自定义博客皮肤VIP专享

*博客头图：

格式为PNG、JPG，宽度*高度大于1920*100像素，不超过2MB，主视觉建议放在右侧，请参照线上博客头图

请上传大于1920*100像素的图片！

博客底图：

图片格式为PNG、JPG，不超过1MB，可上下左右平铺至整个背景

栏目图：

图片格式为PNG、JPG，图片宽度*高度为300*38像素，不超过0.5MB

主标题颜色：

RGB颜色，例如：#AFAFAF

Hover：

RGB颜色，例如：#AFAFAF

副标题颜色：

RGB颜色，例如：#AFAFAF

预览 取消 提交

自定义博客皮肤

-+
上一步保存

liujingliuxingjiang的博客

  • 博客(23)
  • 资源 (11)
  • 收藏
  • 关注
排序：
按最后发布时间
按访问量
RSS订阅

原创 SSH key实现无密码文件传输

用SSH Key实现两台机器之间无密码传输文件。

2023-02-12 16:27:50 539

原创 C++中嵌入调用shell script

C++中嵌套调用shell script

2022-09-03 16:15:07 673

原创 libssh2使用

ubuntu上使用libssh2库实现本地文件上传到服务器。

2022-09-01 17:45:37 2499 1

原创 linux下的socket编程

linux下socket编程

2022-02-11 16:54:54 5997 1

原创 约瑟夫环的两种实现方法

使用循环链表和list两种方法实现约瑟夫环

2022-02-08 17:55:46 1274

原创 python操作MongoDB数据库

确保：（1）安装了MongDB，并启动了服务。没有安装的话，可以参考https://blog.youkuaiyun.com/liujingliuxingjiang/article/details/122068753?spm=1001.2014.3001.5501（2）安装了python和pip1.安装pymongopip install pymongo2.连接MongoDB使用pymongo库中的MongoClient，需要传入ip和端口。import pymongoclient = pymongo.M

2021-12-21 17:41:04 4583

原创 windows下MongoDB的下载和安装

windows下MongoDB的下载和安装

2021-12-21 17:06:47 1469

原创 windows下安装docker

windows下安装docker的详细步骤。

2021-12-16 16:24:19 1819

原创 python爬取微信读书APP的书单

1.确保已安装mitmproxy如果没有安装，可以参考https://blog.youkuaiyun.com/liujingliuxingjiang/article/details/121633927?spm=1001.2014.3001.55012.手机设置2.1 配置代理2.2 Safri上下载证书我用的是iphone，我在其他浏览器输入mitm.it，下载后不能识别成描述文件，只有在自带的Safri上下载才好用。下载的时候选择apple版本，下载好后安装上。安装好后检查证书是否打开3.爬

2021-12-03 15:23:16 3637

原创 抓包工具之-mitmproxy的安装使用

mitmproxy是一个支持HTTP和HTTPS的抓包工具，类似Fiddler、Charles的功能，只不过它通过控制台的形式操作。mitmproxy还有2个关联组件，一个是mitmdump，一个是mitmweb其中mitmdump可以直接对接python脚本，我们可以不用手动获取和分析http请求和响应，只需要写好请求和响应的处理逻辑写入python脚本。1.mitmproxy的安装最简单的方法是用pip install mitmproxy安装，安装的时候需要注意版本的问题，由于我的python是

2021-11-30 15:39:13 12457 2

原创 抓包工具之-fiddler的安装使用

1.fiddler的简介Fiddler是一个http协议调试代理工具，它能够记录并检查所有你的电脑和互联网之间的http通讯，设置断点，查看所有的“进出”Fiddler的数据（指 cookie、html、js、css等文件等），还可以修改这些数据。优点：（1）支持IE，Chrome，Safari，firefox和Opera等浏览器。（2）可以在iphone，ipad等移动设备上进行连接。（3）可以查看所有浏览器、客户端应用或服务器之间的web数据流。（4）手动或自动修改任意的请求和响应。（5

2021-11-29 16:54:19 1927

原创 百度旋转图片验证

Python-实现自动旋转图片通过百度安全验证整体思路：（1）建立图片库。建立一个图片库，图片库里每张图片都有一个旋转角度（用图片的名称记录每张图片到正确图片的旋转角度）。（2）计算需要旋转的角度。将当前要进行旋转验证的图片和图片库的图片进行比较，找出相似度最高的那张图片，就可以得到当前验证的图片需要旋转的角度。（3）计算需要拖动的距离。根据网页上的拖动框长度和拖动角度的比例计算出当前需要拖动button的距离。（4）拖动button进行验证。进行按下button-拖动距离-释放butto

2021-11-19 17:22:19 6326 9

原创 python的open函数使用

在python中使用open函数对文件进行处理。1.open()python打开文件使用open()函数，返回一个指向文件的指针。该函数常用以下三个参数。1.1 参数1目标文件的路径+名字。最好使用r"路径"这种原始字符串写法，防止有转义字符影响实际路径。1.2 参数2操作文件的方式mode=‘方式’。mode=可以省略。下面对操作文件的方式进行详细说明:（1）r以只读方式打开文件。文件的指针将会放在文件的开头。这是open默认模式。如果文件不存在，会报错。（2）rb以二进制只读方式打开

2021-10-13 15:32:37 14434

原创 Chrome的版本和Selenium支持的版本不一致

chrome的版本和Selenium支持的版本不一致，报错如下：selenium.common.exceptions.SessionNotCreatedException: Message: session not created: This version of ChromeDriver only supports Chrome version 86Current browser version is 92.0.4515.131 with binary path C:\Users\Administra

2021-10-12 16:45:20 1450

原创 mysql整型数据导出到excel最后几位变成0了

mysql整型数据导出到excel最后几位变成0了问题：数据直接导出到excel或者csv，当字段类型是bigint的时候，会显示成科学计数格式。双击单元格后，发现数据的后面几位都显示为0了，显然已经和原来数据库的数据不一致了。解决方法：1.需要将bigint数据（即id字段）转换为char类型，并且前面加一个逗号，方便excel直接显示全部数字select concat("'",cast(id as char)) from 表名 上面concat就是拼接逗号和id，cast是将id转换为cha

2021-07-14 17:44:52 3741

原创 pycharm远程连接mysql数据库

pycharm远程连接mysql数据库1.返回连接失败2.mysql需要修改配置配置文件一般默认在：/etc/mysql/mysql.conf.d/mysqld.cnfbind-address默认是127.0.0.1，只能localhost访问，需要注释掉或者改成0.0.0.0。3.检查一下网络是不是通的（1）首先尝试从pycharm机器ping数据库机器，没有成功。这时候从pycharm机器ssh是可以连接到数据库服务器的，说明网络是通的。ping不通原因是没有开启ping服务。（2）

2021-07-13 10:49:17 2467

原创 mysql老数据库迁移到新库

旧数据迁移到新装的数据库环境：ubuntu 20-04 mysql 8.0背景：之前的数据库在另一台机器上不能登录mysql数据库了，也不能使用mysqldump备份数据，只有mysql那个文件包了（里面有原始数据库的数据）。需要将这些数据迁移到一台新机器的mysql数据库。1. 关闭新的数据库服务service mysql stop2. 获取旧数据库的数据在两台linux电脑之间使用远程命令scp传输数据库的数据，以下命令是在旧电脑上执行的，需要输入新电脑对应用户的密码。scp -r /d

2021-07-13 10:08:31 1881

原创 ubuntu硬盘的挂载

Ubuntu-20.04.1磁盘的挂载1.df -h查看磁盘的信息如果不想这样挂载了，需要先解开挂载点sudo umount /dev/sda52.查看磁盘的挂载详情lsblk可以到红框这种后面没有挂载点的就是没有挂载的磁盘。3.确认好需要挂载的地方比如/home/XXX/下建一个local文件夹，并将local这个文件夹作为挂载点4.拿到盘符的信息sudo blkid /dev/sda5UUID和TYPE这2个很重要[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直

2021-07-13 09:37:10 1876

原创 linux和window互传文件

推荐一个好用的工具FileZilla用在linux和windows之间互传文件，非常方便，速度也快！

2021-05-31 10:52:06 108

原创 linux下替换超大文件中的字符串

linux下替换超大文件中的字符串1.vim下替换首先要打开文件vim 文件名然后在vim的末行模式（也就是打开后接着输入冒号）下替换。（1）替换当前光标所在的行:s/替换前(old)/替换后(new)/gc**g：**替换当前行所有的old，不加g只替换第一个old；c：替换的时候添加提示信息（2）替换一个范围行:x,ys/替换前(old)/替换后(new)/gc注意：x<y，不然会报错。x,y是行号。（3）替换当前文档的所有行:%s/替换前(old)/替换后(new

2021-05-17 14:31:13 1626

原创 mysqldump同一个数据库不同表间导数据

1.mysqldump的基本语法mysqldump：是mysql数据库备份用的命令。也可以用于数据表之间数据的导入导出。导出：mysqldump -u用户名 -p密码 数据库 数据表 > XXX.sql导入：mysql -u用户名 -p密码 数据库< XXX.sql这样导出的XXX.sql中带有drop和create的sql语句，直接使用会覆盖导入的表。2.参数 --no-create-info如果不想覆盖导入数据的表，要在导出的时候加一个参数 --no-create-info

2021-05-13 17:27:35 411

原创 python正则表达式中有问号要小心

当python正则表达式中有“?”时，直接匹配会得不到正确的结果。比如这个例子：import redd = r'sgsw?ccgsgsw?cwwww'c = 'w?c'f = re.findall(c,dd)print(f)本来是想找到dd中所有“w?c”的子串，结果发现执行出来的结果不是我们想要的，是下面这个：[‘c’, ‘c’, ‘c’]为什么呢？问题就出在这个“？”上，“？”是元字符，是有特殊含义的。在正则表达式里面意思是匹配0个或多个问号前面的字符，这里就是匹配任意个w加c，上面

2021-05-06 16:53:48 1781

原创 python爬取微信公众号文章

爬取微信公众号文章获取微信公众号的url[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-MAGdZU2e-1619164988914)(C:\Users\Administrator\AppData\Roaming\Typora\typora-user-images\1618473527007.png)]获取每一篇文章的url​ 选择一个公众号进入，选择一个目录进入后点复制链接，然后去浏览器打开。按F12打开检查的模式，在Console中输入$x(‘标签路径’)找到子文章

2021-04-23 16:17:08 5184 5

流形学习概述
流形学习是一种新的非监督学习方法,近年来引起越来越多机器学习和认知科学工作者的重视. 为了加深对流形学习的认识和理解,该文由流形学习的拓扑学概念入手,追溯它的发展过程. 在明确流形学习的不同表示方法后,针对几种主要的流形算法,分析它们各自的优势和不足,然后分别引用Isomap和LLE的应用示例.结果表明,流形学习较之于传统的线性降维方法,能够有效地发现非线性高维数据的本质维数,利于进行维数约简和数据分析.最后对流形学习未来的研究方向做出展望,以期进一步拓展流形学习的应用领域

2012-04-10

基于核函数的人脸检测研究
人脸识别是模式识别与计算机视觉、生物识别技术的交叉学科，而人脸检 测是人脸识别系统的关键环节。根据生物识别领域内最新研究表明，非线性样 本的处理和降维是人脸识别研究现今面临的两个主要问题。 核函数作为一种有效的处理非线性空间(可分/不可分)样本和迅速降维 的理论和方法，随着支持向量机的普及，在近年来的模式识别领域得到了广泛 的关注。将“核方法”与传统的特征提取和分类方法相结合，相继产生了许多 新颖、有效的检测识别方法。本文主要研究内容是核函数的基础理论、算法性 能改进以及在人脸检测中的应用。 本论文首先概述了人脸检测研究的发展现状。在此基础上，系统阐述了核 函数理论的历史起源、基础理论、应用算法。针对基于核函数的FISH欧判别 (KFD)、基于核函数的主元分析法(KPCA)以及核函数的构造和参数选取作了 一定的研究探讨。最后将训练好的核函数人脸检测机器应用于非线性空间人脸 样本的检测，取得了较为满意的结果。 第一部分，通过阅读、学习大量中英文文献，概述了人脸检测技术研究的 现状，对人脸识别系统中的传统特征提取、分类方法作了综述。针对人脸检测 技术的非线性处理能力、降维能力、实时性、鲁棒性，比较了各种方法的优劣， 提出了存在的疑难问题和本文的研究任务。 第二部分，从分析神经网络的局限性和疑难点入手，讨论了支持向量机取 得成功的两大关键要素—凸二次规划和核函数，由此引出了统计学习理论和核函数理论。然后探讨了一系列核函数思想与传统的模式识别方法相结合的“核 方法”，如核FISHER判别、核主元分析法、核感知器，研究了核函数的构造和 参数的选取优化。通过做TLAB仿真试验实现了这些方法，并对各自的性能进行 了比较;基于核函数理论和现有的人脸特征提取方法，针对样本的非线性这一 人脸检测领域的重难点，提出了改进的核函数学习机器。 第三部分，基于核函数方法，提出了一个基于核函数理论、方法的人脸检 测及验证算法。用改进的SvM实现了人脸检测，改进的KPCA实现了人脸验证。 并且给出了仿真试验的数据、图片等结果，并对结果进行了分类、比较和推论。 实验证明，基于核函数的人脸检测验证算法具有突出的小样本学习能力，对处 理非线性空间对象和降维十分有效，识别精度和鲁棒性均令人满意。

2012-01-11

人脸识别方法研究
人脸识别是计算机视觉、模式识别和图像处理研究的重要 内容和热门课题，是身份辨别的理想依据和最自然直接的手段。 本文深入分析了人脸识别的生理学本质和实现的难点，并 在科学分类的基础上对主要人脸识别方法的构造原则、应用特 点和存在问题进行了较为详细地介绍和讨论。在此基础上，提 出了一些新的方法，具体如下: 1.将核主成分分析方法引入人脸识别，利用基于核主成分 向量分类的非线性特性，实现对人脸的非线性分类。这种方法 能够在获得较高1次匹配正确率和前10次匹配正确率的同时， 表现出极强的区分库与非库人脸的能力。 2.以人脸图像的核主成分向量代替主成分向量作为独立分 量分析算法的输入数据，使基于独立分量分析的人脸识别方法 的正确识别率、1次匹配正确率和前10次匹配正确率均显著提 局。 3.独创性地提出独立多维分量分析理论，并基于高斯核函数 构造了实现独立多维分量分析的算法。独立多维分量分析理论是 独立分量分析理论的延伸和一般化扩展。应用独立多维分量分析 于人脸识别，获得了很高的1次匹配正确率和前10次匹配正确率。 4.提出并验证了基于核主成分分析区分库与非库人脸、基于 独立多维分量分析进行有效匹配的人脸识别方法是解决人脸识 别问题的一个可能途径。

2012-01-11

人脸识别综述
介绍了人脸识别的概念和发展，分析和比较了各种人脸识别方法的差异，探讨了人脸识别的应用和未来的研究趋势。

2012-01-11

人脸识别综述与展望
本文综述了人脸识别理论的研究现状，根据人脸自动识别技术发展的时间进行了分类，分析和比较各种识别方法优缺点，讨论了其中的关键技术及发展前景。

2012-01-11

改进的线性判别分析算法及其在人脸识别中的应用
提出了一种改进的线性判别分析(LDA)算法,能有效地解决传统LDA算法的两个局限,即小样本问题及在多类情况下传统的Fisher准则非最优.该算法还能提高某一(几)个指定类别的分类率.这种算法的关键在于使用不损失“有判别力信息”的方法来降维,同时在传统的Fisher准则中引入加权函数,得到与分类率直接相关的改进准则.在ORL人脸数据库上的比较实验结果证实了该算法的有效性.

2011-10-12

直接 ＬＤＡ 在人脸识别中的鉴别力分析
直接线性鉴别分析（ＤＬＤＡ）曾被声明利用类内离散矩阵零空间内外所有鉴别信息，为了分析声明的理论缺陷，对ＤＬＤＡ在人脸识别中的鉴别特性进行了研究．鉴于ＤＬＤＡ是在类间离散矩阵列空间中寻找最优解，理论分析从下面３方面内容展开：类间和类内离散矩阵的列空间之间的关系、类间离散矩列空间与类内离散矩阵零空间的关系以及在保留全部鉴别矢量下的ＤＬＤＡ特性，结果表明，在小样本条件下，ＤＬＤＡ几乎没利用零空间内的信息，导致一些有用的鉴别信息的丢失；若保留全部的鉴别矢量，ＤＬＤＡ退化为类间离散矩阵的保留所有非零成分的主成分分析．在人脸数据库ＯＲＬ和ＹＡＬＥ上的比较实验结果显示：ＤＬＤＡ的识别率都次于其它几种线性鉴别分析扩展方法，与理论分析一致．

2011-10-12

一种基于Fisher最优判据的人脸识别新方法
通过对一种计算奇异类内离散度矩阵的Fisher最优判据方法的改进,提出一种改 进的Fisher最优判据,并应用于人脸识别中.在Olivetti_OracleResearchLab(ORL)和Yale标准人脸库上的识别结果显示,此方法比主元分析方法(PCA)和直接线性判别分析方法(DirectLinear Discriminant Analysis, DLDA)有更好、更高的识别效果.

2011-10-12

基于最大散度差鉴别准则的自适应分类算法
首先证明了，当类内散布矩阵非奇异时，特定参数值c0下最大散度差的最优鉴别方向等同于Fisher最优鉴别方向;其次，给出了最大散度差分类算法的识别率随参数C变化的曲线.该曲线通常为一脉冲曲线.随着参数C的增大，识别率也逐渐增大.当参数C增大到co时，识别率达到最大值.另外，以往的研究成果表明:当类内散布矩阵奇异时，最大散度差鉴别准则逐步逼近大间距线性投影准则.而且，随粉参数C的不断增大，最大散度差分类算法的识别率也单调增大并最终稳定到大间距线性投影分类算法的识别率上.为此，我们提出了基于最大散度差鉴别准则的自适应分类算法.新算法可以根据训练样本的特性(类内散布矩阵是否奇异)自动选择恰当的参数C.在UCI机器学习数据库上的6个数据集以及AR人脸图像数据库上的测试结果表明，自适应最大散度差分类算法具有良好的分类性能.

2011-10-12

数字化变电站通信网络性能仿真分析
依据 IEC 61850 标准分析了数字化变电站的通信网络结构和数据流，利用 OPNET Modeler 建立了 2 层星型拓扑结构的数字化变电站通信网络动态仿真模型，基于该模型以 过程网络中采样值报文的网络延时、站级网络中报告和控制报文的端到端延时为研究对象，对不同节点规模、不同网络配置和不同应用功能条件下的过程网络、站级网络的实时性能进行了仿真分析，根据仿真结论对数字化变电站通信网络的结构、网络带宽及网络设备的选取等提出了建议。

2011-05-06

IEEE1588网络时间同步的研究
时间信息是计算机网络中，尤其是分布式控制系统中最重要的基础信息。网络中的时间同步是一个重要的研究方向，时间同步是很多基于网络的关键应用的基础。随着网络技术的发展，分布式系统中对时间同步的要求越来越高。在现有以太网基础上开展测试与测量，首先需要解决的是实现不同终端设备之间的精密时钟同步。 文章在对IEEE 1588网络精确时钟同步协议详细分析的基础上,分析了相应的时钟同步模型和最佳主时钟的选择算法，并对时钟同步的同步过程，以及时钟校正机制进行了详细的讨论。 文章设计了IEEE 1588精确时间同步协议体系结构，实现了最佳主时钟算法、本地时钟同步算法以及PTP报文发送与接收的控制算法，详细描述了现场设备中IEEE1588时 间同步的具体实现过程。文章还根据嵌入式系统的开发流程，对嵌入式Linux技术做了深入的探讨，对交叉编译环境和软件开发的一般过程进行了阐述，最后在S3C2410开发板上进行时间同步。 笔者所做的工作对于以太网时间同步的研究以及进一步将时间同步PTP协议应用于嵌入式Linux系统具有较好的借鉴作用。

2011-03-28

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章？
取消 删除