当前位置：首页 > news >正文

PCA（主成分分析）核心原理

news 来源：原创 2025/8/25 15:28:34

一、PCA（主成分分析）核心原理

即主成分分析技术，又称主分量分析技术，旨在利用降维的思想，把多指标转化为少数几个综合指标。在统计学中，主成分分析PCA是一种简化数据集的技术。它是一个线性变换。这个变换把数据变换到一个新的坐标系统中，使得任何数据投影的第一大方差在第一个坐标(称为第一主成分)上，第二大方差在第二个坐标(第二主成分)上，依次类推。主成分分析经常用于减少数据集的维数，同时保持数据集的对方差贡献最大的特征。这是通过保留低阶主成分，忽略高阶主成分做到的。这样低阶成分往往能够保留住数据的最重要方面。但是，这也不是一定的，要视具体应用而定。

1️⃣ 数学本质

目标：找到一组正交基，使得数据投影到这些基上的方差最大化
数学推导：
1. 计算协方差矩阵 $\frac{1}{n}X^TX$
2. 特征值分解 $V\Lambda V^T$
3. 选择前k大特征值对应的特征向量组成投影矩阵 $W_k$

2️⃣ 方差解释率

单个主成分： $\frac{\lambda_i}{\sum \lambda_j}$
累计解释率： $\frac{\sum_{i=1}^k \lambda_i}{\sum \lambda_j}$

二、Python代码实现

1️⃣ 基础应用（Scikit-learn）

from sklearn.decomposition import PCA
from sklearn.preprocessing import StandardScaler
from sklearn.datasets import load_iris# 数据标准化
scaler = StandardScaler()
X_scaled = scaler.fit_transform(load_iris().data)# PCA降维
pca = PCA(n_components=0.95)  # 保留95%方差
X_pca = pca.fit_transform(X_scaled)print(f"原始维度: {X_scaled.shape[1]}")
print(f"降维后维度: {X_pca.shape[1]}")
print(f"各主成分方差解释率: {pca.explained_variance_ratio_}")

2️⃣ 特征可视化

import matplotlib.pyplot as pltplt.scatter(X_pca[:,0], X_pca[:,1], c=load_iris().target)
plt.xlabel('PC1 ({:.1f}%)'.format(pca.explained_variance_ratio_[0]*100))
plt.ylabel('PC2 ({:.1f}%)'.format(pca.explained_variance_ratio_[1]*100))
plt.title('PCA Projection')
plt.show()

三、关键参数解析

参数	类型	作用	推荐设置
`n_components`	int/float	指定保留主成分数或方差比例	0.85~0.99（常用0.95）
`svd_solver`	str	选择SVD求解器	‘auto’（自动选择）
`whiten`	bool	是否白化数据	需要时设为True

四、工业级最佳实践

1️⃣ 数据预处理流程

2️⃣ 主成分数量选择

肘部法则：绘制累计方差曲线，选择拐点

pca = PCA().fit(X_scaled)
plt.plot(np.cumsum(pca.explained_variance_ratio_))
plt.axhline(y=0.95, color='r', linestyle='--')
plt.xlabel('主成分数量')
plt.ylabel('累计方差解释率')

五、应用场景与案例

领域	应用方式	案例效果
图像处理	人脸识别（Eigenfaces）	500x500 → 100维，准确率保持90%+
金融风控	去除多重共线性	VIF从50降至<5
生物信息学	基因表达数据降维	20000基因 → 50主成分
推荐系统	用户-物品矩阵降维	提升协同过滤效率3倍

六、常见问题解答

1️⃣ PCA前为什么要标准化？

消除量纲影响，防止方差大的特征主导主成分方向

2️⃣ PCA与LDA的区别？

特性	PCA	LDA
监督性	无监督	有监督
优化目标	最大方差	类间最大/类内最小
降维上限	无限制	最多c-1维（c为类别数）

3️⃣ PCA是否损失信息？

是，但通过控制累计方差解释率（如≥95%）可最大限度保留有效信息

七、进阶技巧

1️⃣ 增量PCA（处理大数据）

from sklearn.decomposition import IncrementalPCAipca = IncrementalPCA(n_components=10, batch_size=100)
for batch in np.array_split(X_scaled, 10):ipca.partial_fit(batch)
X_ipca = ipca.transform(X_scaled)

2️⃣ 核PCA（处理非线性）

from sklearn.decomposition import KernelPCAkpca = KernelPCA(n_components=2, kernel='rbf', gamma=0.04)
X_kpca = kpca.fit_transform(X_scaled)

八、数学验证（手工计算）详解

让我们通过一个简单示例逐步推导，理解PCA的数学本质：

步骤1：准备数据

X = np.array([[1,2], [3,4], [5,6]])  # 3个样本，2个特征

步骤2：中心化数据

计算每个特征的均值：
- 特征1均值：(1+3+5)/3 = 3
- 特征2均值：(2+4+6)/3 = 4
中心化（每个特征减去均值）：

原始数据 → 中心化后数据
[1,2] → [-2, -2]
[3,4] → [0, 0]
[5,6] → [2, 2]

步骤3：计算协方差矩阵

协方差矩阵公式：

$\frac{1}{n-1}X^TX$

实际计算：

X_centered = np.array([[-2, -2],[ 0,  0],[ 2,  2]])C = np.cov(X_centered.T)  # 转置后计算协方差矩阵
print(C)
# 输出：[[4. 4.]
#       [4. 4.]]

步骤4：特征值分解

求解特征方程：

$\lambda I| = 0$

即：

$\begin{vmatrix} 4-\lambda & 4 \\ 4 & 4-\lambda \end{vmatrix} = 0$

展开方程：

$(4-\lambda)^2 - 16 = 0 \\ \lambda^2 - 8\lambda = 0 \\ \lambda(\lambda - 8) = 0$

得到特征值：

$\lambda_1 = 8, \quad \lambda_2 = 0$

步骤5：求特征向量

对于λ=8：
解方程 $(C - 8 I) v = 0$ ：

$\begin{bmatrix} -4 & 4 \\ 4 & -4 \end{bmatrix} \begin{bmatrix} v_1 \\ v_2 \end{bmatrix} = 0$

得 $v_1 = v_2$ ，归一化得：

$v_1 = \begin{bmatrix} \frac{1}{\sqrt{2}} \\ \frac{1}{\sqrt{2}} \end{bmatrix}$

对于λ=0：
解方程 $(C - 0 I) v = 0$ ：

$\begin{bmatrix} 4 & 4 \\ 4 & 4 \end{bmatrix} \begin{bmatrix} v_1 \\ v_2 \end{bmatrix} = 0$

得 $v_1 = -v_2$ ，归一化得：

$v_2 = \begin{bmatrix} -\frac{1}{\sqrt{2}} \\ \frac{1}{\sqrt{2}} \end{bmatrix}$

几何解释可视化

import matplotlib.pyplot as plt# 原始数据与主成分方向
plt.figure(figsize=(10,4))# 原始数据
plt.subplot(121)
plt.scatter(X_centered[:,0], X_centered[:,1], c='r')
plt.axhline(0, color='gray', lw=0.5)
plt.axvline(0, color='gray', lw=0.5)
plt.title("原始中心化数据")
plt.grid(True)# 添加主成分方向
plt.subplot(122)
plt.scatter(X_centered[:,0], X_centered[:,1], c='r')
plt.quiver(0,0, 1/np.sqrt(2), 1/np.sqrt(2), angles='xy', scale_units='xy', scale=1, color='b', label='PC1 (λ=8)')
plt.quiver(0,0, -1/np.sqrt(2), 1/np.sqrt(2), angles='xy', scale_units='xy', scale=1, color='g', label='PC2 (λ=0)')
plt.axis('equal')
plt.title("主成分方向")
plt.legend()
plt.show()

在这里插入图片描述

关键结论

PC1方向（蓝色箭头）：数据在该方向的投影方差最大（λ=8）
PC2方向（绿色箭头）：投影方差为0 → 数据在该方向无变化
降维选择：只需保留PC1即可100%保留原始信息（因为第二个主成分方差为0）

思考题

假设有以下数据：

X_new = np.array([[2,3], [4,5], [6,7]])

尝试手工计算其协方差矩阵和主成分方向，验证是否也满足其中一个主成分方差为0？

PCA（主成分分析）核心原理

一、PCA（主成分分析）核心原理即主成分分析技术，又称主分量分析技术，旨在利用降维的思想，把多指标转化为少数几个综合指标。在统计学中，主成分分析PCA是一种简化数据集的技术。它是一个线性变换。这个变换…...

编程日记 2025/8/25 15:28:34

DeepSeek私有化部署6：openEuler 24.03-LTS-SP1安装Open WebUI

Open WebUI是一个 Open WebUI 是一个可扩展的、功能丰富、用户友好的自托管 AI 平台，专为完全离线运行而设计。它支持多种 LLM 运行环境，包括 Ollama 和 OpenAI 兼容的 API，并内置了用于 RAG 的推理引擎，是一个强大的 AI 部署解决…...

编程日记 2025/8/23 5:21:02

【一文学会 HTML5】

目录 HTML概述基本概念HTML 发展历程HTML 基本结构网页基本标签标题标签（<h1> - <h6>）段落标签（<p>）换行标签（<br>）水平线标签（<hr>）注释&#xff0…...

编程日记 2025/8/20 16:24:18

前端题目类型

HTMLCSS常见面试题 HTML标签有哪些行内元素 img、picture、span、input、textarea、select、label 说说你对元素语义化的理解元素语义化就是用正确的元素做正确的事情。虽然理论上所有html元素都可通过css样式实现相同效果，但这样会使事情复杂化，所以需…...

编程日记 2025/8/23 18:01:55

nodejs学习——nodejs和npm安装与系统环境变量配置及国内加速

nodejs和npm安装与系统环境变量配置及国内加速下载node-v22.14.0-x64.msi 建议修改为非C盘文件夹其它步骤，下一步，下一步，完成。打开CMD窗口查看安装详情 $ node -v v22.14.0 $ npm -v 10.9.2$ npm config list创建node_global和node_c…...

编程日记 2025/8/25 7:40:12

[视频编码]rkmpp 实现硬件编码

mpi_enc_test的命令参数描述说明命令参数的描述说明如下： 命令参数描述说明 -i 输入的图像文件。 -o 输出的码流文件。 -w 图像宽度，单位为像素。 -h 图像高度，单位为像素。 -hstride 垂直方向相邻两行之间的距离，单…...

编程日记 2025/8/23 2:14:44

Vue3实战学习（Vue3的基础语法学习与使用(超详细)）(3)

目录 （1）Vue3工程环境准备、项目基础脚手架搭建详细教程。(博客链接) （2）Vue3的基础语法学习与使用。 （1）"{{}}"绑定数据。 <1>ref()函数定义变量——绑定数据。 <2>reactive({...})…...

编程日记 2025/8/26 3:17:29

基于multisim的花样彩灯循环控制电路设计与仿真

1 课程设计的任务与要求 （一）、设计内容： 设计一个8路移存型彩灯控制器，基本要求： 1. 8路彩灯能演示至少三种花型（花型自拟）； 2. 彩灯用发光二极管LED模拟； 3. 选做…...

编程日记 2025/8/19 19:27:01

EasyRTC嵌入式视频通话SDK的跨平台适配，构建web浏览器、Linux、ARM、安卓等终端的低延迟音视频通信

1、技术背景 WebRTC是一项开源项目，旨在通过简单的API为浏览器和移动应用程序提供实时通信（RTC）功能。它允许在无需安装插件或软件的情况下，实现点对点的音频、视频和数据传输。 WebRTC由三个核心组件构成： GetUserM…...

编程日记 2025/8/20 20:15:52

【CSS】gap 属性详解

文章目录一、什么是 gap 属性1. 定义2. 语法3. 默认值二、gap 属性的基本用法1. 网格布局中的应用2. 弹性布局中的应用3. 单值和双值的区别三、gap 属性的实际应用场景1. 表单布局优化2. 图片网格布局四、gap 的注意事项1. 浏览器兼容性2. 替代 margin 的场景3. 不同布局的…...

编程日记 2025/8/26 3:17:28

【招聘精英】

我们公司是一个位于石家庄的一个科技型新型技术公司。主要做人力资源、用工、科技等方面。有意向回石家庄的或者已经在石家庄的技术大咖、软件大牛、产品大佬、UI大神可以来了解一下。现在招聘高级前端开发高级java开发其他岗位也可以联系。有意向的朋友可以私信我。 -…...

编程日记 2025/8/24 18:58:45

qt 操作多个sqlite文件

qt 操作多个sqlite文件 Chapter1 qt 操作多个sqlite文件1. 引入必要的头文件2. 创建并连接多个SQLite数据库3. 代码说明4. 注意事项 Chapter2 qt 多线程操作sqlite多文件1. 引入必要的头文件2. 创建数据库操作的工作线程类3. 在主线程中创建并启动多个工作线程4. 代码说明5. 运…...

编程日记 2025/8/24 1:10:10

【自学笔记】Numpy基础知识点总览-持续更新

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 Numpy基础知识点总览目录1. 简介Numpy是什么为什么使用Numpy 2. 数组对象（ndarray）创建数组数组的属性数组的形状操作 3. 数组的基本操作数组…...

编程日记 2025/8/19 12:13:57

DP 问题 -- LQR中的DP问题

深入地介绍线性二次调节问题（Linear Quadratic Regulator, LQR），并详细说明它作为动态规划（DP）的一个经典应用问题的求解过程。 📌 一、LQR问题定义（最优控制视角） LQR 问题是一种特…...

编程日记 2025/8/26 3:15:59

Win7重装不翻车！ISO镜像安全下载渠道+BIOS设置避雷手册

一、写在前面：为什么你需要这份教程？ 当电脑频繁蓝屏、系统崩溃甚至无法开机时，重装系统可能是最后的救命稻草。但市面上的教程往往存在三大痛点： ⚠️ 镜像来源不明导致系统被植入后门 ⚠️ 启动盘制作失败反复折腾 ⚠️ 操作失…...

编程日记 2025/8/24 18:30:26

CEF在MFC上的示例工程

CEF 在 MFC 中的使用工程配置 1、首先创建一个MFC对话框工程创建完运行测试效果如下 2、MFC工程引入CEF库将 CEF 目录下的 cef子目录下载解压后放到MFC工程中： 然后在VS中对工程右键 -> 属性 -> C/C -> 常规 -> 附加包含目录，添加“.\…...

编程日记 2025/8/26 3:17:30

#UVM# 关于 config_db 机制中的直线非直线设置和获取讲解

在 UVM 验证环境中，uvm_config_db 是一种强大的机制，用于在不同组件之间传递配置参数。实际应用中，我们经常使用直线和非直线的设置与获取。今天，着重回忆一下这些内容，希望实际中更加方便的使用。 UVM 树结构示例假设 UVM 树结构如下： uvm_test_top ├── env │ …...

编程日记 2025/8/26 3:16:00

[PWNME 2025] PWN 复现

这种比赛得0也不容易，前边暖声还是能作的。 GOT 指针前溢出，可以溢出到GOT表，然后把后门写上就行 Einstein 这个拿到WP也没复现成，最后自己改了一下。 int __cdecl handle() {int offset; // [rsp8h] [rbp-38h] BYREFunsigne…...

编程日记 2025/8/24 10:08:59

Java网络编程，多线程，IO流综合项目一一ChatBoxes

Java网络编程，多线程，IO流综合小项目一一ChatBoxes 作者：blue 时间：2025.3.7 文章目录 Java网络编程，多线程，IO流综合小项目一一ChatBoxes1.项目介绍2.项目源码剖析2.1客户端源码2.2客户端Sender线程Runn…...

编程日记 2025/8/26 3:15:58

大数据、人工智能、云计算、物联网、区块链序言【大数据导论】

这里是阿川的博客，祝您变得更强 ✨ 个人主页：在线OJ的阿川 💖文章专栏：大数据入门到进阶 🌏代码仓库： 写在开头现在您看到的是我的结论或想法，但在这背后凝结了大量的思考、经验和讨论这是目…...

编程日记 2025/8/25 22:30:20

【算法 C/C++】一维前缀和

2025 - 03 - 08 - 第 68 篇 Author: 郑龙浩 / 仟濹【一维前缀和】文章目录前缀和与差分 - 我的博客1 大体介绍2 计算某些区间的和( 不使用前缀和 )3 计算某些区间的和( 使用前缀和 ) 前缀和与差分 - 我的博客一维前缀和【算法 C/C】一维前缀和一维差分【算法 C/C】一维…...

编程日记 2025/8/23 4:29:17

【C++】：STL详解 —— 红黑树

目录平衡二叉查找树红黑树的概念红黑树的五大性质红黑树的效率红黑树和AVL树的比较插入与删除操作内存与实现复杂度经典性能数据对比总结对旋转的基本理解旋转的作用左旋（Left Rotation） 右旋（Right Rotation&#xf…...

编程日记 2025/8/21 15:31:04

【A2DP】SBC 编解码器互操作性要求详解

目录一、SBC编解码器互操作性概述二、编解码器特定信息元素（Codec Specific Information Elements） 2.1 采样频率（Sampling Frequency） 2.2 声道模式（Channel Mode） 2.3 块长度（Block Length） 2.4 子带数量（Subbands） 2.5 分配方法（Allocation Method） 2…...

编程日记 2025/8/25 15:45:42

Mysql的卸载安装配置以及简单使用

MySQL其它问题已经更新在：MySQL完善配置---可视化-CSDN博客一、卸载 ①控制面板卸载 ②C盘隐藏项目>ProgramData>mysql相关文件夹，还有Program file下的MySQL文件夹 ③开始菜单栏搜索>服务，找到MySQL相关服务删除，如果再…...

编程日记 2025/8/24 22:44:13

Ubuntu 下 nginx-1.24.0 源码分析 (1)

main 函数在 src\core\nginx.c int ngx_cdecl main(int argc, char *const *argv) {ngx_buf_t *b;ngx_log_t *log;ngx_uint_t i;ngx_cycle_t *cycle, init_cycle;ngx_conf_dump_t *cd;ngx_core_conf_t *ccf;ngx_debug_init(); 进入 main 函数最…...

编程日记 2025/8/20 12:32:31

驱动开发系列43 - Linux 显卡KMD驱动代码分析（四）- DRM设备操作

一：概述 DRM（Direct Rendering Manager）是Linux内核中的一个子系统，主要负责图形硬件的管理与图形渲染的加速。它为图形驱动提供了一个统一的接口，可以使用户空间程序与图形硬件进行直接交互，而无需通过X服务器或Wayland等显示管理器。DRM不仅用于管理显卡，还处理视频输…...

编程日记 2025/8/21 22:13:57

PAT乙级真题（2014·冬）

大纲 1031、查验身份证-（解析）-简单题 1032、挖掘机技术哪家强-（解析）-细节题(┬┬﹏┬┬)，太抠细节了 1033、旧键盘打字-（解析）-输入格式！这才是重点(┬┬﹏┬┬)，让…...

编程日记 2025/8/24 4:32:16

快速使用MASR V3版不能语音识别框架

前言本文章主要介绍如何快速使用MASR语音识别框架训练和推理，本文将致力于最简单的方式去介绍使用，如果使用更进阶功能，还需要从源码去看文档。仅需三行代码即可实现训练和推理。源码地址：https://github.com/yeyupiaoling/MA…...

编程日记 2025/8/24 8:23:31

学习笔记：Python网络编程初探之基本概念（一）

一、网络目的让你设备上的数据和其他设备上进行共享，使用网络能够把多方链接在一起，然后可以进行数据传递。网络编程就是，让在不同的电脑上的软件能够进行数据传递，即进程之间的通信。二、IP地址的作用用来标记唯一一台电脑…...

编程日记 2025/8/16 21:08:40

硬件基础（4）：（2）认识ADC参考电压

文章目录 1. **ADC参考电压的定义**2. **如何影响采样值**3. **参考电压的选择**4. **如何选择参考电压**5. **总结** **ADC参考电压（Vref）**是用于定义ADC采样范围的一个重要参数，以下是对 ADC 参考电压的详细解释： 1. ADC参考电…...

编程日记 2025/8/19 23:27:11

项目中同时使用Redis（lettuce）和Redisson的报错

温馨提示：图片有点小，可以放大页面进行查看... 问题1：版本冲突直接上图，这个错表示依赖版本不匹配问题，我本地SpringBoot用的是2.7，但是Redisson版本用的3.32.5。我们通过点击 artifactId跟进去发现它…...

编程日记 2025/8/23 0:02:17

工程化与框架系列（25）--低代码平台开发

低代码平台开发 🔧 引言低代码开发平台是一种通过可视化配置和少量代码实现应用开发的技术方案。本文将深入探讨低代码平台的设计与实现，包括可视化编辑器、组件系统、数据流管理等关键主题，帮助开发者构建高效的低代码开发平台。低代码…...

编程日记 2025/8/23 16:39:34

在CentOS系统上安装Conda的详细指南

前言 Conda 是一个开源的包管理系统和环境管理系统，广泛应用于数据科学和机器学习领域。本文将详细介绍如何在 CentOS 系统上安装 Conda，帮助您快速搭建开发环境。准备工作在开始安装之前，请确保您的 CentOS 系统已经满足以下条件&#x…...

编程日记 2025/8/17 14:51:46

系统思考—组织诊断

“未经过诊断的行动是盲目的。” — 托马斯爱迪生最近和一家教育培训机构沟通时，发现他们面临一个有意思的问题：每年招生都挺不错，但教师的整体绩效一直提升缓慢，导致师生之间存在长期的不匹配。管理层试了很多办法，…...

编程日记 2025/8/23 11:10:27

项目实战--网页五子棋（对战功能）(9)

上期我们完成了websocket建立连接后的数据初始化，今天我们完成落子交互的具体代码： 这里我们先复习一下，之前约定好的落子请求与响应包含的字段： 1. 发送落子请求我们在script.js文件中找到落子的相关方法，增加发送请…...

编程日记 2025/8/21 1:28:20

Ubuntu系统安装Apache2方法

Ubuntu系统安装Apache2方法一、安装 Apache2更新软件包列表安装 Apache2启动服务验证安装二、访问默认页面三、基本配置配置文件结构目录权限访问测试四、故障排除五、总结一、安装 Apache2 更新软件包列表在安装任何软件之前，建议先更新系统的软件包列表&am…...

编程日记 2025/8/22 23:46:50

DeepSeek R1-32B医疗大模型的完整微调实战分析（全码版）

DeepSeek R1-32B微调实战指南 ├── 1. 环境准备 │ ├── 1.1 硬件配置 │ │ ├─ 全参数微调：4*A100 80GB │ │ └─ LoRA微调：单卡24GB │ ├── 1.2 软件依赖 │ │ ├─ PyTorch 2.1.2+CUDA │ │ └─ Unsloth/ColossalAI │ └── 1.3 模…...

编程日记 2025/8/24 22:25:09

基于springboot和spring-boot-starter-data-jpa快速操作mysql数据库

1、创建springboot项目 2、pom.xml文件 <?xml version"1.0" encoding"UTF-8"?> <project xmlns"http://maven.apache.org/POM/4.0.0" xmlns:xsi"http://www.w3.org/2001/XMLSchema-instance"xsi:schemaLocation"http:…...

编程日记 2025/8/21 9:33:07

深度学习代码解读——自用

代码来自：GitHub - ChuHan89/WSSS-Tissue 借助了一些人工智能 2_generate_PM.py 功能总结该代码用于生成弱监督语义分割（WSSS）所需的伪掩码（Pseudo-Masks），是 Stage2 训练的前置步骤。其核心流程为&a…...

编程日记 2025/8/25 17:55:07

文件与目录权限

目录文件权限文件读权限（r) 文件写权限（w) 文件可执行权限(x) 目录权限目录读权限（r) 目录写权限（w) 文件可执行权限（x)（与文件权限最大不同之处） 注意在 Linux 系统中&#xff0c…...

编程日记 2025/8/24 2:10:58

算法005——有效三角形个数

力扣——有效三角形个数点击链接跳转判断三条边是否能组成三角形，大家第一时间想到的就是两边之和大于第三边但是运用这个方法，我们需要判断三次，有一个更简单的方法，只需要判断一次因为 C 已经是三边之中最大的了&#xff…...

编程日记 2025/8/21 19:05:41

Facebook 的隐私保护数据存储方案研究

Facebook 的隐私保护数据存储方案研究在这个信息爆炸的时代，数据隐私保护已成为公众关注的热点。Facebook，作为全球最大的社交媒体平台之一，承载着海量用户数据，其隐私保护措施和数据存储方案对于维护用户隐私至关重要。本文将深…...

编程日记 2025/8/23 14:00:31

如何高效利用Spring中的@Cacheable注解？

在现代软件开发中，缓存是提升应用性能的重要手段。Spring框架提供了Cacheable注解，帮助开发者轻松实现缓存机制。今天我们就来详细聊聊Cacheable注解的使用，看看它是如何让我们的应用更加高效的！ Cacheable注解的核心功能是缓存方…...

编程日记 2025/8/20 16:26:11

Qt 进度条与多线程应用、基于 Qt 的文件复制工具开发

练习1：Qt 进度条与多线程应用题目描述开发一个基于 Qt 的应用程序，该应用程序包含一个水平进度条（QSlider），并且需要通过多线程来更新进度条的值。请根据以下要求完成代码： 界面设计： 使用 QS…...

编程日记 2025/8/25 7:27:46

软件工程---构件

在软件工程中，构件是一个独立的、可复用的软件单元，它具有明确的功能、接口和行为，并且可以在不同的环境中加以集成和复用。构件的概念是软件架构和组件化开发的核心思想之一，其目的是促进软件系统的模块化、可维护性和可扩展性。…...

编程日记 2025/8/23 11:18:15

【算法 C/C++】二维差分

2025 - 03 - 08 - 第 71 篇 Author: 郑龙浩 / 仟濹【二维差分】文章目录前缀和与差分 - 我的博客差分(二维)1 大体思路 | 一些区间加某数的最终结果2 二维差分原理3 例题前缀和与差分 - 我的博客一维前缀和【算法 C/C】一维前缀和一维差分【算法 C/C】一维差分二维前…...

编程日记 2025/8/24 10:59:16

灰色地带规避：知识产权校验API的商标库模糊匹配算法

在反向海淘或其他电商业务场景中，为了规避知识产权方面的灰色地带，开发知识产权校验 API 并运用商标库模糊匹配算法是很有必要的。以下将详细介绍商标库模糊匹配算法的设计与实现： 算法设计思路商标库模糊匹配算法的核心目标是在给定一个待匹…...

编程日记 2025/8/19 21:16:34

LINUX网络基础 [五] - HTTP协议

目录 HTTP协议预备知识认识 URL 认识 urlencode 和 urldecode HTTP协议格式 HTTP请求协议格式 HTTP响应协议格式 HTTP的方法 HTTP的状态码编辑HTTP常见Header HTTP实现代码 HttpServer.hpp HttpServer.cpp Socket.hpp log.hpp Makefile Web根目录 H…...

编程日记 2025/8/23 16:14:12

嵌入式人工智能应用-第6章人脸检测

嵌入式人工智能应用人脸检测嵌入式人工智能应用1 人脸检测1.1 CNN 介绍1.2 人脸检测原理1.3 MTCNN介绍1.4 NCNN介绍2 系统安装2.1 安装依赖库NCNN2.2 运行对应的库3 总结1 人脸检测 1.1 CNN 介绍卷积神经网络。卷积是什么意思呢？从数学上说，卷积是一种运算。它是我们学习…...

编程日记 2025/8/23 9:56:50

编程考古-Borland历史：《.EXE Interview》对Anders Hejlsberg关于Delphi的采访内容（中）

为了纪念Delphi在2002年2月14日发布的25周年（2020.2.12），这里有一段由.EXE杂志编辑Will Watts于1995年对Delphi首席架构师Anders Hejlsberg进行的采访记录。在这次采访中，Anders讨论了Delphi的设计与发展，以及即将到来的针对Windows 95的32位版本。 Q. 编译器引擎本身是用…...

编程日记 2025/8/24 22:34:46