当前位置: 首页 > news >正文

计算机毕业设计Hadoop+Spark+DeepSeek-R1大模型民宿推荐系统 hive民宿可视化 民宿爬虫 大数据毕业设计(源码+文档+PPT+讲解)

温馨提示:文末有 CSDN 平台官方提供的学长联系方式的名片!

温馨提示:文末有 CSDN 平台官方提供的学长联系方式的名片!

温馨提示:文末有 CSDN 平台官方提供的学长联系方式的名片!

作者简介:Java领域优质创作者、CSDN博客专家 、CSDN内容合伙人、掘金特邀作者、阿里云博客专家、51CTO特邀作者、多年架构师设计经验、多年校企合作经验,被多个学校常年聘为校外企业导师,指导学生毕业设计并参与学生毕业答辩指导,有较为丰富的相关经验。期待与各位高校教师、企业讲师以及同行交流合作

主要内容:Java项目、Python项目、前端项目、PHP、ASP.NET、人工智能与大数据、单片机开发、物联网设计与开发设计、简历模板、学习资料、面试题库、技术互助、就业指导等

业务范围:免费功能设计、开题报告、任务书、中期检查PPT、系统功能实现、代码编写、长期答辩答疑辅导、腾讯会议一对一专业讲解辅导答辩、模拟答辩演练、和理解代码逻辑思路等。

收藏点赞不迷路  关注作者有好处

                                         文末获取源码

介绍资料

开题报告:Hadoop+Spark+DeepSeek-R1大模型民宿推荐系统 hive民宿可视化

一、引言

1.1 研究背景

随着旅游业的快速发展,民宿作为一种新兴的住宿形式,因其独特的魅力和个性化的服务,受到了越来越多游客的青睐。然而,随着民宿数量的快速增长,如何高效地管理和分析民宿数据,为游客提供个性化的推荐服务,成为当前亟待解决的问题。大数据技术,尤其是Hadoop和Spark等分布式处理框架的出现,为民宿数据的处理和分析提供了强大的技术支持。同时,DeepSeek-R1大模型的应用,可以进一步提升推荐系统的智能化和准确性。

1.2 研究意义

本研究旨在开发一款基于Hadoop、Spark和DeepSeek-R1大模型的民宿推荐系统,旨在通过大数据和人工智能技术,对民宿数据进行深度挖掘和分析,为用户提供个性化的推荐服务。具体意义如下:

  • 提升用户体验:通过个性化的推荐服务,帮助游客快速找到符合需求的民宿,提升旅游体验。
  • 优化民宿经营:为民宿经营者提供有效的数据分析工具,帮助他们更好地了解消费者需求,优化服务质量和提高运营效率。
  • 推动民宿行业发展:通过大数据和人工智能技术的应用,推动民宿行业的数字化转型和可持续发展。

1.3 研究问题的提出

  • 如何利用Hadoop和Spark对民宿数据进行高效存储和处理?
  • 如何将DeepSeek-R1大模型应用于民宿推荐系统中,提高推荐的准确性和智能化程度?
  • 如何实现民宿数据的可视化展示,以便更直观地了解民宿市场的动态和趋势?

二、文献综述

2.1 民宿推荐系统研究现状

国内外学者在民宿推荐系统方面进行了大量研究。国外民宿行业起步较早,对民宿推荐系统的研究也相对成熟,主要集中在推荐算法、用户画像构建等方面。国内对民宿业的研究起步较晚,但近年来研究成果逐渐丰富,主要关注民宿业的发展现状、问题及对策,以及民宿服务质量评价体系的构建等方面。然而,在民宿推荐系统方面,国内整体上仍处于起步阶段,与国外的差距较大。

2.2 Hadoop、Spark在民宿推荐系统中的应用

Hadoop和Spark作为大数据处理领域的明星框架,以其高效的数据处理能力和丰富的机器学习库,在民宿推荐系统中得到了广泛应用。Hadoop的HDFS和Hive等工具可以用于民宿数据的存储和查询,而Spark则可以用于数据的清洗、转换和机器学习算法的实现。

2.3 DeepSeek-R1大模型在推荐系统中的应用

DeepSeek-R1大模型作为一种先进的深度学习模型,在自然语言处理、计算机视觉等多个领域取得了显著成果。将其应用于民宿推荐系统,有望提高推荐的准确性和智能化程度。通过结合用户画像和民宿信息,DeepSeek-R1大模型可以生成更加精准的推荐列表。

2.4 Hive在民宿可视化中的应用

Hive作为大数据处理工具,不仅可以用于民宿数据的存储和查询,还可以与可视化工具结合,实现民宿数据的可视化展示。通过图表、图形等视觉元素,可以直观地展示民宿市场的动态和趋势,为民宿经营者和游客提供更加直观的决策依据。

三、研究内容与目标

3.1 研究内容

  • 数据收集与预处理:利用Python编写爬虫程序,从民宿租赁网站抓取数据,并进行数据清洗和预处理。
  • 数据存储与管理:利用Hadoop的HDFS和Hive进行数据存储和管理,确保数据的安全性和可扩展性。
  • 数据分析与挖掘:使用MapReduce和Spark进行数据的清洗、去重、统计等操作,并利用Hive进行数据分析,提取用户特征和民宿信息。
  • 推荐算法研究:结合用户画像和民宿信息,采用协同过滤、深度学习等推荐算法生成推荐列表。同时,引入DeepSeek-R1大模型进行智能推荐。
  • 系统设计与实现:设计并实现民宿推荐系统的功能模块,包括用户管理、民宿信息管理、推荐算法模块等,并进行系统测试和优化。
  • 民宿数据可视化:利用Hive和可视化工具(如ECharts)实现民宿数据的可视化展示,包括民宿分布、价格趋势、用户评价等。

3.2 研究目标

  • 开发一款基于Hadoop、Spark和DeepSeek-R1大模型的民宿推荐系统。
  • 实现民宿数据的收集、存储、分析和推荐功能。
  • 为游客提供个性化的民宿推荐服务。
  • 为民宿经营者提供有效的数据分析工具。
  • 实现民宿数据的可视化展示,提高决策的科学性。

四、研究方法

4.1 数据收集与预处理

使用Python编写爬虫程序,从民宿租赁网站抓取数据,包括民宿的基本信息(如名称、位置、价格等)、用户评价等。然后,利用Pandas等库进行数据清洗和预处理,去除重复数据、缺失值等。

4.2 数据存储与管理

利用Hadoop的HDFS进行数据存储,确保数据的安全性和可扩展性。同时,使用Hive进行数据查询和管理,方便后续的数据分析和挖掘。

4.3 数据分析与挖掘

使用MapReduce和Spark进行数据的清洗、去重、统计等操作,提取用户特征和民宿信息。然后,利用Hive进行数据分析,挖掘民宿市场的动态和趋势。

4.4 推荐算法研究

结合用户画像和民宿信息,采用协同过滤、深度学习等推荐算法生成推荐列表。同时,引入DeepSeek-R1大模型进行智能推荐,提高推荐的准确性和智能化程度。

4.5 系统设计与实现

设计并实现民宿推荐系统的功能模块,包括用户管理、民宿信息管理、推荐算法模块等。采用Java或Python等编程语言进行开发,并使用Spring Boot等框架提高开发效率。

4.6 民宿数据可视化

利用Hive和可视化工具(如ECharts)实现民宿数据的可视化展示。通过图表、图形等视觉元素,直观地展示民宿市场的动态和趋势。

五、技术路线与可行性分析

5.1 技术路线

  1. 数据收集与预处理:编写爬虫程序抓取民宿数据,并进行数据清洗和预处理。
  2. 数据存储与管理:利用Hadoop的HDFS和Hive进行数据存储和管理。
  3. 数据分析与挖掘:使用MapReduce和Spark进行数据分析,提取用户特征和民宿信息。
  4. 推荐算法研究:采用协同过滤、深度学习等推荐算法生成推荐列表,并引入DeepSeek-R1大模型进行智能推荐。
  5. 系统设计与实现:设计并实现民宿推荐系统的功能模块,并进行系统测试和优化。
  6. 民宿数据可视化:利用Hive和可视化工具实现民宿数据的可视化展示。

5.2 可行性分析

  • 技术可行性:Hadoop、Spark和DeepSeek-R1大模型等技术已经成熟,并在多个领域得到了广泛应用。同时,Python、Java等编程语言也具有丰富的库和框架支持。
  • 数据可行性:民宿租赁网站上存在大量公开的民宿数据,为本研究提供了充足的数据来源。
  • 应用可行性:本研究成果可以为民宿经营者和游客提供个性化的推荐服务和数据分析工具,具有广泛的应用前景。

六、预期成果与创新点

6.1 预期成果

  • 开发一款基于Hadoop、Spark和DeepSeek-R1大模型的民宿推荐系统。
  • 实现民宿数据的收集、存储、分析和推荐功能。
  • 为游客提供个性化的民宿推荐服务。
  • 为民宿经营者提供有效的数据分析工具。
  • 实现民宿数据的可视化展示。

6.2 创新点

  • 技术融合:将Hadoop、Spark和DeepSeek-R1大模型等技术融合应用于民宿推荐系统中,提高推荐的准确性和智能化程度。
  • 数据可视化:利用Hive和可视化工具实现民宿数据的可视化展示,提高决策的科学性。
  • 个性化推荐:结合用户画像和民宿信息,生成更加精准的推荐列表,满足游客的个性化需求。

七、研究计划与时间表

7.1 研究计划

  1. 第一阶段(1-2个月):文献调研与需求分析
    • 调研国内外民宿推荐系统研究现状。
    • 分析民宿市场的需求和痛点。
    • 确定系统的功能需求和性能要求。
  2. 第二阶段(3-4个月):数据收集与预处理
    • 编写爬虫程序抓取民宿数据。
    • 进行数据清洗和预处理。
  3. 第三阶段(5-6个月):数据存储与管理
    • 利用Hadoop的HDFS和Hive进行数据存储和管理。
    • 设计数据查询和管理接口。
  4. 第四阶段(7-8个月):数据分析与挖掘
    • 使用MapReduce和Spark进行数据分析。
    • 提取用户特征和民宿信息。
  5. 第五阶段(9-10个月):推荐算法研究与系统实现
    • 研究并采用协同过滤、深度学习等推荐算法。
    • 引入DeepSeek-R1大模型进行智能推荐。
    • 设计并实现民宿推荐系统的功能模块。
  6. 第六阶段(11-12个月):系统测试与优化、民宿数据可视化
    • 对系统进行功能测试和性能测试。
    • 根据测试结果对系统进行优化。
    • 利用Hive和可视化工具实现民宿数据的可视化展示。

7.2 时间表

时间段研究内容
1-2个月文献调研与需求分析
3-4个月数据收集与预处理
5-6个月数据存储与管理
7-8个月数据分析与挖掘
9-10个月推荐算法研究与系统实现
11-12个月系统测试与优化、民宿数据可视化

八、结论

本研究旨在开发一款基于Hadoop、Spark和DeepSeek-R1大模型的民宿推荐系统,并通过Hive实现民宿数据的可视化展示。预期成果将为民宿经营者和游客提供更加个性化的推荐服务和数据分析工具,推动民宿行业的数字化转型和可持续发展。

运行截图

推荐项目

上万套Java、Python、大数据、机器学习、深度学习等高级选题(源码+lw+部署文档+讲解等)

项目案例

优势

1-项目均为博主学习开发自研,适合新手入门和学习使用

2-所有源码均一手开发,不是模版!不容易跟班里人重复!

🍅✌感兴趣的可以先收藏起来,点赞关注不迷路,想学习更多项目可以查看主页,大家在毕设选题,项目代码以及论文编写等相关问题都可以给我留言咨询,希望可以帮助同学们顺利毕业!🍅✌

源码获取方式

🍅由于篇幅限制,获取完整文章或源码、代做项目的,拉到文章底部即可看到个人联系方式。🍅

点赞、收藏、关注,不迷路,下方查看👇🏻获取联系方式👇🏻

相关文章:

计算机毕业设计Hadoop+Spark+DeepSeek-R1大模型民宿推荐系统 hive民宿可视化 民宿爬虫 大数据毕业设计(源码+文档+PPT+讲解)

温馨提示:文末有 CSDN 平台官方提供的学长联系方式的名片! 温馨提示:文末有 CSDN 平台官方提供的学长联系方式的名片! 温馨提示:文末有 CSDN 平台官方提供的学长联系方式的名片! 作者简介:Java领…...

MySQL后端返回给前端的时间变了(时区问题)

问题:MySQL里的时间例如为2025-01-10 21:19:30,但是返回到前端就变成了2025-01-10 13:19:30,会出现小时不一样或日期变成隔日的问题 一般来说设计字段时会使用datetime字段类型,这是一种用于时间的字段类型,而这个类型…...

Apache Doris:一款高性能的实时数据仓库

Apache Doris 是一款基于 MPP 架构的高性能、实时分析型数据库。它以高效、简单和统一的特性著称,能够在亚秒级的时间内返回海量数据的查询结果。Doris 既能支持高并发的点查询场景,也能支持高吞吐的复杂分析场景。 Apache Doris 最初是百度广告报表业务…...

【量化-什么是信息?怎么有效的学习?关键字摘取】

到底什么是信息呢?我们怎么衡量信息的价值与多少呢?今天,我们就来说说这个问题。 怎么量化信息? 信息,只有量化了才能被准确地讨论,而量化的方法就和事件发生的概率密切相关。或者说得直白一些&#xff0…...

Java之异常体系

异常:异常就是代表程序出现问题 异常的继承体系: Error:严重异常,内存溢出等 其他异常:编译时异常:编译阶段就要进行处理的异常(提醒程序员检查本地信息) RuntimeException&#…...

网络运维学习笔记(DeepSeek优化版)002网工初级(HCIA-Datacom与CCNA-EI)子网划分与协议解析

文章目录 子网划分与协议解析1. VLSM与CIDR技术解析1.1 VLSM(Variable Length Subnetwork Mask,可变长子网掩码)1.2 CIDR(Classless Inter-Domain Routing,无类域间路由) 2. 子网划分方法与计算2.1 常规划分…...

【Linux知识】Linux上从源码编译到软件安装全过程详细说明

文章目录 **1. 下载源码****(1) 使用 wget 或 curl 下载****(2) 解压源码** **2. 配置编译环境****(1) 执行 ./configure 脚本**常见参数说明: **3. 编译源码****(1) 执行 make** **4. 安装软件****(1) 执行 make install****(2) 自定义安装路径** **5. 验证安装***…...

【尝试使用python调用Seismic unix】

提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档 文章目录 前言一、代码总结 前言 提示:这里可以添加本文要记录的大概内容: 使用seismic unix尝试建立界面,首先想到使用pyqt&#xff0c…...

JSON Web Token在登陆中的使用

JWT(JSON Web Token)是一种开放标准(RFC 7519),用于在网络应用环境间安全地传递声明。它的主要用途是身份验证和信息交换。在微服务架构中,JWT 作为认证机制非常常见,特别是与 API 网关结合使用…...

CSS滚动条原理与自定义样式指南,CSS滚动条样式失效,滚动条样式无效,-webkit-scrollbar无效,overflow不显示滚动条

滚动内容形成的必要条件 CSS Overflow属性解析 MDN官方文档-Overflow属性 菜鸟教程-Overflow属性 overflow 属性控制内容溢出元素框时在对应的元素区间内是否添加滚动条。 值描述visible默认值。内容不会被修剪,会呈现在元素框之外。hidden内容会被修剪&#xf…...

陀螺匠·企业助手v1.8 产品介绍

陀螺匠企业助手是一套采用Laravel 9框架结合Swoole高性能协程服务与Vue.js前端技术栈构建的新型智慧企业管理与运营系统。该系统深度融合了客户管理、项目管理、审批流程自动化以及低代码开发平台,旨在为企业提供一站式、数字化转型的全方位解决方案,助力…...

【数据结构】(11) Map 和 Set

一、Map 和 Set 的简介 1、Set 和 Map Map 和 Set 是集合类框架学习的最后一部分。Map 和 Set 都是接口,需要通过 TreeSet、HashSet 和 TreeMap、HashMap 实例化。注意,Set 实现了 Collection,Map 并没有。 Set 存放的是键(Key&a…...

DeepSeek 提示词:高效的提示词设计

🧑 博主简介:CSDN博客专家,历代文学网(PC端可以访问:https://literature.sinhy.com/#/?__c1000,移动端可微信小程序搜索“历代文学”)总架构师,15年工作经验,精通Java编…...

【Redis】在Java中以及Spring环境下操作Redis

Java环境下&#xff1a; 1.创建maven 项目 2.导入依赖 <!-- redis --><dependency><groupId>redis.clients</groupId><artifactId>jedis</artifactId><version>4.3.2</version></dependency> 此处使用的是Jedis&…...

Linux红帽:RHCSA认证知识讲解(二)配置网络与登录本地远程Linux主机

Linux红帽&#xff1a;RHCSA认证知识讲解&#xff08;二&#xff09;配置网络与登录本地远程Linux主机 前言一、使用命令行&#xff08;nmcli 命令&#xff09;配置网络&#xff0c;配置主机名第一步第二步修改主机名称 二、使用图形化界面&#xff08;nmtui 命令&#xff09;配…...

新数据结构(13)——I/O

字符流 字符输入流&#xff08;Reader&#xff09; 字符输入流用于从数据源&#xff08;如文件、字符串等&#xff09;读取字符数据。Reader 是所有字符输入流的抽象基类。 常用实现类 FileReader 用于从文件中读取字符数据。 InputStreamReader 将字节流转换为字符流&…...

C语言学习,希尔排序

C语言&#xff0c;希尔排序是插入排序的一种&#xff0c;也称为递减增量排序。通过比较距离较远的元素&#xff0c;然后逐渐缩小间隔&#xff0c;直到整个数组变成有序的。这种排序方法减少了插入排序&#xff0c;大数据集的移动次数&#xff0c;提高了效率。 示例&#xff1a…...

Powershell Install deepseek

前言 deepseekAI助手。它具有聊天机器人功能&#xff0c;可以与用户进行自然语言交互&#xff0c;回答问题、提供建议和帮助解决问题。DeepSeek 的特点包括&#xff1a; 强大的语言理解能力&#xff1a;能够理解和生成自然语言&#xff0c;与用户进行流畅的对话。多领域知识&…...

22、《Spring Boot消息队列:RabbitMQ延迟队列与死信队列深度解析》

Spring Boot消息队列实战&#xff1a;RabbitMQ延迟队列与死信队列深度解析 引言 在现代分布式系统中&#xff0c;消息队列承担着解耦、削峰填谷和异步通信的重要职责。本文将深入探讨Spring Boot与RabbitMQ的整合应用&#xff0c;重点解析延迟队列与死信队列的实现原理及实战…...

性能测试项目实战

项目介绍和部署 项目背景 轻商城项目是一个现在流行的电商项目。我们需要综合评估该项目中各个关键接口的性能&#xff0c;并给出优化建议&#xff0c;以满足项目上线后的性能需要。 项目功能架构 前台商城&#xff1a;购物车、订单、支付、优惠券等 后台管理系统&#xff1a;商…...

LabVIEW中显微镜下位移误差的畸变

在显微实验中&#xff0c;位移台通过电机驱动探针进行微米级精确移动&#xff0c;配合显微镜和相机实时观察探针的位置。然而&#xff0c;实验中发现&#xff0c;当电机移动相同的物理距离时&#xff0c;图像中探针的像素位移量存在显著的非线性偏差。经测试&#xff0c;电机的…...

Spark MLlib中的机器学习算法及其应用场景

Spark MLlib是Apache Spark框架中的一个机器学习库&#xff0c;提供了丰富的机器学习算法和工具&#xff0c;用于处理和分析大规模数据。以下是Spark MLlib中的机器学习算法及其应用场景的详细描述&#xff1a; 一、Spark MLlib中的机器学习算法 分类算法&#xff1a; 逻辑回…...

Angular 中获取 DOM 节点的几种方法

文章目录 1. 使用ViewChild获取单个 DOM 节点2. 使用ViewChildren获取多个 DOM 节点3. 使用ElementRef直接访问 DOM4. 使用Renderer2操作 DOM5. 总结 在 Angular 开发中&#xff0c;虽然框架鼓励我们通过组件和模板来操作 DOM&#xff0c;但在某些情况下&#xff0c;直接访问和…...

R Excel 文件:高效数据处理的利器

R Excel 文件:高效数据处理的利器 在数据分析领域,R语言因其强大的统计分析和可视化功能而备受推崇。而R Excel文件,作为R语言与Excel的桥梁,使得数据在R和Excel之间的高效转换成为可能。本文将详细介绍R Excel文件的概念、应用场景以及操作方法。 一、R Excel文件的概念…...

手撕跳表/数据结构

昨天leetcode每日一题是跳表&#xff0c;之前学redis就没去写跳表&#xff0c;这次就逃不过了。 这里使用了len数组&#xff0c;来表示每个数字之间的间隔&#xff0c;方便复杂的查询功能。 主要问题有 为什么len数组记录的是数字之间的间隔&#xff0c;不是每一层从头到尾…...

在 Vue 中处理跨域请求:全面解析与实践指南

在 Vue 中处理跨域请求&#xff1a;全面解析与实践指南 在现代 Web 开发的复杂生态中&#xff0c;跨域请求&#xff08;CORS&#xff09;如同一个无处不在的难题&#xff0c;时刻考验着开发者的技术能力。当我们构建基于 Vue.js 的前端应用时&#xff0c;这一问题尤为凸显。因为…...

爬虫与反爬-Ja3指纹风控(Just a moment...)处理方案及参数说明

概述&#xff1a;本文将针对Ja3 指纹检测风控进行处理&#xff0c;举例了一个案例并使用两种不同的破解方案进行突破&#xff0c;同时深入了解指纹间不同字符所代表的含义 指纹检测背景&#xff1a; 1、每一个设备、软件都有独属于自己的设备信息、版本号、加密算法、椭圆算法…...

WPF-Avalonia实践一两个页面的相关传递

文章目录 注册两个ViewModel关联-Interaction在 Avalonia 框架中的 Interaction作用目的典型的使用场景显示对话框:文件操作:定义交互属性示例代码视图层处理交互总结例子-实现两个界面信息传递Interaction注册在主VIEWModel中注册异步方法按钮主viewModel对应的显示xaml-使用…...

无人机实战系列(三)本地摄像头+远程GPU转换深度图

这篇文章将结合之前写的两篇文章 无人机实战系列&#xff08;一&#xff09;在局域网内传输数据 和 无人机实战系列&#xff08;二&#xff09;本地摄像头 Depth-Anything V2 实现了以下功能&#xff1a; 本地笔记本摄像头发布图像 远程GPU实时处理&#xff08;无回传&#…...

LeetCode:数组异或操作

数组异或操作 描述 给你两个整数&#xff0c;n 和 start 。 数组 nums 定义为&#xff1a;nums[i] start 2*i&#xff08;下标从 0 开始&#xff09;且 n nums.length 。 请返回 nums 中所有元素按位异或&#xff08;XOR&#xff09;后得到的结果。 示例 1&#xff1a;…...

【前端】Axios AJAX Fetch

不定期更新&#xff0c;建议关注收藏点赞。 目录 AxiosAJAXCORS 允许跨域请求 Fetch Axios axios 是一个基于 Promise 的 JavaScript HTTP 客户端&#xff0c;用于浏览器和 Node.js 中发送 HTTP 请求。它提供了一个简单的 API 来发起请求&#xff0c;并处理请求的结果。axios …...

C++ 继承与运算符重载的简单练习

1.长方形的继承类 #include <iostream> #include <cstring> #include <cstdlib> #include <unistd.h> #include <sstream> #include <vector> #include <memory>using namespace std; class AB{ private:int a;int …...

pycharm技巧--鼠标滚轮放大或缩小 Pycharm 字体大小

1、鼠标滚轮调整字体 设置 Ctrl 鼠标滚轮调整字体大小 备注&#xff1a; 第一个是活动窗口&#xff0c;即缩放当前窗口 第二个是所有编辑器窗口&#xff0c;即缩放所有窗口的字体 2、插件 汉化包&#xff1a; Chinese Simplified 包...

deepseek 导出导入模型(docker)

前言 实现导出导入deepseek 模型。deepseek 安装docker下参考 docker 导出模型 实际生产环境建议使用docker-compose.yml进行布局&#xff0c;然后持久化ollama模型数据到本地参考 echo "start ollama" docker start ollama#压缩容器内文件夹&#xff0c;然后拷贝…...

STM32——HAL库开发笔记21(定时器2—输出比较)(参考来源:b站铁头山羊)

本文主要讲述输出比较及PWM信号相关知识。 一、概念 所谓输出比较&#xff0c;就是通过单片机的定时器向外输出精确定时的方波信号。 1.1 PWM信号 PWM信号即脉冲宽度调制信号。PWM信号的占空比 &#xff08;高电压 所占周期 / 整个周期&#xff09; * 100% 。所以PWM信号…...

【报错解决】vue打开界面报错Uncaught SecurityError: Failed to construct ‘WebSocket‘

问题描述&#xff1a; vue运行时正常&#xff0c;但是打开页面后报错 Uncaught SecurityError: Failed to construct WebSocket: An insecure WebSocket connection may not be initiated from a page loaded over HTTPS. 解决方案&#xff1a; 在项目列表中的public下的ind…...

【初探数据结构】时间复杂度和空间复杂度

&#x1f4ac; 欢迎讨论&#xff1a;在阅读过程中有任何疑问&#xff0c;欢迎在评论区留言&#xff0c;我们一起交流学习&#xff01; &#x1f44d; 点赞、收藏与分享&#xff1a;如果你觉得这篇文章对你有帮助&#xff0c;记得点赞、收藏&#xff0c;并分享给更多对数据结构感…...

将DeepSeek接入vscode的N种方法

接入deepseek方法一:cline 步骤1:安装 Visual Studio Code 后,左侧导航栏上点击扩展。 步骤2:搜索 cline,找到插件后点击安装。 步骤3:在大模型下拉菜单中找到deep seek,然后下面的输入框输入你在deepseek申请的api key,就可以用了 让deepseek给我写了一首关于天气的…...

《TransMamba:一种混合Transformer-Mamba网络用于单图像去雨》学习笔记

paper&#xff1a;2409.00410 GitHub&#xff1a;sunshangquan/TransMamba 目录 摘要 1、介绍 2、相关工作 2.1 单图像去雨 2.2 视觉Transformer 2.3 光谱域中的Transformer 2.4 光谱域中的图像恢复 2.5 视觉Mamba 3、方法 3.1 整体网络架构 3.2 光谱域变换块&am…...

危化品经营单位安全管理人员的职责及注意事项

危化品经营单位安全管理人员肩负着保障经营活动安全的重要责任&#xff0c;以下是其主要职责及注意事项&#xff1a; 职责 1. 安全制度建设与执行&#xff1a;负责组织制定本单位安全生产规章制度、操作规程和生产安全事故应急救援预案&#xff0c;确保这些制度符合国家相关法…...

安装Redis并把Redis设置成windows下的服务然后进行Redis实例演示

目录 &#xff08;一&#xff09;安装Redis &#xff08;二&#xff09;Redis设置成windows下的服务 1、把redis设置成windows下的服务 2、设置服务命令 &#xff08;三&#xff09;Redis实例演示 1、Redis插入数据 2、Redis修改数据 3、Redis删除数据 4、Redis查询数…...

基于 Python 的项目管理系统开发

基于 Python 的项目管理系统开发 一、引言 在当今快节奏的工作环境中&#xff0c;有效的项目管理对于项目的成功至关重要。借助信息技术手段开发项目管理系统&#xff0c;能够显著提升项目管理的效率和质量。Python 作为一种功能强大、易于学习且具有丰富库支持的编程语言&…...

牛客周赛 Round 82(思维、差分、树状数组、大根堆、前后缀、递归)

文章目录 牛客周赛 Round 82&#xff08;思维、差分、树状数组、大根堆、前后缀、递归&#xff09;A. 夹心饼干B. C. 食堂大作战&#xff08;思维&#xff09;D. 小苯的排列计数(差分、树状数组)E. 和和&#xff08;大根堆&#xff0c;前缀和&#xff09;F. 怎么写线性SPJ &…...

【python】解析自动化脚本文件并按照=测试周期=存储记录

【python】连接Jira获取token以及jira对象 【python】解析自动化脚本文件并按照测试周期存储记录 【python】向Jira推送自动化用例执行成功 【python】向Jira测试计划下&#xff0c;附件中增加html测试报告 将已编写的自动化测试用例按照jira号解析出来&#xff0c;并按照测试计…...

一种简单有效的分析qnx+android智能座舱项目中的画面闪烁的方法(8155平台)

在智能座舱项目的开发过程中&#xff0c;画面闪烁问题是一个常见但棘手的挑战。由于这些闪烁现象往往转瞬即逝&#xff0c;传统的分析工具如截图、录屏或dump图层等方法难以捕捉和定位问题根源。针对这一难题&#xff0c;本文介绍了一种较为有效的分析方法&#xff0c;能够帮助…...

架构师论文《论湖仓一体架构及其应用》

软考论文-系统架构设计师 摘要 作为某省级商业银行数据中台建设项目技术负责人&#xff0c;我在2020年主导完成了从传统数据仓库向湖仓一体架构的转型。针对日益增长的支付流水、用户行为埋点及信贷审核影像文件等多模态数据处理需求&#xff0c;原有系统存在存储成本激增、实…...

一篇文章学懂Vuex

一、基于VueCli自定义创建项目 233 344 二、Vuex 初始准备 建项目的时候把vuex勾选上就不用再yarn add vuex3了 store/index.js // 这里面存放的就是vuex相关的核心代码 import Vuex from vuex import Vue from vue// 插件安装 Vue.use(Vuex)// 创建仓库&#xff08;空仓库…...

模拟实现Java中的计时器

定时器是什么 定时器也是软件开发中的⼀个重要组件. 类似于⼀个 "闹钟". 达到⼀个设定的时间之后, 就执⾏某个指定好的代码. 前端/后端中都会用到计时器. 定时器是⼀种实际开发中⾮常常⽤的组件. ⽐如⽹络通信中, 如果对⽅ 500ms 内没有返回数据, 则断开连接尝试重…...

全面理解-深拷贝与浅拷贝

在 C 中&#xff0c;深拷贝&#xff08;Deep Copy&#xff09; 和 浅拷贝&#xff08;Shallow Copy&#xff09; 是两种完全不同的对象拷贝策略&#xff0c;主要区别在于对指针和动态分配资源的处理方式。正确理解二者的区别是避免内存泄漏、悬空指针和程序崩溃的关键。 一、核…...

20250212:https通信

1:防止DNS劫持:使用 https 进行通信。 因为是SDK授权开发,需要尽量压缩so库文件和三方依赖。所以第一想法是使用 head only 的 cpp-httplib 进行开发。 cpp-httplib 需要 SSL 版本是 3.0及以上。但本地已经在开发使用的是1.0.2a版本,不满足需求。 方案1:升级OpenSSL 将Op…...