当前位置: 首页 > news >正文

《数据库原理》部分习题解析

《数据库原理》部分习题解析

1. 课本pg196.第1题。

(1)函数依赖
若对关系模式 R(U) 的任何可能的关系 r,对于任意两个元组 t₁ 和 t₂,若 t₁[X] = t₂[X],则必须有 t₁[Y] = t₂[Y],则称属性集 Y 函数依赖于属性集 X,记作:

X → Y

函数依赖是数据库规范化的基础,用于描述属性间的约束关系。

(2)部分函数依赖
若某关系的主键是复合主键(例如 A 和 B),存在一个非主属性 C 满足 A → C,但 B 无影响,即 C 并不依赖整个主键,则称为部分函数依赖。

(3)完全函数依赖
若某非主属性 C 对整个主键 (A, B) 依赖,且不依赖其任何子集,即:

(A, B) → C 且 A ⊬ C,B ⊬ C

(4)传递依赖

若存在 A → B,且 B → C,则可推出 A → C,且 C 并不直接依赖于 A,称为传递函数依赖。

(5)候选码
候选码是能唯一标识关系中元组的最小属性集。一个关系可有多个候选码。

(6)超码
超码是能够唯一标识元组的属性集,可以包含冗余属性。候选码 ⊆ 超码。所有候选码都是超码,但不是所有超码都是候选码。

(7)主码
从候选码中选出的一个,用作关系的唯一标识。主码值不能为 NULL。在一个表中只能有一个主码。

(8)外码
指向其他表主码的属性,表示关系间的引用。

(9)全码
若关系中所有属性组合构成唯一标识元组的候选码(即没有非主属性),则称该关系为全码关系。

(10)第一范式(1NF)
每一个属性的值必须是不可再分的数据项(原子性),即不能有数组、集合、嵌套结构。

(11)第二范式(2NF)
在满足1NF的基础上,消除了非主属性对主键的部分函数依赖。

(12)第三范式(3NF)
在2NF基础上,消除了非主属性对主键的传递依赖。形式:若 A 是主键,B 是非主属性,A → B 成立;如果还存在 B → C,那么 C 不应为非主属性。

(13)BCNF
每一个非平凡函数依赖 X → Y 中,X 必须是候选码(或超码)。

(14)第四范式(4NF)
在BCNF基础上,消除了非平凡且非函数依赖的多值依赖。如:若 A →→ B,且 B 与其他属性无关,则存在多值依赖,应进行拆分。

2. 课本pg197.第2题。

(1) 学生信息关系模式
关系模式:Student (Sno, Sname, Birthdate, Dept, Classno, Dormitoryno)

最小依赖集:
 1. Sno → Sname
 2. Sno → Birthdate
 3. Sno → Classno
 4. Classno → Dept  (每个班只属于一个系)
 5. Dept → Dormitoryno

传递函数依赖:
 Sno → Classno → Dept,Dept → Dormitoryno ⇒ Sno → Dormitoryno

候选码: Sno
外部码(外键): Dept → Dept 表;Classno → Class 表
全码: 无

(2) 班级信息关系模式
关系模式:Class (Classno, Major, Dept, Cnum, Cyear)

最小依赖集:
 1. Classno → Major, Dept, Cnum, Cyear
 2. (Dept, Major, Cyear) → Classno, Cnum  (同一系‑专业当年只招一个班)

传递函数依赖: 无

候选码:
 • Classno
 • Dept, Major, Cyear

外部码(外键): Dept → Dept 表
全码: 无

(3) 系信息关系模式
关系模式:Dept (Dept, Deptno, DeptLoc, Deptnum)

最小依赖集(假设系名唯一):
 1. Deptno → Dept, Deptnum
 2. Dept → DeptLoc

传递函数依赖:
 Deptno → Dept → DeptLoc ⇒ Deptno → DeptLoc

候选码: Deptno 和 Dept
外部码: 无
全码: 无

(4) 学会信息关系模式
关系模式:Union (Uname, Uyear, ULoc, Unum)

最小依赖集: Uname → Uyear, ULoc, Unum
传递函数依赖: 无
候选码: Uname
外部码: 无
全码: 无

(5) 学生‑学会关系模式
关系模式:StuUn (Sno, Uname, Uyear)

最小依赖集: (Sno, Uname) → Uyear

传递函数依赖: 无
完全函数依赖: (Sno, Uname) → Uyear (删除任一属性即失效)

候选码: Sno, Uname
外部码(外键): Sno → Student 表;Uname → Union 表
全码: 无

3. 课本pg197.第6题。

(1)BCNF判定

已知 A 是候选码,且仅有函数依赖 BC → DE。

R 属于 BCNF 当且仅当 BC → A 成立(即 BC 的闭包等于全集 U)。
若 BC 不能决定 A,则 BC 不是超键,该依赖违反 BCNF。

(2)F={AB ; BCD ; DEA}

候选码的闭包计算结果:

ACE → ABCDE

BCE → ABCDE

CDE → ABCDE

所有候选码: ACE, BCE, CDE

(3)在同一F下的范式

由于右部属性 B、D、A 均为主属性(包含在某候选码中),每条 FD 均满足 3NF 的条件。但左部 A、BC、DE 皆不是超键,所以违反 BCNF。

所以R 满足 3NF,但不满足 BCNF。

4. 设属性集U={XYZW},函数依赖集F={X→Y,Y→Z,W→Y},计算属性集闭包X+,XW+和(YW)+。

1. X⁺(X 的闭包)

步骤

当前闭包

说明

{ X }

初始仅含 X

{ X , Y }

X → Y 加入 Y

{ X , Y , Z }

Y → Z 加入 Z

无更多依赖可用

X⁺ = { X , Y , Z }

2. (XW)⁺(XW 的闭包)

步骤

当前闭包

说明

{ X , W }

初始含 X, W

{ X , W , Y }

X → Y 加入 Y

{ X , W , Y , Z }

Y → Z 加入 Z

已含 W,W → Y 已满足;闭包 = U

(XW)⁺ = { X , Y , Z , W } = U

3. (YW)⁺(YW 的闭包)

步骤

当前闭包

说明

{ Y , W }

初始含 Y, W

{ Y , W , Z }

Y → Z 加入 Z

已含 Y,依赖 W → Y 不变;无法推出 X

(YW)⁺ = { Y , Z , W }

5. 设有关系模式R(A, B, C, D, E)与它的函数依赖集F={A→BC, CD→E, B→D, E→A},计算属性集闭包A+,B+,E+, (AD)+,(BC)+,(CD)+,(BCD)+;说明这些属性是否为R的候选码。

属性集

闭包计算过程(按依赖逐步加入)

结果

是否候选码¹

A

{A} ⭢ A→BC ⇒ {A B C} ⭢ B→D ⇒ {A B C D} ⭢ CD→E ⇒ {A B C D E}

A⁺ = ABCDE

B

{B} ⭢ B→D ⇒ {B D}

B⁺ = BD

E

{E} ⭢ E→A ⇒ {E A} ⭢ A→BC ⇒ {E A B C} ⭢ B→D ⇒ {E A B C D}

E⁺ = ABCDE

A D

{A D} ⭢ A→BC ⇒ {A B C D} ⭢ CD→E ⇒ {A B C D E}

(AD)⁺ = ABCDE

超键,非最小

B C

{B C} ⭢ B→D ⇒ {B C D} ⭢ CD→E ⇒ {B C D E} ⭢ E→A ⇒ {A B C D E}

(BC)⁺ = ABCDE

C D

{C D} ⭢ CD→E ⇒ {C D E} ⭢ E→A ⇒ {A C D E} ⭢ A→BC ⇒ {A B C D E}

(CD)⁺ = ABCDE

B C D

{B C D} ⭢ CD→E ⇒ {B C D E} ⭢ E→A ⇒ {A B C D E}

(BCD)⁺ = ABCDE

超键,非最小

综上,候选码为:A E BC CD

6. 设有函数依赖集F={C→A, A→B, B→C, C→B, A→C, BC→A},求其最小函数依赖集Fmin。

原依赖集

F = { C→A ; A→B ; B→C ; C→B ; A→C ; BC→A }

最小化步骤

(1)右拆:原依赖右部均为单属性,无需拆分。

(2)左约:

对 BC→A: C⁺ (在当前集合) = ABC ⊇ A ⇒ B 冗余 → 删除整条(因为 C 单独已推出 A)。

(3)依赖约(逐条测试可推导性):

A→B:必留(若删则无法由其它依赖推 B)。

B→C:必留(若删则无法推 C)。

C→A:必留(删除则无法推 A)。

其余三条(C→B, A→C, BC→A)都已冗余,可由保留三条推得。

Fmin={C→A,A→B,B→C}

满足:

(1)每条右部单属性。

(2)每条左部无多余属性。

(3)集内任一依赖都无法由其余依赖推出。

7. 设有关系模式R(Sno, Dept, Loc),其中属性Sno、Dept和Loc分别表示学生学号、所在系别和系所在地点。函数依赖集有F={Sno→Dept, Dept→Loc},若R有两种分解方法,分别为ρ1= {R1(Sno, Dept), R2(Sno, Loc)};ρ2= {R1(Sno, Dept), R2(Dept, Loc)}。

(1)分别判别ρ1和ρ2是否有无损连接性。(用chase进行判别)

(a)ρ₁ = { R₁(Sno, Dept), R₂(Sno, Loc) }

行 / 列

Sno

Dept

Loc

R₁

a₁

a₂

b₁

R₂

a₁

b₂

a₃

1、Sno → Dept:两行 Sno 均为 a₁ ⇒ 统一 Dept → a₂

2、Dept → Loc:两行 Dept 均为 a₂ ⇒ 统一 Loc → a₃

行 / 列

Sno

Dept

Loc

R₁

a₁

a₂

a₃

R₂

a₁

a₂

a₃

结果:两行完全一致 → ρ₁ 无损连接。

(b)ρ₂ = { R₁(Sno, Dept), R₂(Dept, Loc) }

行 / 列

Sno

Dept

Loc

R₁

a₁

a₂

b₁

R₂

b₂

a₂

a₃

1、Dept → Loc:Dept 同为 a₂ ⇒ 统一 Loc → a₃

2、Sno → Dept 不再触发(Sno 值不同)

行 / 列

Sno

Dept

Loc

R₁

a₁

a₂

a₃

R₂

b₂

a₂

a₃

此时交集属性 {Dept} = a₂ 能决定 R₂ 的整行;满足无损条件 → ρ₂ 亦无损连接。

(2)分别判别ρ1和ρ2是否有保持函数性。

ρ₁:

投影 F 到 R₁:得到 Sno → Dept

投影 F 到 R₂:无非凡依赖

合并后缺少 Dept → Loc ⇒ 不保持函数性。

ρ₂:

投影到 R₁:Sno → Dept

投影到 R₂:Dept → Loc

合并恰为原 F ⇒ 保持全部依赖(保持函数性)。

相关文章:

《数据库原理》部分习题解析

《数据库原理》部分习题解析 1. 课本pg196.第1题。 (1)函数依赖 若对关系模式 R(U) 的任何可能的关系 r,对于任意两个元组 t₁ 和 t₂,若 t₁[X] t₂[X],则必须有 t₁[Y] t₂[Y],则称属性集 Y 函数依赖…...

【HCIA】浮动路由

前言 我们通常会在出口路由器配置静态路由去规定流量进入互联网默认应该去往哪里。那么,如果有两个运营商的路由器都能为我们提供上网服务,我们应该如何配置默认路由呢?浮动路由又是怎么一回事呢? 文章目录 前言1. 网络拓扑图2. …...

基于机器学习的卫星钟差预测方法研究HPSO-BP

摘要 本文研究了三种机器学习方法(BP神经网络、随机森林和支持向量机)在卫星钟差预测中的应用。通过处理GPS和GRACE卫星的钟差数据,构建了时间序列预测模型,并比较了不同方法的预测性能。实验结果表明,优化后的BP神经…...

机器学习中分类模型的常用评价指标

评价指标是针对模型性能优劣的一个定量指标。 一种评价指标只能反映模型一部分性能,如果选择的评价指标不合理,那么可能会得出错误的结论,故而应该针对具体的数据、模型选取不同的的评价指标。 本文将详细介绍机器学习分类任务的常用评价指…...

AI 检测原创论文:技术迷思与教育本质的悖论思考

当高校将 AI 写作检测工具作为学术诚信的 "电子判官",一场由技术理性引发的教育异化正在悄然上演。GPT-4 检测工具将人类创作的论文误判为 AI 生成的概率高达 23%(斯坦福大学 2024 年研究数据),这种 "以 AI 制 AI&…...

langchain学习

无门槛免费申请OpenAI ChatGPT API搭建自己的ChatGPT聊天工具 https://nuowa.net/872 基本概念 LangChain 能解决大模型的两个痛点,包括模型接口复杂、输入长度受限离不开自己精心设计的模块。根据LangChain 的最新文档,目前在 LangChain 中一共有六大…...

蓝桥杯 10. 全球变暖

全球变暖 原题目链接 题目描述 你有一张某海域 N x N 像素的照片: . 表示海洋# 表示陆地 例如如下所示: ....... .##.... .##.... ....##. ..####. ...###. .......在照片中,“上下左右”四个方向上连在一起的一片陆地组成一座岛屿。例…...

OpenTiny icons——超轻量的CSS图标库,引领图标库新风向

我们非常高兴地宣布 opentiny/icons 正式发布啦! 源码:https://github.com/opentiny/icons(欢迎 Star ⭐) 官网:https://opentiny.github.io/icons/ 图标预览:https://opentiny.github.io/icons/brow…...

python使用OpenCV 库将视频拆解为帧并保存为图片

python使用OpenCV 库将视频拆解为帧并保存为图片 import cv2 import osdef video_to_frames(video_path, output_folder, frame_prefixframe_, interval1, target_sizeNone, grayscaleFalse):"""将视频拆分为帧并保存为图片参数:video_path (str): 视频文件路径…...

[论文阅读]ControlNET: A Firewall for RAG-based LLM System

ControlNET: A Firewall for RAG-based LLM System [2504.09593] ControlNET: A Firewall for RAG-based LLM System RAG存在数据泄露风险和数据投毒风险。相关研究探索了提示注入和投毒攻击,但是在控制出入查询流以减轻威胁方面存在不足 文章提出一种ai防火墙CO…...

机器学习 --- 数据集

机器学习 — 数据集 文章目录 机器学习 --- 数据集一,sklearn数据集介绍二,sklearn现实世界数据集介绍三,sklearn加载数据集3.1 加载鸢尾花数据集3.2 加载糖尿病数据集3.3 加载葡萄酒数据集 四,sklearn获取现实世界数据集五&#…...

在Ubuntu服务器上部署Label Studio

一、拉取镜像 docker pull heartexlabs/label-studio:latest 二、启动容器 &#xff08;回到用户目录&#xff0c;例&#xff1a;输入pwd&#xff0c;显示 /home/<user>&#xff09; docker run -d --name label-studio -it -p 8081:8080 -v $(pwd)/mydata:/label-st…...

机器学习07-归一化与标准化

归一化与标准化 一、基本概念 归一化&#xff08;Normalization&#xff09; 定义&#xff1a;将数据缩放到一个固定的区间&#xff0c;通常是[0,1]或[-1,1]&#xff0c;以消除不同特征之间的量纲影响和数值范围差异。公式&#xff1a;对于数据 ( x )&#xff0c;归一化后的值…...

用vue和go实现登录加密

前端使用CryptoJS默认加密方法&#xff1a; var pass CryptoJS.AES.encrypt(formData.password, key.value).toString()使用 CryptoJS.AES.encrypt() 时不指定加密模式和参数时&#xff0c;CryptoJS 默认会执行以下操作 var encrypted CryptoJS.AES.encrypt("明文&quo…...

服务器制造业中,L2、L6、L10等表示什么意思

在服务器制造业中&#xff0c;L2、L6、L10等是用于描述服务器生产流程集成度的分级体系&#xff0c;从基础零件到完整机架系统共分为L1-L12共12个等级。不同等级对应不同的生产环节和交付形态&#xff0c;以下是核心级别的具体含义&#xff1a; L2&#xff08;Level 2&#xf…...

mysql8常用sql语句

查询结果带行号 -- 表名为 mi_user&#xff0c; 假设包含列 id &#xff0c;address SELECT ROW_NUMBER() OVER (ORDER BY id) AS row_num, t.id, t.address FROM mi_user t ; SELECT ROW_NUMBER() OVER ( ) AS row_num, t.id, t.address FROM mi_user t ; 更新某列数…...

多模态RAG与LlamaIndex——1.deepresearch调研

摘要 关键点&#xff1a; 多模态RAG技术通过结合文本、图像、表格和视频等多种数据类型&#xff0c;扩展了传统RAG&#xff08;检索增强生成&#xff09;的功能。LlamaIndex是一个开源框架&#xff0c;支持多模态RAG&#xff0c;提供处理文本和图像的模型、嵌入和索引功能。研…...

汽车工厂数字孪生实时监控技术从数据采集到三维驱动实现

在工业智能制造推动下&#xff0c;数字孪生技术正成为制造业数字化转型的核心驱动力。今天详细介绍数字孪生实时监控技术在汽车工厂中的应用&#xff0c;重点解析从数据采集到三维驱动实现的全流程技术架构&#xff0c;并展示其在提升生产效率、降低成本和优化决策方面的显著价…...

深度解码双重订阅用户:高价值流量池的掘金指南

在流量红利消退的当下&#xff0c;内容平台与电商平台的竞争已进入白热化阶段。数据显示&#xff0c;2023年全球用户平均每日切换应用频次超过200次&#xff0c;但仅有3%的用户愿意为多个平台持续付费。这3%的群体——“双重订阅用户”&#xff0c;正成为商业价值最高的流量金矿…...

MATLAB Simulink在Autosar和非Autosar工程下的开发流程

软件开发有两种方法&#xff1a;自上而下和自下而上。自上而下就是从整体出发去设计各个模块和模块间的接口&#xff0c;要求架构设计人员对产品功能非常清楚&#xff1b;自下而上就是从一个一个模块出发去设计&#xff0c;进而组成一个整体。自下而上可能会带来冗余代码过多和…...

使用DevEco Studio性能分析工具高效解决鸿蒙原生应用内存问题

目录 一、内存问题的识别与初步判断 1.1 内存问题的常见表现 1.2 使用 DevEco Profiler 的实时监控功能 1.2.1 打开 Profiler 工具 1.2.2 监控内存变化 1.2.3 判断内存异常 1.2.4 示例代码:模拟内存泄漏 二、内存问题的定界与定位 2.1 使用 Snapshot/Allocation 模板分…...

AI视频生成工具开发与搭建:从技术到应用的全方位指南

随着AI技术的飞速发展&#xff0c;视频创作的门槛被大幅降低。无论是个人用户还是企业开发者&#xff0c;都能通过AI工具实现照片转动态、视频爆改创意、小程序开发等多样化需求。本文将从技术开发、工具应用及行业趋势三个维度&#xff0c;深度解析AI视频生成的核心技术与实践…...

【android bluetooth 框架分析 02】【Module详解 7】【VendorSpecificEventManager 模块介绍】

1. 背景 我们在 gd_shim_module 介绍章节中&#xff0c;看到 我们将 VendorSpecificEventManager 模块加入到了 modules 中。 // system/main/shim/stack.cc modules.add<hci::VendorSpecificEventManager>();在 ModuleRegistry::Start 函数中我们对 加入的所有 module…...

Docker环境下的Apache NiFi安装实践踩坑记录

引言:由于最近用到数据同步&#xff0c;故打算采用中间件工具来做数据同步&#xff0c;谁知第一步部署Apache NiFi环境就耽搁了好久&#xff0c;其中遇到一些问题&#xff0c;故记录下来部署成功记录 问题1&#xff1a;HTTPS访问 HTTP ERROR 400 Invalid SNI问题2&#xff1a;…...

flutter Stream 有哪两种订阅模式。

Flutter 中的 Stream 有两种订阅模式&#xff1a; ​单订阅模式 (Single Subscription)​​ 只能有一个订阅者&#xff08;listen 只能调用一次&#xff09;&#xff0c;后续调用会抛出异常。数据仅在订阅后开始传递&#xff0c;适用于点对点通信场景&#xff08;如文件读取流…...

删除购物车中一个商品

一. 删除购物车中一个商品 删除商品时我们要考虑一个问题&#xff0c;当商品数量等于1时&#xff0c;删除商品就直接将其从数据库中删除即可。但是当数量大于1时&#xff0c;删除商品就是让商品数量-1。因此我们在删除一个商品时首先要判断该商品在购物车中的数量。 Controlle…...

EF Core 数据库迁移命令参考

在使用 Entity Framework Core 时&#xff0c;若你希望通过 Package Manager Console (PMC) 执行迁移相关命令&#xff0c;以下是常用的 EF Core 迁移命令&#xff1a; PMC 方式 ✅ 常用 EF Core PMC 命令&#xff08;适用于迁移&#xff09; 操作PMC 命令添加迁移Add-Migra…...

5月13日day24日打卡

元组和OS模块 知识点回顾&#xff1a; 元组可迭代对象os模块 作业&#xff1a;对自己电脑的不同文件夹利用今天学到的知识操作下&#xff0c;理解下os路径。 元组 元组的特点&#xff1a; 有序&#xff0c;可以重复&#xff0c;这一点和列表一样元组中的元素不能修改&#xf…...

[51单片机]---DS18B20 温度检测

1&#xff0c;DS18B20 2&#xff0c;DS18B20时序 void ds18b20_reset() {//ds18b20复位信号 拉低总线750us后释放总线DS18B20_PORT 0; delay_10us(75); DS18B20_PORT 1; delay_10us(2);}//为啥需要检测模块&#xff1f;当我们发生了复位&#xff0c;根据时序图&#xff0c;d…...

Win11 + Visual Studio 2022 + FLTK 1.4.3 + Gmsh 4.13.1 源码编译指南

一、编译环境准备 本文档详细记录了在 Windows 11 系统下&#xff0c;使用 Visual Studio 2022&#xff08;版本 17&#xff09;编译 FLTK 1.4.3 和 Gmsh 4.13.1 的完整过程。目标是帮助开发者顺利完成库的编译&#xff0c;并实现基本的功能测试。 二、编译 FLTK 1.4.3 2.1 …...

AUTOSAR图解==>AUTOSAR_TPS_ECUResourceTemplate

AUTOSAR ECU资源模板详解 基于AUTOSAR R4.4.0标准规范 目录 1. 简介 1.1 ECU资源模板的范围1.2 ECU资源模板概述 2. 一般硬件描述 2.1 硬件描述实体2.2 硬件类型2.3 硬件元素2.4 硬件引脚和引脚组2.5 硬件连接2.6 硬件类别定义 3. 硬件类型特定描述 3.1 硬件元素类别3.2 硬件引…...

如何在设计阶段考虑 Python 服务的可伸缩性,避免后期的重构

在如今的软件开发世界里,变化是唯一不变的主题。用户量可能一夜之间从几十人暴增到几十万,业务需求可能在半年内翻天覆地,技术栈也可能因为新工具的出现而需要调整。而作为开发者,尤其是用 Python 打造服务的开发者,我们常常会面临一个绕不过去的问题:如何让我们的服务在…...

ExoPlayer 如何实现音画同步

在解释这个问题之前&#xff0c;先讲一下 ExoPlayer 中音频播放的三种输出模式。 第一种是PCM模式&#xff08;普通播放模式&#xff09;。这是最基本的播放模式&#xff0c;音频以PCM&#xff08;脉冲编码调制&#xff09;数据形式处理&#xff0c;可以通过音频处理器进行各种…...

C++中void*知识详解和注意事项

一、void* 是什么&#xff1f; 在 C/C 中&#xff0c;void* 表示一个通用指针类型&#xff08;generic pointer&#xff09;&#xff0c;可以指向任意类型的对象&#xff0c;但 不能直接解引用或进行算术运算&#xff0c;必须先进行类型转换。 void* ptr; // 可以指向任意类型…...

ssl 中 key 和pem 和crt是什么关系

.pem 文件&#xff08;通用容器格式&#xff09; 作用&#xff1a;PEM&#xff08;Privacy-Enhanced Mail&#xff09;是一种文本格式&#xff0c;可以存储 证书、私钥、中间证书 等。 特点&#xff1a; 以 -----BEGIN XXX----- 和 -----END XXX----- 包裹内容&#xff08;如…...

CSS可以继承的样式汇总

CSS可以继承的样式汇总 在CSS中&#xff0c;以下是一些常见的可继承样式属性&#xff1a; 字体属性&#xff1a;包括 font-family &#xff08;字体系列&#xff09;、 font-size &#xff08;字体大小&#xff09;、 font-weight &#xff08;字体粗细&#xff09;、 font-sty…...

菜狗的脚步学习

文章目录 一、pdf到h文件转换并恢复二、三、 一、pdf到h文件转换并恢复 编写一个bat&#xff0c;将当前文件的.pdf文件后缀改为.h文件&#xff0c;然后将当前文件下的.h文件全部打开&#xff0c;再依次关闭&#xff0c;待所有.h文件都关闭后&#xff0c;再将.h文件改为.pdf后缀…...

latex公式格式

几个公式只标一个序号 \begin{equation}\begin{aligned}yX\\y2x\\y3x,\end{aligned} \end{equation}要想公式的等号对齐则用下面的格式 若想实现三个公式等号对齐且只编一个号&#xff0c;用 equation 包裹 aligned 环境即可 \begin{equation}\begin{aligned}y&X\\y&…...

在Babylon.js中实现完美截图:包含Canvas和HTML覆盖层

在现代Web 3D应用开发中&#xff0c;Babylon.js作为强大的3D引擎被广泛应用。一个常见的需求是实现场景截图功能&#xff0c;特别是当场景中包含HTML覆盖层(如UI控件、菜单等)时。本文将深入探讨如何在Babylon.js中实现完整的截图方案。 问题背景 这里我是希望实现一个渐隐的…...

LeetCode 648 单词替换题解

LeetCode 648 单词替换题解 题目描述 题目链接 在英语中&#xff0c;我们有一个叫做「词根」的概念&#xff0c;可以缩短其他单词的长度。给定一个词典和一句话&#xff0c;将句子中的所有单词用其最短匹配词根替换。 解题思路 哈希表 前缀匹配法 预处理词典&#xff1a;…...

从虚拟现实到混合现实:沉浸式体验的未来之路

摘要 近年来&#xff0c;虚拟现实&#xff08;VR&#xff09;和增强现实&#xff08;AR&#xff09;技术的快速发展&#xff0c;为沉浸式体验带来了前所未有的变革。随着技术的不断进步&#xff0c;混合现实&#xff08;MR&#xff09;作为VR和AR的融合形态&#xff0c;正在成为…...

基于深度学习的水果识别系统设计

一、选择YOLOv5s模型 YOLOv5&#xff1a;YOLOv5 是一个轻量级的目标检测模型&#xff0c;它在 YOLOv4 的基础上进行了进一步优化&#xff0c;使其在保持较高检测精度的同时&#xff0c;具有更快的推理速度。YOLOv5 的网络结构更加灵活&#xff0c;可以根据不同的需求选择不同大…...

黑马Java基础笔记-10

权限修饰符 修饰符同一个类中同一个包中其他类不同包的子类不同包无关类private√空着不写 (default)√√protected√√√public√√√√ 代码块 局部代码块(了解) public class Test {public static void main(String[] args) {{int a 10;System.out.println(a);}//运行到…...

职坐标AIoT开发技能精讲培训

在人工智能与物联网&#xff08;AIoT&#xff09;技术高速迭代的今天&#xff0c;掌握边缘计算、智能设备开发与实时数据处理三大核心模块&#xff0c;已成为开发者突破行业壁垒的关键。职坐标AIoT开发技能精讲培训以技术融合与场景落地为双引擎&#xff0c;从底层硬件协议到上…...

Kafka 4.0版本的推出:数据处理新纪元的破晓之光

之前做大数据相关项目&#xff0c;在项目中都使用过kafka。在数字化时代&#xff0c;数据如洪流般涌来&#xff0c;如何高效处理这些数据成为关键。Kafka 就像是一条 “智能数据管道”&#xff0c;在数据的世界里扮演着至关重要的角色。如果你第一次接触它&#xff0c;不妨把它…...

从0到1上手Kafka:开启分布式消息处理之旅

目录 一、Kafka 是什么 二、Kafka 的基础概念 2.1 核心术语解读 2.2 工作模式剖析 三、Kafka 的应用场景 四、Kafka 与其他消息队列的比较 五、Kafka 的安装与配置 5.1 环境准备 5.2 安装步骤 5.3 常见问题及解决 六、Kafka 的基本操作 6.1 命令行工具使用 6.1.1 …...

以价值为导向的精准数据治理实践,赋能业务决策

在数字化浪潮席卷全球的今天&#xff0c;数据已成为企业最宝贵的资产之一。然而&#xff0c;如何将海量数据转化为驱动业务增长的强大动力&#xff0c;是摆在每个企业面前的难题。某大型国企公司&#xff0c;作为集团金融板块的重要组成部分&#xff0c;在数字化转型过程中&…...

文件相关操作

文本文件 程序运行时产生的数据都属于临时数据&#xff0c;程序一旦运行结束都会被释放 通过文件可以将数据持久化 C的文件操作需要包含头文件 文件分类 文本文件&#xff1a;文件以文本的ASCII码形式存储在计算机中 二进制文件&#xff1a;文件以文本的二进制形式存储在计算…...

在Window上面添加交叉编译链 MinGW+NDK

需要工具 1&#xff0c;minGW Releases niXman/mingw-builds-binaries GitHub 2&#xff0c;ndk包 NDK 下载 | Android NDK | Android Developers 3&#xff0c;python&#xff08;现在的交叉编译链工具不是.sh&#xff0c;而是.py&#xff09; python可以根据自己…...

2.4GHz无线通信芯片选型指南:集成SOC与低功耗方案解析

今天给大家分享几款2.4GHz无线通信芯片方案&#xff1a; 一、集成SOC芯片方案 XL2407P&#xff08;芯岭技术&#xff09; 集成射频收发机和微控制器&#xff08;如九齐NY8A054E&#xff09; 支持一对多组网和自动重传 发射功率8dBm&#xff0c;接收灵敏度-96.5dBm&#xff08…...