【概率论,算法】排列的峰值期望
Surtr1 的珂学难题
题目链接:https://ac.nowcoder.com/acm/contest/107965/E
给定一个长度为 n n n 的排列 p p p,排列中任一位置如果满足以下条件,则称该位置为 峰值:
- 位置 1:若存在元素,满足 p [ 1 ] > p [ 2 ] p[1] > p[2] p[1]>p[2],则 p [ 1 ] p[1] p[1] 为峰值。
- 位置 n:若存在元素, p [ n ] > p [ n − 1 ] p[n] > p[n-1] p[n]>p[n−1],则 p [ n ] p[n] p[n] 为峰值。
- 位置 2 至 n-1:若 p [ i ] > p [ i − 1 ] p[i] > p[i-1] p[i]>p[i−1] 且 p [ i ] > p [ i + 1 ] p[i] > p[i+1] p[i]>p[i+1],则 p [ i ] p[i] p[i] 为峰值。
Surtr1定义一个排列的价值为所有峰值位置的和,具体来说,对于排列 { 1 , 2 , 3 } \{1,2,3\} {1,2,3} 位置3为峰值位置,而位置1和2不是,所以该排列的价值为 3 ,对于排列 { 3 , 1 , 2 } \{ 3,1,2\} {3,1,2},位置1和3为峰值位置,而位置2不是,所以该排列的价值为 1 + 3 = 4 1+3 = 4 1+3=4。
现在有一个长度为 n n n 的随机排列,求该随机排列价值的期望。
但是Surtr1的数学非常差,所以他想将这个问题交给你,你能帮他解决吗?
长度为 n 的排列是由 1 到 n 这 n 个整数,按任意顺序组成的数组,其中每个整数恰好出现一次。例如: { 2 , 3 , 1 , 5 , 4 } \{2, 3, 1, 5, 4\} {2,3,1,5,4} 是一个长度为 5 的排列。
而以下则不是有效的排列: { 1 , 2 , 2 } \{1, 2, 2\} {1,2,2},因为存在重复元素。 { 1 , 3 , 4 } \{1, 3, 4\} {1,3,4},因为包含了超出范围的数。
输入格式
输入一个正整数 n n n ( 2 ≤ n ≤ 10 ) (2 ≤ n ≤ 10) (2≤n≤10) ,代表随机排列的长度。
输出格式
输出一个字符串,表示期望值的不可约分数(形如 A / B A/B A/B)。即使结果为整数,也需要输出成分数形式(例如,1 应输出为 1 / 1 1/1 1/1)。
样例输入与输出
样例 1
输入:
3
输出:
8/3
对于 n = 3 n =3 n=3,有三个位置:
- 位置 1 的峰值概率为 1 / 2 1/2 1/2;
- 位置 2 的峰值概率为 1 / 3 1/3 1/3;
- 位置 3 的峰值概率为 1 / 2 1/2 1/2。
因此,期望值为:
1 ∗ ( 1 / 2 ) + 2 ∗ ( 1 / 3 ) + 3 ∗ ( 1 / 2 ) = ( 1 ∗ 3 + 2 ∗ 2 + 3 ∗ 3 ) / 6 = 16 / 6 = 8 / 3 1*(1/2) + 2*(1/3) + 3*(1/2) = (1*3+2* 2+3 * 3)/6 =16/6=8/3 1∗(1/2)+2∗(1/3)+3∗(1/2)=(1∗3+2∗2+3∗3)/6=16/6=8/3
设每个排列的价值为 V i 设每个排列的价值为V_i 设每个排列的价值为Vi
对于 n = 3 ,有以下 6 种情况: 对于 n=3,有以下6种情况: 对于n=3,有以下6种情况:
{ 1 , 2 , 3 } : 峰值位置为 3 , V 1 = 3 ; \{1,2,3\}: 峰值位置为 3, \quad V_1 = 3; {1,2,3}:峰值位置为3,V1=3;
{ 1 , 3 , 2 } : 峰值位置为 2 , V 2 = 2 ; \{1,3,2\}: 峰值位置为 2,\quad V_2 = 2; {1,3,2}:峰值位置为2,V2=2;
{ 2 , 1 , 3 } : 峰值位置为 1 和 3 , V 3 = 1 + 3 = 4 ; \{2,1,3\}: 峰值位置为 1 和 3, \quad V_3 = 1+3 = 4; {2,1,3}:峰值位置为1和3,V3=1+3=4;
{ 2 , 3 , 1 } : 峰值位置为 2 , V 4 = 2 ; \{2,3,1\}: 峰值位置为 2,\quad V_4 = 2; {2,3,1}:峰值位置为2,V4=2;
{ 3 , 1 , 2 } : 峰值位置为 1 和 3 , V 5 = 1 + 3 = 4 ; \{3,1,2\}:峰值位置为 1 和 3,\quad V_5 = 1+3 = 4; {3,1,2}:峰值位置为1和3,V5=1+3=4;
{ 3 , 2 , 1 } : 峰值位置为 1 , V 6 = 1. \{3,2,1\}: 峰值位置为 1,\quad V_6 = 1. {3,2,1}:峰值位置为1,V6=1.
E = 1 6 ∑ i = 1 6 V i = 3 + 2 + 4 + 2 + 4 + 1 6 = 16 6 = 8 3 . E = \frac{1}{6} \sum_{i=1}^{6} V_i = \frac{3+2+4+2+4+1}{6} = \frac{16}{6} = \frac{8}{3}. E=61∑i=16Vi=63+2+4+2+4+1=616=38.
题解:
这道题正解是 O ( 1 ) O(1) O(1) 的,但这里放成了 O ( N ) O(N) O(N)可做
设 X X X为随机排列的价值, E ( X ) E(X) E(X)为随机排列价值的期望,我们发现直接求无从下手,但是根据期望的线性性,我们可以把复杂事件(或复杂随机变量)拆成若干个“子事件”,通过求子事件的期望即可求出 X X X的期望
设 0 − 1 0-1 0−1 随机变量 X i X_i Xi表示第 i i i 个位置是否为峰值( 当 i > = 2 & & i < = n − 1 i>=2\&\&i<=n-1 i>=2&&i<=n−1时)
X i = { 1 , P [ i ] > P [ i − 1 ] && P [ i ] > P [ i + 1 ] , 0 , else . X_i = \begin{cases} 1, & \text{} P[i] > P[i-1] \text{ \&\& } P[i] > P[i+1], \\ 0, & \text{else}. \end{cases} Xi={1,0,P[i]>P[i−1] && P[i]>P[i+1],else.
那么 X = X 1 + ∑ i = 2 n − 1 X i + X n X = X_1+\sum_{i=2}^{n-1} X_i+X_n X=X1+i=2∑n−1Xi+Xn
E [ X ] = E ( X 1 ) + E [ ∑ i = 2 n − 1 X i ] + E ( X n ) = E ( X 1 ) + ∑ i = 2 n − 1 E [ X i ] + E ( X n ) . E[X] = E(X_1)+E\left[\sum_{i=2}^{n-1} X_i \right] + E(X_n) = E(X_1)+\sum_{i=2}^{n-1} E[X_i]+E(X_n). E[X]=E(X1)+E[i=2∑n−1Xi]+E(Xn)=E(X1)+i=2∑n−1E[Xi]+E(Xn).
那么第 i i i个位置的期望 E ( X i ) E(X_i) E(Xi)怎么求呢?很简单,我们只需要考虑 i i i 这个位置 p [ i ] > p [ i − 1 ] p[i] > p[i-1] p[i]>p[i−1] 且 p [ i ] > p [ i + 1 ] p[i] > p[i+1] p[i]>p[i+1] 的概率即可。
在一个 1 − n 1-n 1−n 的排列中,随机选 k k k 个数,求第一个数比其他几个数小的概率
p = ( k − 1 ) ! k ! = 1 k . p = \frac{(k-1)!}{k!} = \frac{1}{k}. p=k!(k−1)!=k1.
那么对应到这题, P ( X i ) = 1 3 P(X_i)= \frac{1}{3} P(Xi)=31,那么 E ( X i ) = i 3 E(X_i)=\frac{i}{3} E(Xi)=3i,特别的 E ( X 1 ) = 1 2 E(X_1)=\frac{1}{2} E(X1)=21, E ( X n ) = n 2 E(X_n)=\frac{n}{2} E(Xn)=2n
结果就是 :
∑ i = 1 n E ( X i ) = E ( X 1 ) + ∑ i = 2 n − 1 i 3 + E ( X n ) = 1 2 + 1 3 ( ∑ i = 2 n − 1 i ) + n 2 = 1 2 + 1 3 ( n ( n − 1 ) 2 − 1 ) + n 2 = 3 ( n + 1 ) 6 + n ( n − 1 ) − 2 6 = 3 n + 3 + n 2 − n − 2 6 = n 2 + 2 n + 1 6 = ( n + 1 ) 2 6 . \begin{aligned} \sum_{i=1}^{n} E(X_i) &= E(X_1) + \sum_{i=2}^{n-1} \frac{i}{3} + E(X_n) \\[1mm] &= \frac{1}{2} + \frac{1}{3}\left(\sum_{i=2}^{n-1} i\right) + \frac{n}{2} \\[1mm] &= \frac{1}{2} + \frac{1}{3}\left(\frac{n(n-1)}{2} - 1\right) + \frac{n}{2} \\[1mm] &= \frac{3(n+1)}{6} + \frac{n(n-1)-2}{6} \\[1mm] &= \frac{3n + 3 + n^2 - n - 2}{6} \\[1mm] &= \frac{n^2 + 2n + 1}{6} \\[1mm] &= \frac{(n+1)^2}{6}\,. \end{aligned} i=1∑nE(Xi)=E(X1)+i=2∑n−13i+E(Xn)=21+31(i=2∑n−1i)+2n=21+31(2n(n−1)−1)+2n=63(n+1)+6n(n−1)−2=63n+3+n2−n−2=6n2+2n+1=6(n+1)2.
最后的结果通分一下即可
代码:
#include<bits/stdc++.h>using namespace std;
typedef long long ll;
ll gcd(ll a,ll b){return b?gcd(b,a%b):a;
}void solve(){ll n;cin>>n;ll zi=0,mu=0;zi = (n+1)*(n+1);mu = 6;//约分ll gd = gcd(zi,mu);zi/=gd,mu/=gd;cout<<zi<<'/'<<mu<<'\n';
}int main(){ios::sync_with_stdio(0),cin.tie(0);int _ = 1;while(_--)solve();
}
相关文章:
【概率论,算法】排列的峰值期望
Surtr1 的珂学难题 题目链接:https://ac.nowcoder.com/acm/contest/107965/E 给定一个长度为 n n n 的排列 p p p,排列中任一位置如果满足以下条件,则称该位置为 峰值: 位置 1:若存在元素,满足 p [ 1 ] > p […...
清理C盘组合拳:最高释放空间80GB+
分享一套系统化的C盘清理方案,涵盖从基础清理到深度优化的8个关键步骤,结合安全性与效率,可快速释放5-50GB空间: 一、精准定位空间占用源(必备工具) 空间可视化分析 使用 TreeSize Free 或 WizTree 扫描C…...
容器中的对象切片问题
C 容器(如 std::vector、std::list 等) 通常存储对象的副本,而非指向对象的指针。因此,当与继承结合使用时,可能导致 切片(Object Slicing) 问题,即仅存储基类部分,丢失派…...
SpringBoot编写单元测试
pom.xml引入单元测试的坐标 <!--单元测试坐标--><dependency><groupId>org.springframework.boot</groupId><artifactId>spring-boot-starter-test</artifactId><scope>test</scope></dependency>编写单元测试类 测试类…...
二、在springboot 中使用 AIService
在上一篇文章中,我们介绍了如何使用langchain4j实现简单的问答功能,本篇文章我们将介绍如何在springboot中使用AIService。 1.实现原理 先看下AiService注解所在的依赖langchain4j-spring-boot-starter中包含什么内容: 1.1 event.AiServi…...
拼多多面经,暑期实习Java一面
项目中的设计模式 mysql连接过程,索引,分库分表场景,路由策略 redis使用场景,分片集群怎么搭建与路由,数据一致性 分布式锁怎么用的,具体使用参数 线程池怎么用的,过程 sql having 分布式事务 如…...
Function calling LLMs 的 MCP:AI开发的双剑合璧
🧠 向所有学习者致敬! “学习不是装满一桶水,而是点燃一把火。” —— 叶芝 我的博客主页: https://lizheng.blog.csdn.net 🌐 欢迎点击加入AI人工智能社区! 🚀 让我们一起努力,共创AI未来! 🚀 在 MCPs 成为主流(或者像现在这样火得一塌糊涂)之前,大多数 AI …...
数字系统与编码
1. 数字系统(Number Systems) 1.1 常见数字系统 系统基数符号集示例应用场景二进制20, 11010计算机底层电路、数据存储八进制80-717Unix文件权限(如chmod 755)十进制100-942日常计算十六进制160-9, A-F0x1F内存地址、颜色编码&a…...
Pytorch实战
1、安装 安装 conda, Python工具大全,方便管理多个 Python 环境,必须选择跟自己环境配套的版本。 https://www.anaconda.com 网速慢的,可以参考国内源,也可以去这里看看: torch PyPI Index of /anaconda/miniconda…...
如何高效利用呼叫中心系统和AI语音机器人
要更好地使用呼叫中心系统和语音机器人,需要结合两者的优势,实现自动化、智能化、高效率的客户服务与业务运营。以下是优化策略和具体实践方法: 一、呼叫中心系统优化 1. 智能路由与IVR优化 智能ACD(自动呼叫分配) …...
LeetCode[232]用栈实现队列
思路: 一道很简单的题,就是栈是先进后出,队列是先进先出,用两个栈底相互对着,这样一个队列就产生了,右栈为空的情况,左栈栈底就是队首元素,所以我们需要将左栈全部压入右栈ÿ…...
using用法整理
using 的极简新手教程,用最直白的语言和代码解释: 美图美图 一、核心作用:给类型起别名 目的:让复杂类型名变短、变好记。 例子: // 原名:std::vector<std::string> // 起个别名就叫 StringList…...
《猎豹夕阳》
年少时很喜欢的一篇文章,曾和挚友一遍又一遍的记诵,今天又偶然遇到他,转载如下: 我第一次见到它,是在风雪的夜里。我不会抱怨这种天气,因为我是个优秀的登山探险者,我必须在这种天气下工作。我…...
【AI训练环境搭建】在Windows11上搭建WSL2+Ubuntu22.04+Tensorflow+GPU机器学习训练环境
一、安装Ubuntu 拿到该文件Ubuntu-22.04.tar 通过wsl导入该虚拟机镜像,然后查看wsl虚拟机列表。 wsl --import Ubuntu-22.04-tensorflow D:\wsl-data\Ubuntu-22.04-tensorflow D:\wsl-data\temp\Ubuntu-22.04.tarwsl -l 进入虚拟机 wsl -d Ubuntu-22.04-tensorfl…...
如何轻松实现用户充值系统的API自动化测试
在现代软件开发中,API(应用程序编程接口)作为连接不同系统和模块的关键组件,其重要性日益凸显。随着软件应用的互联性不断增强,API的数量和复杂度也在不断增加。传统的API测试方法面临着诸多挑战: 1.手动测…...
Python 一等函数( 高阶函数)
高阶函数 接受函数为参数,或者把函数作为结果返回的函数是高阶函数(higherorder function)。map 函数就是一例,如示例 5-2 所示。此外,内置函 数 sorted 也是:可选的 key 参数用于提供一个函数,…...
用于手部康复设备的TinyML语音分类嵌入式人工智能模块
论文标题 英文标题:TinyML Speech Classification Embedded AI Module for Hand Rehabilitation Device 中文标题:用于手部康复设备的 TinyML 语音分类嵌入式人工智能模块 作者信息 Arkorn Numsomran:Triam Udom Suksa Pattanakarn Suvarna…...
【HarmonyOS 5】VisionKit人脸活体检测详解
【HarmonyOS 5】VisionKit人脸活体检测详解 一、VisionKit人脸活体检测是什么? VisionKit是HamronyOS提供的场景化视觉服务工具包。 华为将常见的解决方案,通常需要三方应用使用SDK进行集成。华为以Kit的形式集成在HarmoyOS系统中,方便三方…...
Linux操作系统--进程的创建和终止
目录 1.进程创建 1.1fork()函数初识 1.2写时拷贝 1. 提升系统效率 2. 隔离错误影响 3. 支持并行计算 2.进程终止: 2.1进程退出场景: 2.2进程常见退出方法: 2.3_exit()系统调用接口 2.4exit函数 2.5return退出 1.进程创建 1.1for…...
算法分析传输加密数据格式密文存储代码混淆逆向保护
代码混淆 一.基本概念java的bytecode很容易通过JAD等反编译工具还原出源代码。这样势必不满足安全的定义。如何一定程度上保护需要防止被反编译的源代码呢?混淆(obfuscate)技术注意:用obfuscate防盗版是根本不可能,连汇…...
从事计算机视觉需要掌握哪些知识
目录 基础数学知识 计算机科学基础 传统计算机视觉知识 机器学习与深度学习知识 其他知识 计算机视觉是一门让计算机从图像或视频中获取有意义信息的跨学科领域,从事该领域需要掌握多方面的知识,以下详细介绍: 基础数学知识 线性代数 &…...
Android Studio 中 Drawable 详细全解
文章目录 一、Drawable 概述二、Drawable 类型详解1. 位图 Drawable (BitmapDrawable)2. 矢量 Drawable (VectorDrawable)3. 形状 Drawable (ShapeDrawable)4. 图层 Drawable (LayerDrawable)5. 状态列表 Drawable (StateListDrawable)6. 级别列表 Drawable (LevelListDrawable…...
【实战中提升自己】内网安全部署之端口隔离与MAC地址认证
1 1拓扑 「模拟器、工具合集」复制整段内容 链接:https://docs.qq.com/sheet/DV0xxTmFDRFVoY1dQ?tab7ulgil 1 端口隔离技术部署 [boss]port-group 1 [boss-port-group-1]port-isolate enable 说明:这里有几个地方不需要部署…...
Linux 420 find stat touch tree scp crontab
准备安装CentOSstream https://blog.csdn.net/s_alted/article/details/117739735 官网 CentOS 9 “Couldn’t open file /mnt/repodata/repomd.xml” deepseek 下载成功 树状 另一台虚拟机...
基于 Vue3 + ECharts + GeoJson 实现区域地图钻取功能详解
文章目录 前言一、实现步骤1. 项目初始化2. 准备GeoJson数据3. 创建地图组件4. 创建主页面组件5. 使用组件 二、功能亮点三、性能优化建议四、常见问题解决五、结语六、实战demo七、资源下载 前言 在数据可视化领域,地图展示是一种非常直观的表现形式。而地图钻取&…...
算法题(129):二维前缀和
审题: 本题需要我们将q组矩阵的和打印出来 思路: 方法一:二维前缀和 由于本题使用暴力的模拟方法运行次数高达1e11,会超时,所以我们采用运行次数在1e6的二维前缀和来解题 第一步:前缀和的求法 x i…...
NEAT 算法解决 Lunar Lander 问题:从理论到实践
NEAT 算法解决 Lunar Lander 问题:从理论到实践 0. 前言1. 定义环境2. 配置 NEAT3. 解决 Lunar lander 问题小结系列链接0. 前言 在使用 NEAT 解决强化学习问题一节所用的方法只适用于较简单的强化学习 (reinforcement learning, RL) 环境。在更复杂的环境中使用同样的进化解…...
Arduino示例代码讲解:Project 07 - Keyboard 键盘
Arduino示例代码讲解:Project 07 - Keyboard 键盘 Project 07 - Keyboard 键盘程序功能概述功能:硬件要求:输出:代码结构全局变量`setup()` 函数`loop()` 函数读取电位器值:打印电位器值:播放音调:运行过程注意事项Project 07 - Keyboard 键盘 /*Arduino Starter Kit e…...
4.凸包-Graham Scan
Graham Scan:Algorithm Preprocessing 根据角度进行排序 Graham Scan 例子 例2 Graham Scan:Correctness Left Turn/right Trun 下一个点出现的两种情况:非蓝即绿 Presorting 预排序很重要:否则所有的点都会满足 to-left-test BackTracks算法复杂度 …...
系统架构师2025年论文《论SOA技术的应用》
摘要: 本人于XXXX年XX月参加某市医院《预约挂号系统》的开发工作,在该项目中主要担任系统架构师,主要负责该系统架构和网络安全体系架构设计。经过多年的医院信息化建设,某市医院已经建立了一些应用系统,但是…...
React+TS编写轮播图
当前轮播图存在部分问题,一次循环结束,进入下一次需要点击两次(所以动画效果上点击第二次才出现) 轮播图:实现无限循环轮播图的关键在于"视觉欺骗"——我们在实际数据的前后各添加部分数据副本,当…...
山东大学创新项目实训开发日志(19)之前端知识深度学习
今天晚上在队长的带领下学习了一下前端vue的基础知识 reactive和ref函数 refreactive数据类型原始数据、对象对象操作js中需要添加.value,tamplate中则不用都不用添加.value computed和watch computed 写法 <script setup>const Factorial computed(() &g…...
【C++详解】C++入门(一)
文章目录 一、命名空间命名空间的基本特性命名空间的使用 二、C输入输出用法三、缺省参数(默认参数)定义用法 四、函数重载 一、命名空间 命名空间的基本特性 #include <stdio.h> #include <stdlib.h>int rand 10;int main() {// 编译报错:error C23…...
MAC-从es中抽取数据存入表中怎么实现
使用 Java 从 Elasticsearch 抽取数据并存入数据库表的完整实现方案: 1. Maven 依赖配置 <dependencies><!-- Elasticsearch --><dependency><groupId>org.elasticsearch.client</groupId><artifactId>elasticsearch-rest-high-level-c…...
Android串口通信
最近因为需要在Android平台进行电子秤的开发,首先第一步就是需要解决Android串口通信获取电子秤的称重信息。 google官方给我们提供了现成的解决方案,里面有编译好的apk文件还有源代码可以直接参考使用。地址:http://code.google.com/p/andr…...
QT常见输入类控件及其属性
Line Edit QLineEdit用来表示单行输入框,可以输入一段文本,但是不能换行 核心属性: 核心信号 信号 说明 void cursorPositionChanged(int old,int new) 当鼠标移动时发出此型号,old为先前位置,new为新位置 void …...
RAG 与 MCP 如何以不同方式解决大模型的局限性
Claude 和 GPT-4o 等大型语言模型 (LLM) 功能强大,但也面临两个主要限制:它们包含的知识是时效性的(更具体地说,是在训练时点固定的),并且决定它们一次可以处理多少信息的上下文窗口是有限的。 检索增强生…...
[Windows]_[VS2017]_[如何进行远程调试程序]
场景 在开发Windows程序时,有时候在测试机上测试出异常操作的情况,在开发机上就是出现不了。还比如在测试机上能测试到崩溃的情况,在开发机上也是重现不了,怎么办? 说明 这种情况可能是测试机上的系统版本࿰…...
Retinex系列图像/视频增强算法介绍
Retinex 系列原理基础 一、核心原理与理论 Retinex算法基于人类视觉系统特性,认为观测到的图像由光照分量(L)与反射分量( R )乘积构成,即: S ( x , y ) = L ( x , y...
游戏引擎学习第237天:使用 OpenGL 显示图像
win32_game.cpp: 禁用 PFD_DOUBLEBUFFER 我们正在处理一个新的开发阶段,目标是在使用 OpenGL 渲染的同时能正常通过 OBS 进行直播。昨天我们已经尝试了一整天来解决这个问题,希望能找到一种方式让 OBS 能正确地捕捉到 OpenGL 的窗口画面。虽然我们不确定…...
【C++基本算法】背包问题——完全背包
7. 背包问题——完全背包 文章目录 7. 背包问题——完全背包【模板】完全背包零钱兑换零钱兑换∥完全平方数问题解决注意事项 【模板】完全背包 题目链接: 【模板】完全背包 要点: 完全背包核心逻辑:物品无限次选择,状态转移方…...
Spring 01
今天是2025/0420 19:44 day 21 总路线请移步主页Java大纲相关文章 今天进行Spring 1,2,3 个模块的归纳 最近在忙毕设,更新有点慢,见谅 首先是Spring 的相关内容概括的思维导图 一、核心概念详解 1. IoC容器 1.1 工作原理 // 典型使用示例 Applica…...
小迪第10天http/s数据包
HTTP数据包 浏览器请求&请求头&响应头 浏览器访问流程 请求:用户–>web服务器 (Request) 响应:web服务器–> 用户(Response) 加代理后 请求:用户–>代理–>web服务器 (Request) 响应:web服务器–>代理–> 用户(Response) http GET请求头 http post…...
网络设备基础运维全攻略:华为/思科核心操作与巡检指南
一、设备登录与基础操作体系 1. 安全登录策略与环境准备 (1)登录方式深度解析 协议华为/H3C命令思科命令安全性应用场景Telnettelnet 192.168.1.1telnet 192.168.1.1明文传输本地测试(禁止公网使用)SSHssh -l admin 192.168.1.…...
Jsp技术入门指南【八】利用EL表达式开发无脚本的JSP页面
Jsp技术入门指南【八】利用EL表达式开发无脚本的JSP页面 前言一、什么是EL?二、EL如何访问作用域?2.1 对比传统脚本 vs EL2.2 EL的“自动搜索机制” 三、EL运算规则:什么能相加?什么不能?四、EL如何访问集合和数组&…...
MySQL数据库(基础篇)
一:MySQL的概述 1:MySQL数据库的下载地址 MySQL :: 下载 MySQL 安装程序 2:MySQL的客户端连接方式 1:使用Mysql自带的来连接 2:使用windows自带的命令行来来连接(需要配置path环…...
OpenCV 图像调整指南
OpenCV 提供了多种图像调整功能,以下是常见的视觉图片调整方法: 一、基本调整 1. 调整亮度和对比度 import cv2 import numpy as npdef adjust_brightness_contrast(img, brightness0, contrast0):# 亮度和对比度调整# brightness: -100 到 100 (0 表示…...
云效部署实现Java项目自动化部署图解
前言 记录下使用云效部署Java项目,实现java项目一键化自动化部署。 云效流程说明: 1.云效拉取最新git代码后 2.进行maven编译打包后,上传到指定服务器目录 3.通过shell脚本,先kill java项目后,通过java -jar 启动项…...
17.Chromium指纹浏览器开发教程之设备内存和处理器指纹定制
设备内存指纹定制 在 JavaScript 中,可以使用 navigator.deviceMemory 来获取设备的内存信息。它返回一个表示设备的内存大小(以 GB 为单位)的浮点数。具体代码如下: if (navigator.deviceMemory) {// 获取设备内存信息const de…...
遇到QT进程启动失败。被调用的程序丢失,或者您可能没有足够的权限来调用该程序。
【完整错误】16:43:40: The process failed to start. Either the invoked program "/home/xiaojin/QT_code/QT_TCP_CLIENT/build/Desktop_Qt_5_15_0_GCC_64bit-Debug/QT_TCP_CLIENT" is missing, or you may have insufficient permissions to invoke the program. …...