当前位置： 首页 > news >正文

Python遥感开发之Hurst指数的实现

news 来源：原创 2025/8/7 13:15:19

Python遥感开发之Hurst指数的实现

主要讲解Python实现Hurst指数，实现遥感下的Hurst指数，对Hurst指数进行分类，以及结合slope指数实现对未来变化趋势的分析。

文章目录

  • Python遥感开发之Hurst指数的实现
  • 0 什么是Hurst指数
  • 1 Python实现Hurst指数
  • 2 Python实现遥感下的Hurst指数
  • 3 对Hurst指数进行分级
  • 4 结合slope指数对未来变化趋势进行分级

0 什么是Hurst指数

Hurst 指数 H 是定量描述时间序列自相似性与长程依赖性的有效方法。

  • H 取值为 0～1， 当 H=0. 5时， 则时间序列为相互独立、方差有限的随机序列;
  • 当0. 5＜H＜1 时， 表明时间序列变化具有持续性， 未来的变化将与过去的变化趋势相一致;
  • 当0＜H ＜0. 5时，表明时间序列具有反持续性， 即过去的变化不具有可持续性。
    在这里插入图片描述

1 Python实现Hurst指数

代码参考来源于《【技术分享】时间序列的Hurst指数计算》

import numpy as npdef Hurst(x):# x为numpy数组n = x.shape[0]t = np.zeros(n - 1)  # t为时间序列的差分for i in range(n - 1):t[i] = x[i + 1] - x[i]mt = np.zeros(n - 1)  # mt为均值序列,i为索引,i+1表示序列从1开始for i in range(n - 1):mt[i] = np.sum(t[0:i + 1]) / (i + 1)# Step3累积离差和极差,r为极差r = []for i in np.arange(1, n):  # i为taocha = []for j in np.arange(1, i + 1):if i == 1:cha.append(t[j - 1] - mt[i - 1])if i > 1:if j == 1:cha.append(t[j - 1] - mt[i - 1])if j > 1:cha.append(cha[j - 2] + t[j - 1] - mt[i - 1])r.append(np.max(cha) - np.min(cha))s = []for i in np.arange(1, n):ss = []for j in np.arange(1, i + 1):ss.append((t[j - 1] - mt[i - 1]) ** 2)s.append(np.sqrt(np.sum(ss) / i))r = np.array(r)s = np.array(s)xdata = np.log(np.arange(2, n))ydata = np.log(r[1:] / s[1:])h, b = np.polyfit(xdata, ydata, 1)return hif __name__ == '__main__':x = np.array([1.59, 1.57, 1.56, 1.54, 1.52, 1.50, 1.47, 1.43, 1.41, 1.40, 1.39])print(Hurst(x))

在这里插入图片描述

2 Python实现遥感下的Hurst指数

import numpy as np
import os
from osgeo import gdaldef read_tif(filepath):dataset = gdal.Open(filepath)col = dataset.RasterXSize  # 图像长度row = dataset.RasterYSize  # 图像宽度geotrans = dataset.GetGeoTransform()  # 读取仿射变换proj = dataset.GetProjection()  # 读取投影data = dataset.ReadAsArray()  # 转为numpy格式data = data.astype(np.float32)no_data_value = data[0][0]  # 设定NoData值data[data == no_data_value] = np.nan  # 将NoData转换为NaNreturn col, row, geotrans, proj, datadef save_tif(data, reference_file, output_file):ds = gdal.Open(reference_file)shape = data.shapedriver = gdal.GetDriverByName("GTiff")dataset = driver.Create(output_file, shape[1], shape[0], 1, gdal.GDT_Float32)  # 保存的数据类型dataset.SetGeoTransform(ds.GetGeoTransform())dataset.SetProjection(ds.GetProjection())dataset.GetRasterBand(1).WriteArray(data)dataset.FlushCache()def get_tif_list(directory):"""获取目录下所有TIF文件的完整路径"""return [os.path.join(directory, f) for f in os.listdir(directory) if f.endswith('.tif')]def Hurst(x):# x为numpy数组n = x.shape[0]t = np.zeros(n - 1)  # t为时间序列的差分for i in range(n - 1):t[i] = x[i + 1] - x[i]mt = np.zeros(n - 1)  # mt为均值序列,i为索引,i+1表示序列从1开始for i in range(n - 1):mt[i] = np.sum(t[0:i + 1]) / (i + 1)# Step3累积离差和极差,r为极差r = []for i in np.arange(1, n):  # i为taocha = []for j in np.arange(1, i + 1):if i == 1:cha.append(t[j - 1] - mt[i - 1])if i > 1:if j == 1:cha.append(t[j - 1] - mt[i - 1])if j > 1:cha.append(cha[j - 2] + t[j - 1] - mt[i - 1])r.append(np.max(cha) - np.min(cha))s = []for i in np.arange(1, n):ss = []for j in np.arange(1, i + 1):ss.append((t[j - 1] - mt[i - 1]) ** 2)s.append(np.sqrt(np.sum(ss) / i))r = np.array(r)s = np.array(s)xdata = np.log(np.arange(2, n))ydata = np.log(r[1:] / s[1:])h, b = np.polyfit(xdata, ydata, 1)return hif __name__ == '__main__':# 输入文件夹路径input_directory = r"E:\AAWORK\evi"output_directory = r"E:\AAWORK\hurst"# 读取文件列表file_list = get_tif_list(input_directory)# 读取第一个文件获取基本信息（列、行、仿射变换、投影）col, row, geotrans, proj, _ = read_tif(file_list[0])# 预分配结果数组hurst_data = np.zeros((row, col), dtype=np.float32)# 将所有 TIFF 文件的数据堆叠为一个三维数组 (时间, 行, 列)tif_stack = np.array([read_tif(f)[4] for f in file_list])# 遍历每个像素for i in range(row):print(f"Processing row {i+1}/{row}...")for j in range(col):pixel_values = tif_stack[:, i, j]  # 取出所有时间点的该像素值if not np.any(np.isnan(pixel_values)):  # 过滤掉包含NaN的像素h = Hurst(pixel_values)hurst_data[i, j] = h# 输出文件路径save_tif(hurst_data, file_list[0], os.path.join(output_directory, 'hurst.tif'))print("Processing completed!")

3 对Hurst指数进行分级

对Hurst指数分类成8个级别，级别分类参考某硕士论文内容
在这里插入图片描述

import numpy as np
from osgeo import gdaldef read_tif(filepath):dataset = gdal.Open(filepath)col = dataset.RasterXSize#图像长度row = dataset.RasterYSize#图像宽度geotrans = dataset.GetGeoTransform()#读取仿射变换proj = dataset.GetProjection()#读取投影data = dataset.ReadAsArray()#转为numpy格式data = data.astype(np.float32)a = data[0][0]data[data == a] = np.nanreturn [col, row, geotrans, proj, data]def save_tif(data, file, output):ds = gdal.Open(file)shape = data.shapedriver = gdal.GetDriverByName("GTiff")dataset = driver.Create(output, shape[1], shape[0], 1, gdal.GDT_Int16)#保存的数据类型dataset.SetGeoTransform(ds.GetGeoTransform())dataset.SetProjection(ds.GetProjection())dataset.GetRasterBand(1).WriteArray(data)if __name__ == '__main__':# 调用hurst_path = r"E:\AAWORK\hurst.tif"output_path = r"E:\AAWORK\hurst_等级.tif"col, row, geotrans, proj, hurst_data = read_tif(hurst_path)classified = np.zeros_like(hurst_data, dtype=np.int16)classified[hurst_data < 0.25] = 1classified[(hurst_data >= 0.25) & (hurst_data < 0.35)] = 2classified[(hurst_data >= 0.35) & (hurst_data < 0.45)] = 3classified[(hurst_data >= 0.45) & (hurst_data < 0.50)] = 4classified[(hurst_data >= 0.50) & (hurst_data < 0.55)] = 5classified[(hurst_data >= 0.55) & (hurst_data < 0.65)] = 6classified[(hurst_data >= 0.65) & (hurst_data < 0.75)] = 7classified[hurst_data >= 0.75] = 8save_tif(classified,hurst_path,output_path)

4 结合slope指数对未来变化趋势进行分级

结合slope指数，生成未来趋势结果，参考某硕士论文，slope指数不了解的请参考我的另外一个博客《Python遥感开发之数据趋势分析Sen+mk_sen+mk趋势分析-CSDN博客》
在这里插入图片描述

import numpy as np
import os
from osgeo import gdal, gdalnumericdef read_tif(filepath):dataset = gdal.Open(filepath)col = dataset.RasterXSize  # 图像长度row = dataset.RasterYSize  # 图像宽度geotrans = dataset.GetGeoTransform()  # 读取仿射变换proj = dataset.GetProjection()  # 读取投影data = dataset.ReadAsArray()  # 转为numpy格式data = data.astype(np.float32)no_data_value = data[0][0]  # 设定NoData值data[data == no_data_value] = np.nan  # 将NoData转换为NaNreturn col, row, geotrans, proj, datadef save_tif(data, reference_file, output_file):ds = gdal.Open(reference_file)shape = data.shapedriver = gdal.GetDriverByName("GTiff")dataset = driver.Create(output_file, shape[1], shape[0], 1, gdal.GDT_Int32)  # 保存的数据类型dataset.SetGeoTransform(ds.GetGeoTransform())dataset.SetProjection(ds.GetProjection())dataset.GetRasterBand(1).WriteArray(data)dataset.FlushCache()def read_tif02(file):data = gdalnumeric.LoadFile(file)data = data.astype(np.float32)a = data[0][0]data[data == a] = np.nanreturn datadef get_tif_list(directory):"""获取目录下所有TIF文件的完整路径"""return [os.path.join(directory, f) for f in os.listdir(directory) if f.endswith('.tif')]if __name__ == '__main__':# 输入文件夹路径slope_file = r"E:\AAWORK\slope.tif"hurst_file = r"E:\AAWORK\hurst.tif"out_file = r"E:\AAWORK"col, row, geotrans, proj, hurst_data = read_tif(hurst_file)slope_data= read_tif02(slope_file)classified = np.zeros_like(hurst_data, dtype=np.int16)classified[(hurst_data < 0.5) & (slope_data < 0)] = 1classified[(hurst_data > 0.5) & (slope_data < 0)] = 2classified[(hurst_data < 0.5) & (slope_data > 0)] = 3classified[(hurst_data > 0.5) & (slope_data > 0)] = 4save_tif(classified, slope_file, os.path.join(out_file, 'hurst&slope.tif'))print("Processing completed!")

相关文章：

Python遥感开发之Hurst指数的实现

Python遥感开发之Hurst指数的实现 主要讲解Python实现Hurst指数&#xff0c;实现遥感下的Hurst指数&#xff0c;对Hurst指数进行分类&#xff0c;以及结合slope指数实现对未来变化趋势的分析。 文章目录 Python遥感开发之Hurst指数的实现0 什么是Hurst指数1 Python实现Hurst指…...

编程日记 2025/8/7 13:15:19

opencv 给图片和视频添加水印

给图片和视频添加水印 1 给图片添加水印2 给视频添加水印 1 给图片添加水印 代码如下&#xff1a; 添加水印 imgcv2.imread(r../15day4.10/src/xiaoren.png) img2cv2.imread(r../15day4.10/src/bg.png) h,w,cimg.shapeRIO_img2img2[100:100h,200:200w]img3cv2.cvtColor(img,…...

编程日记 2025/8/2 19:20:08

国网B接口协议图像数据上报通知接口流程详解以及上报失败原因（电网B接口）

文章目录 一、B接口协议图像数据上报通知接口介绍B.13.1 接口描述B.13.2 接口流程B.13.3 接口参数B.13.3.1 SIP头字段B.13.3.2 SIP响应码B.13.3.3 XML Schema参数定义 B.13.4 消息示例B.13.4.1 图像数据上报请求B.13.4.2 图像数据上报响应 二、B接口图像数据上报通知失败常见问…...

编程日记 2025/8/5 23:24:23

Redis(持久化)

目录 一 Redis持久化的方式 1. RDB(Redis Database) 2. AOF(Append Only File) 二 对比RDB/AOF 为什么要持久化 Redis是跑在内存上的&#xff0c;但内存上的数据是临时的&#xff0c;Redis服务挂了&#xff0c;数据也就丢失了&#xff0c;所以为了解决上述问题&#xff0c;R…...

编程日记 2025/8/6 18:00:16

Linux系统中的网络管理

1.RHEL9版本中&#xff0c;使用nm进行网络配置&#xff0c;ifcfg不再是网络配置文件的主存储&#xff0c;样式仍然可用&#xff0c;但它不再是NetworkManger存储新网络配置文件的默认位置&#xff0c;RHEL以key-file格式在etc/NetworkManger/system-connections/中存储新的网络…...

编程日记 2025/8/7 13:02:37

【深度学习—李宏毅教程笔记】Transformer

目录 一、序列到序列&#xff08;Seq2Seq&#xff09;模型 1、Seq2Seq基本原理 2、Seq2Seq模型的应用 3、Seq2Seq模型还能做什么&#xff1f; 二、Encoder 三、Decoder 1、Decoder 的输入与输出 2、Decoder 的结构 3、Non-autoregressive Decoder 四、Encoder 和 De…...

编程日记 2025/8/7 13:05:48

关于UE5的抗锯齿和TAA

关于闪烁和不稳定现象的详细解释 当您关闭抗锯齿技术时&#xff0c;场景中会出现严重的闪烁和不稳定现象&#xff0c;尤其在有细节纹理和小物体的场景中。这种现象的技术原因如下&#xff1a; 像素采样问题 在3D渲染中&#xff0c;每个像素只能表示一个颜色值&#xff0c;但…...

编程日记 2025/8/6 16:11:31

交换网络基础

学习目标 掌握交换机的基本工作原理 掌握交换机的基本配置 交换机的基本工作原理 交换机是局域网&#xff08;LAN&#xff09;中实现数据高效转发的核心设备&#xff0c;工作在 数据链路层&#xff08;OSI 模型第二层&#xff09;&#xff0c;其基本工作原理可概括为 “学习…...

编程日记 2025/8/7 13:12:44

AUTOSAR图解==＞AUTOSAR_SWS_EFXLibrary

AUTOSAR 扩展定点数学函数库(EFX)分析 1. 概述 AUTOSAR (AUTomotive Open System ARchitecture) 是汽车电子控制单元(ECU)软件架构的开放标准。在AUTOSAR架构中&#xff0c;扩展定点数学函数库(Extended Fixed-point library, EFX)提供了一组优化的定点数学运算函数&#xff…...

编程日记 2025/8/7 13:14:54

六边形棋盘格（Hexagonal Grids）的坐标

1. 二位坐标转六边形棋盘的方式 1-1这是“波动式”的 这种就是把【方格子坐标】“左右各错开半个格子”做到的 具体来说有如下几种情况 具体到庙算平台上&#xff0c;是很巧妙的用一个4位整数&#xff0c;前两位为x、后两位为y来进行表示 附上计算距离的代码 def get_hex_di…...

编程日记 2025/8/7 8:20:01

李宏毅NLP-5-RNNTNeural TransducerMoChA

RNN Transducer(RNN-T) 循环神经对齐器&#xff08;RNA&#xff0c;Recurrent Neural Aligner&#xff09;对CTC解码器的改进&#xff0c;具体内容如下&#xff1a; “RNA”&#xff0c;全称 “Recurrent Neural Aligner”&#xff0c;引用来自 [Sak, et al., INTERSPEECH’17…...

编程日记 2025/8/7 13:14:53

GPT-SoVITS 使用指南

一、简介 TTS&#xff08;Text-to-Speech&#xff0c;文本转语音&#xff09;&#xff1a;是一种将文字转换为自然语音的技术&#xff0c;通过算法生成人类可听的语音输出&#xff0c;广泛应用于语音助手、无障碍服务、导航系统等场景。类似的还有SVC&#xff08;歌声转换&…...

编程日记 2025/8/7 1:48:05

洛谷的几道题

P1000 超级玛丽游戏 # P1000 超级玛丽游戏 ## 题目背景 本题是洛谷的试机题目&#xff0c;可以帮助了解洛谷的使用。 建议完成本题目后继续尝试 [P1001](/problem/P1001)、[P1008](/problem/P1008)。 另外强烈推荐[新用户必读帖](/discuss/show/241461)。 ## 题目描述 …...

编程日记 2025/8/1 17:39:24

利用yakit充实渗透字典

前言 在渗透侧测试结束&#xff0c;在我们的历史记录中会保存过程中的数据包。在其中有些特征&#xff0c;比如API、参数&#xff0c;可以活用于下次的渗透。 比如 fuzz变量&#xff0c;fuzz隐藏API…… 但是我们一个一个提取很麻烦&#xff0c;可以使用yakit的插件&#xf…...

编程日记 2025/8/7 7:34:47

精益数据分析（4/126）：开启数据驱动的创业之旅

精益数据分析&#xff08;4/126&#xff09;&#xff1a;开启数据驱动的创业之旅 在创业的浪潮中&#xff0c;我们都怀揣着梦想&#xff0c;渴望找到那条通往成功的道路。作为一名在创业和数据分析领域摸爬滚打多年的“老兵”&#xff0c;我深知其中的艰辛与挑战。今天&#x…...

编程日记 2025/7/30 14:04:57

机器学习误差图绘

机器学习误差图绘制 绘图类 # Define the ModelComparisonPlot class class ModelComparisonPlot:def __init__(self, model_name):self.model_name model_namedef plot_comparison(self, y_val, y_pred, mse, mae, r2):# Create a figure with two subplotsfig, axes plt.…...

编程日记 2025/8/5 21:39:47

企业级RAG选择难题：数据方案的关键博弈

企业级RAG选择难题&#xff1a;数据方案的关键博弈 向量数据库&#xff1a;高效但易失语境图数据库与知识图谱&#xff1a;关系网络的力量企业级RAG数据方案的最佳实践 智能时代&#xff0c;企业数据每日剧增。员工寻找答案的效率直接影响工作流程&#xff0c;StackOverflow调查…...

编程日记 2025/8/3 5:20:12

JNI 学习

1. JNI 不属于 C&#xff0c;而是 JDK 的 日志失效&#xff0c;可以 adb kill-server adb kill-serveradb start-server 使用 jni final和 private变量都能修改...

编程日记 2025/8/4 17:34:59

PyTorch ：优化的张量库

PyTorch 是一个基于 Python 的开源机器学习框架&#xff0c;由 Facebook 的 AI 研究团队&#xff08;现 Meta AI&#xff09;于 2016 年推出。它专为深度学习设计&#xff0c;但也可用于传统的机器学习任务。PyTorch 的核心优势在于​​灵活性​​、​​动态计算图​​和​​易…...

编程日记 2025/8/6 2:16:14

DevOps 进阶指南：如何让工作流更丝滑？

DevOps 进阶指南：如何让工作流更丝滑？ 引言 在 DevOps 世界里，我们追求的是高效、稳定、自动化。但现实总是充满挑战：代码部署失败、CI/CD 过程卡顿、环境不一致……这些痛点让开发和运维团队疲惫不堪。今天，我就来聊聊如何优化 DevOps 工作流，通过实战案例和代码示例，…...

编程日记 2025/8/7 8:44:33

BT-Basic函数之首字母XY

BT-Basic函数之首字母XY 文章目录 BT-Basic函数之首字母XYXxd__ commands Yyes X xd__ commands 当使用外部设备时&#xff0c;开发人员需要在测试计划中添加适当的命令来控制这些设备。下表显示了一个典型的命令序列。 典型的命令序列 NO命令描述1xdload将DLL加载到内存中…...

编程日记 2025/8/6 15:08:04

6. 话题通信 ---- 使用自定义msg,发布方和订阅方cpp,python文件编写

1)在功能包下新建msg目录&#xff0c;在msg目录下新建Person.msg,在Person.msg文件写入&#xff1a; string name uint16 age float64 height 2)修改配置文件 2.1) 功能包下package.xml文件修改 <build_depend>message_generation</build_depend><exec_depend…...

编程日记 2025/8/3 5:53:23

Fastdata极数：全球AR/VR行业发展趋势报告2025

科技的快速发展孕育了一个新的数字前沿领域&#xff0c;那就是虚拟宇宙&#xff0c;也就是我们谈论的元宇宙&#xff08;Metaverse&#xff09;&#xff0c;虚拟宇宙最初构思于尼尔斯蒂芬森的科幻小说《雪崩》中&#xff0c;小说中虚拟宇宙由虚拟人物居住&#xff0c;并以数字方…...

编程日记 2025/8/3 5:10:25

背包 DP 详解

文章目录 背包DP01 背包完全背包多重背包二进制优化单调队列优化 小结 背包DP 背包 DP&#xff0c;说白了就是往一个背包里扔东西&#xff0c;求最后的最大价值是多少&#xff0c;一般分为了三种&#xff1a;01 背包、完全背包和多重背包。而 01 背包则是一切的基础。 01 背包…...

编程日记 2025/7/31 14:40:32

深入剖析 HashMap：内部结构与性能优化

深入剖析 HashMap&#xff1a;内部结构与性能优化 引言 HashMap 是 Java 集合框架中的核心类&#xff0c;广泛应用于数据存储和检索场景。本文将深入剖析其内部结构&#xff0c;包括数组、链表和红黑树的转换机制&#xff0c;帮助读者理解其工作原理和性能优化策略。 1. Hash…...

编程日记 2025/8/4 9:35:58

数据从辅存调入主存，页表中一定存在

在虚拟内存系统中&#xff0c;​数据从辅存调入主存时&#xff0c;页表中一定存在对应的页表项&#xff0c;但页表项的「存在状态」会发生变化。以下是详细分析&#xff1a; 关键逻辑 ​页表的作用 页表是虚拟内存的核心数据结构&#xff0c;记录了虚拟地址到物理地址的映射关系…...

编程日记 2025/8/5 21:02:19

藏品馆管理系统

藏品馆管理系统 项目简介 这是一个基于 PHP 开发的藏品馆管理系统&#xff0c;实现了藏品管理、用户管理等功能。 藏品馆管理系统 系统架构 开发语言&#xff1a;PHP数据库&#xff1a;MySQL前端框架&#xff1a;BootstrapJavaScript 库&#xff1a;jQuery 目录结构 book/…...

编程日记 2025/8/2 18:56:27

力扣算法ing(60 / 100)

4.19 回溯合集—93复原ip地址 有效 IP 地址 正好由四个整数&#xff08;每个整数位于 0 到 255 之间组成&#xff0c;且不能含有前导 0&#xff09;&#xff0c;整数之间用 . 分隔。 例如&#xff1a;"0.1.2.201" 和 "192.168.1.1" 是 有效 IP 地址&…...

编程日记 2025/8/6 18:44:21

时态--06--现在完成時

提示&#xff1a;文章写完后&#xff0c;目录可以自动生成&#xff0c;如何生成可参考右边的帮助文档 文章目录 现在完成時1.语法1.肯定句2.否定句3.疑问句4.have been/gone to5.现在分词 practice 现在完成時 1.语法 1.肯定句 2.否定句 3.疑问句 4.have been/gone to 5.现在分…...

编程日记 2025/7/30 14:04:27

Java中常见的锁synchronized、ReentrantLock、ReentrantReadWriteLock、StampedLock

在Java中&#xff0c;锁是实现多线程同步的核心机制。不同的锁适用于不同的场景&#xff0c;理解其实现原理和使用方法对优化性能和避免并发问题至关重要。 一、隐式锁&#xff1a;synchronized 关键字 实现原理 基于对象监视器&#xff08;Monitor&#xff09;&#xff1a;每…...

编程日记 2025/7/30 14:04:24

【教程】DVWA靶场渗透

【教程】DVWA靶场渗透 备注一、环境搭建二、弱口令&#xff08;Brute Force&#xff09;三、命令注入&#xff08;Command Injection&#xff09;四、CSRF&#xff08;Cross Site Request Forgery&#xff09;五、文件包含&#xff08;File Inclusion&#xff09;六、文件上传&…...

编程日记 2025/7/30 14:04:22

23种设计模式-创建型模式之原型模式（Java版本）

Java 原型模式&#xff08;Prototype Pattern&#xff09;详解 &#x1f9ec; 什么是原型模式&#xff1f; 原型模式用于通过复制已有对象的方式创建新对象&#xff0c;而不是通过 new 关键字重新创建。 核心是&#xff1a;通过克隆&#xff08;clone&#xff09;已有对象&a…...

编程日记 2025/8/6 0:00:36

【深度学习】【目标检测】【Ultralytics-YOLO系列】YOLOV3核心文件common.py解读

【深度学习】【目标检测】【Ultralytics-YOLO系列】YOLOV3核心文件common.py解读 文章目录 【深度学习】【目标检测】【Ultralytics-YOLO系列】YOLOV3核心文件common.py解读前言autopad函数Conv类__init__成员函数forward成员函数forward_fuse成员函数 Bottleneck类__init__成员…...

编程日记 2025/8/4 22:27:55

PDF转excel+json ，vue3+SpringBoot在线演示+附带源码

在线演示地址&#xff1a;Vite Vuehttp://www.xpclm.online/pdf-h5 源码gitee前后端地址&#xff1a; javapdfexcel: javaPDF转excelhttps://gitee.com/gaiya001/javapdfexcel.git 盖亚/vuepdfhttps://gitee.com/gaiya001/vuepdf.git 后续会推出 前端版本跟nestjs版本 识别复…...

编程日记 2025/8/4 8:22:24

LeetCode 热题 100_乘积最大子数组（88_152_中等_C++）(动态规划)

LeetCode 热题 100_乘积最大子数组&#xff08;88_152&#xff09; 题目描述&#xff1a;输入输出样例&#xff1a;题解&#xff1a;解题思路&#xff1a;思路一&#xff08;暴力破解法(双重循环)&#xff09;&#xff1a;思路二&#xff08;动态规划&#xff09;&#xff1a; …...

编程日记 2025/8/1 20:40:04

Nvidia显卡架构演进

1 简介 显示卡&#xff08;英语&#xff1a;Display Card&#xff09;简称显卡&#xff0c;也称图形卡&#xff08;Graphics Card&#xff09;&#xff0c;是个人电脑上以图形处理器&#xff08;GPU&#xff09;为核心的扩展卡&#xff0c;用途是提供中央处理器以外的微处理器帮…...

编程日记 2025/8/4 17:10:41

TCP/IP、UDP、HTTP、HTTPS、WebSocket 一文讲解

在当今互联网世界中&#xff0c;数据通信是所有应用运行的基础。无论是打开网页、发送消息还是视频通话&#xff0c;背后都依赖于各种网络协议的协同工作。其中&#xff0c;TCP/IP、UDP、HTTP、HTTPS 和 WebSocket 是最为核心的几种协议。本文将围绕它们的概念、特性和适用场景…...

编程日记 2025/8/5 21:28:02

[密码学基础]密码学发展简史：从古典艺术到量子安全的演进

密码学发展简史&#xff1a;从古典艺术到量子安全的演进 密码学作为信息安全的基石&#xff0c;其发展贯穿人类文明史&#xff0c;从最初的文字游戏到量子时代的数学博弈&#xff0c;每一次变革都深刻影响着政治、军事、科技乃至日常生活。本文将以技术演进为主线&#xff0c;…...

编程日记 2025/7/30 7:33:34

包含物体obj与相机camera的 代数几何代码解释

反余弦函数的值域在 [0, pi] 斜体样式 cam_pose self._cameras[hand_realsense].camera.get_model_matrix() # cam2world# 物体到相机的向量 obj_tcp_vec cam_pose[:3, 3] - self.obj_pose.p dist np.linalg.norm(obj_tcp_vec) # 物体位姿的旋转矩阵 obj_rot_mat self.ob…...

编程日记 2025/8/3 13:02:25

【C++算法】65.栈_删除字符中的所有相邻重复项

文章目录 题目链接&#xff1a;题目描述&#xff1a;解法C 算法代码&#xff1a; 题目链接&#xff1a; 1047. 删除字符串中的所有相邻重复项 题目描述&#xff1a; 解法 利用string模拟栈 元素依次进栈&#xff0c;当进栈元素和栈顶元素一样的时候&#xff0c;就弹出栈顶字符…...

编程日记 2025/8/4 1:55:58

【java实现+4种变体完整例子】排序算法中【插入排序】的详细解析，包含基础实现、常见变体的完整代码示例，以及各变体的对比表格

以下是插入排序的详细解析&#xff0c;包含基础实现、常见变体的完整代码示例&#xff0c;以及各变体的对比表格&#xff1a; 一、插入排序基础实现 原理 将元素逐个插入到已排序序列的合适位置&#xff0c;逐步构建有序序列。 代码示例 public class InsertionSort {void…...

编程日记 2025/8/5 16:18:51

神经网络的数学之旅：从输入到反向传播

目录 神经网络简介神经元激活函数神经网络 神经网络的工作过程前向传播&#xff08;forward&#xff09;反向传播&#xff08;backward&#xff09;训练神经网络 神经网络简介 神经元 在深度学习中&#xff0c;必须要说的就是神经⽹络&#xff0c;或者说是⼈⼯神经⽹络&#…...

编程日记 2025/8/6 2:22:23

软件测试的页面交互标准：怎样有效提高易用性

当用户遇到"反人类"设计时 "这个按钮怎么点不了&#xff1f;"、"错误提示完全看不懂"、"我输入的内容去哪了&#xff1f;"——这些用户抱怨背后&#xff0c;都指向同一个问题&#xff1a;页面交互的易用性缺陷。作为软件测试工程师&a…...

编程日记 2025/8/4 8:46:12

Linux419 三次握手四次挥手抓包 wireshark

还是Notfound 没连接 可能我在/home 准备配置静态IP vim ctrlr 撤销 u撤销 配置成功 准备关闭防火墙 准备配置 YUM源 df -h 未看到sr0文件 准备排查 准备挂载 还是没连接 计划重启 有了 不重启了 挂载准备 修改配置文件准备 准备清理缓存 ok 重新修改配…...

编程日记 2025/8/3 5:10:15

玩转Docker | 使用Docker部署tududi任务管理工具

玩转Docker | 使用Docker部署tududi任务管理工具 前言一、tududi介绍Tududi简介核心功能特点二、系统要求环境要求环境检查Docker版本检查检查操作系统版本三、部署tududi服务下载镜像创建容器创建容器检查容器状态检查服务端口安全设置四、访问tududi服务访问tududi首页登录tu…...

编程日记 2025/8/5 4:43:29

ueditorplus编辑器已增加AI智能

之前功能请参考：https://www.geh3408.top/blog/76 下载：https://gitee.com/mo3408/ueditorplus 注意：key值需要单独获取，默认为DeepSeek，默认key有限制，请更换为自己的。 演示地址：https://www.geh3408.top/ueditorplus/dist 更多体验：ueditorplus编辑器已增加AI智…...

编程日记 2025/8/6 1:34:27

深度学习数据预处理：Dataset类的全面解析与实战指南

前言 在深度学习项目中&#xff0c;数据预处理是模型训练前至关重要的一环。一个高效、灵活的数据预处理流程不仅能提升模型性能&#xff0c;还能大大加快开发效率。本文将深入探讨PyTorch中的Dataset类&#xff0c;介绍数据预处理的常见技巧&#xff0c;并通过实战示例展示如何…...

编程日记 2025/8/6 9:15:38

【机器学习-周总结】-第4周

以下是本周学习内容的整理总结&#xff0c;从技术学习、实战应用到科研辅助技能三个方面归纳&#xff1a; 文章目录 &#x1f4d8; 一、技术学习模块&#xff1a;TCN 基础知识与结构理解&#x1f539; 博客1&#xff1a;【时序预测05】– TCN&#xff08;Temporal Convolutiona…...

编程日记 2025/7/30 9:30:53

高可靠 ZIP 压缩方案兼容 Office、PDF、TXT 和图片的二阶段回退机制

一、引言 在企业级应用中&#xff0c;经常需要将多种类型的文件&#xff08;如 Office 文档、PDF、纯文本、图片等&#xff09;打包成 ZIP 并提供给用户下载。但由于文件路径过长、特殊字符或权限等问题&#xff0c;Go 标准库的 archive/zip 有时会出现“压缩成功却实际未写入…...

编程日记 2025/8/7 3:47:13

【HDFS入门】HDFS数据冗余与容错机制解析：如何保障大数据高可靠存储？

目录 1 HDFS冗余机制设计哲学 1.1 多副本存储策略的工程权衡 1.2 机架感知的智能拓扑算法 2 容错机制实现原理 2.1 故障检测的三重保障 2.2 数据恢复的智能调度 3 关键场景容错分析 3.1 数据中心级故障应对 3.2 数据损坏的校验机制 4 进阶优化方案 4.1 纠删码技术实…...

编程日记 2025/8/5 7:17:05