过替换实际系统数据进行迁移验证,以掌握该方法的核心思想与工程应用技巧。
基于粒子群算法优化Kmeans聚类的居民用电行为分析研究(Matlb代码实现)内容概要:本文围绕基于粒子群算法(PSO)优化Kmeans聚类的居民用电行为分析展开研究,提出了一种结合智能优化算法与传统聚类方法的技术路径。通过使用粒子群算法优化Kmeans聚类的初始聚类中心,有效克服了传统Kmeans算法易陷入局部最优、对初始值敏感的问题,提升了聚类的稳定性和准确性。研究利用Matlab实现了该算法,并应用于居民用电数据的行为模式识别与分类,有助于精细化电力需求管理、用户画像构建及个性化用电服务设计。文档还提及相关应用场景如负荷预测、电力系统优化等,并提供了配套代码资源。; 适合人群:具备一定Matlab编程基础,从事电力系统、智能优化算法、数据分析等相关领域的研究人员或工程技术人员,尤其适合研究生及科研人员。; 使用场景及目标:①用于居民用电行为的高效聚类分析,挖掘典型用电模式;②提升Kmeans聚类算法的性能,避免局部最优问题;③为电力公司开展需求响应、负荷预测和用户分群管理提供技术支持;④作为智能优化算法与机器学习结合应用的教学与科研案例。; 阅读建议:建议读者结合提供的Matlab代码进行实践操作,深入理解PSO优化Kmeans的核心机制,关注参数设置对聚类效果的影响,并尝试将其应用于其他相似的数据聚类问题中,以加深理解和拓展应用能力。
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