【数据分析】布朗运动(维纳过程)
文章目录
- 一、概述
- 二、数学布朗运动
- 2.1 数学定义
- 2.2 布朗运动的数学模型
- 2.21 标准布朗运动
- 2.22 布朗运动的路径
- 2.23 布朗运动的方程
- 三、布朗运动在金融学中的应用
- 四、数学构造(以傅里叶级数为例)
- 4.1 傅里叶级数的基本思想
- 4.2 构造布朗运动
一、概述
布朗运动(Brownian motion
)是微小粒子或者颗粒在流体中做的无规则运动。
布朗运动过程是一种正态分布
的独立增量连续随机过程。它是随机分析
中基本概念之一。
其基本性质为:布朗运动W(t)是期望为0、方差为t(时间)的正态随机变量。
可以证明布朗运动是马尔可夫过程、鞅过程和伊藤过程。
它是在公元1827年英国植物学家罗伯特·布朗利用一般的显微镜观察悬浮于水中由花粉所迸裂出之微粒时,发现微粒
会呈现不规则状的运动,因而称它布朗运动。
布朗运动也能测量原子的大小,因为就是由水中的水分子对微粒的碰撞产生的,而不规则的碰撞越明显,就是原子愈小,因此根据布朗运动,定义原子的直径为 1 0 − 8 10^{-8} 10−8厘米。
布朗运动指的是花粉迸出的微粒的随机运动,而不是分子的随机运动。但是通过布朗运动的现象可以间接证明分子的无规则运动。一般而言,花粉直径分布于30~50μm、最小亦有10μm,相较之下,水分子直径约0.3nm,略为花粉的十万分之一。因此,花粉难以产生不规则振动,事实上花粉几乎不受布朗运动之影响。在罗伯特·布朗的手稿中,“tiny particles from the pollen grains of flowers”意味着“自花粉粒中迸出之微粒子”,而非指花粉本身。然而在翻译为诸国语言时,时常受到误解,以为是“水中的花粉受布朗运动而呈现不规则运动”。积非成是之下,在大众一般观念中,此误会已然根深蒂固。(维基百科)
在布朗运动所讨论的微粒通常是指比分子和原子大得多的颗粒,这些颗粒可以是聚合物、胶体粒子或者是其他类型的微小悬浮物。这些颗粒的尺寸通常在纳米到微米级别,远大于单个分子或原子的尺寸。
布朗运动是由这些较大颗粒受到周围液体或气体中分子的随机碰撞引起的。由于分子和原子的尺寸非常小,它们在这种尺度上的行为表现为连续的流体,而不是作为单独的粒子。因此,布朗运动中的微粒不是分子或原子,而是被分子和原子的集体行为所影响的较大颗粒。
朗运动有下列的主要特性:
- 粒子的运动由平移及转移所构成,显得非常没规则而且其轨迹几乎是处处没有切线。
- 粒子之移动显然互不相关,甚至于当粒子互相接近至比其直径小的距离时也是如此。
- 粒子越小或液体粘性越低或温度越高时,粒子的运动越活泼。
- 粒子的成分及密度对其运动没有影响。
- 粒子的运动永不停止。
二、数学布朗运动
也称为维纳过程
。
2.1 数学定义
从数学的角度看,布朗运动是一个连续时间、连续状态的随机过程,通常用 B t B_t Bt来表示其在时间 t t t的取值。具体地,布朗运动有以下几个重要的特征:
- 起始值为零: B 0 = 0 B_0 = 0 B0=0。
- 独立增量:对于任意时刻 t 1 < t 2 < ⋯ < t n t_1 < t_2 < \dots < t_n t1<t2<⋯<tn,增量 B t i + 1 − B t i B_{t_{i+1}} - B_{t_i} Bti+1−Bti是独立的,并且这些增量的分布不依赖于过去的值。
- 正态分布增量:增量 B t + s − B t B_{t+s} - B_t Bt+s−Bt服从均值为0、方差为 s s s的正态分布,即 B t + s − B t ∼ N ( 0 , s ) B_{t+s} - B_t \sim \mathcal{N}(0, s) Bt+s−Bt∼N(0,s)。
- 连续性: B t B_t Bt是连续的,但几乎处处不可微,即对每一个 t t t, B t B_t Bt有连续的轨迹,但是其导数(如果存在)几乎处处为零。
- 独立性和正态性:布朗运动的增量服从正态分布,并且增量是独立的。这使得布朗运动在很多情况下成为一个简单且有效的模型,尤其在金融数学中,作为股票价格或其他资产价格变动的模型。
2.2 布朗运动的数学模型
2.21 标准布朗运动
标准布朗运动通常是指满足上述性质的一个随机过程,其常见的数学表示形式为:
B t ∼ N ( 0 , t ) 且 B 0 = 0. B_t \sim \mathcal{N}(0, t) \quad \text{且} \quad B_0 = 0. Bt∼N(0,t)且B0=0.
这意味着,对于任意时刻 t t t,布朗运动 B t B_t Bt的分布是均值为0、方差为 t t t的正态分布。
2.22 布朗运动的路径
布朗运动的路径是连续的,但不光滑。虽然布朗运动在任何时刻都是有定义的,但它几乎无处可微。更准确地说,布朗运动的轨迹几乎无处具有有限的导数,这意味着轨迹是非常不规则的。
布朗运动路径的一个典型特点是不可预测性,即使已知了过去的所有历史,布朗运动的未来路径也无法准确预测。路径的变化完全是随机的,无法通过常规的物理法则来预测。
2.23 布朗运动的方程
布朗运动常通过随机微分方程(SDE
)来描述。一个标准的布朗运动可以用以下的随机微分方程来表示:
d B t = σ d W t dB_t = \sigma dW_t dBt=σdWt
其中 σ \sigma σ是常数, W t W_t Wt表示标准布朗运动, d B t dB_t dBt是布朗运动的增量。
这种方程可以看作是描述随机运动的“微分方程”,其中 W t W_t Wt是一个标准的布朗运动, σ \sigma σ控制着布朗运动的波动幅度。
三、布朗运动在金融学中的应用
布朗运动最著名的应用之一是在金融领域的随机过程模型中,尤其是用于描述股票价格的变动。通过布朗运动模型,金融学家能够捕捉股票价格变化的随机性,并以此来定价期权、评估风险、制定交易策略等。
在布莱克-斯科尔斯期权定价模型(Black-Scholes Model)中,资产价格 S t S_t St通常被假设为服从几何布朗运动(Geometric Brownian Motion, GBM),即:
d S t = μ S t d t + σ S t d B t dS_t = \mu S_t dt + \sigma S_t dB_t dSt=μStdt+σStdBt
其中 μ \mu μ是资产的期望回报率, σ \sigma σ是波动率, B t B_t Bt是标准布朗运动。
四、数学构造(以傅里叶级数为例)
利用傅里叶级数(Fourier Series)构造布朗运动的思想基于随机过程的扩展与分解方法。
布朗运动是一种具有独立增量和正态分布增量的随机过程,其增量的方差与时间的间隔成正比。为了利用傅里叶级数构造布朗运动,需要借助一种表示方法,将布朗运动的路径视为一系列独立的正弦和余弦项的叠加。
4.1 傅里叶级数的基本思想
傅里叶级数通常用于将一个周期性的函数表示为一组正弦和余弦函数的和。
将布朗运动的增量看作是这些正弦项的组合,每个正弦项的频率、振幅等特性根据布朗运动的独立增量和正态分布的特性来设置。
傅里叶级数表示为:
f ( t ) = ∑ n = 1 ∞ a n sin ( n ω t ) + b n cos ( n ω t ) f(t) = \sum_{n=1}^{\infty} a_n \sin(n \omega t) + b_n \cos(n \omega t) f(t)=n=1∑∞ansin(nωt)+bncos(nωt)
其中 a n a_n an和 b n b_n bn是傅里叶级数的系数, ω \omega ω是频率。
4.2 构造布朗运动
用一个随机过程的傅里叶级数展开,其中每个系数是由独立的正态分布随机变量决定的。具体步骤如下:
-
选择正弦函数的频率
设定傅里叶级数中正弦项的频率为 n n n(即 n ω n \omega nω)。通常,可以选择频率逐渐递增,即:
ω n = n \omega_n = n ωn=n
这意味着每个频率是一个整数倍,符合傅里叶级数的基本构造方法。 -
生成正态分布的随机变量
对于每一个频率 n n n,给定一个随机变量 X n X_n Xn,它是服从正态分布的。即
X n ∼ N ( 0 , 1 ) X_n \sim \mathcal{N}(0, 1) Xn∼N(0,1)
其中 N ( 0 , 1 ) \mathcal{N}(0, 1) N(0,1)表示均值为0,方差为1的标准正态分布。注意,正态分布的增量是独立的,因此 X n X_n Xn是彼此独立的。 -
构造布朗运动增量
布朗运动的增量服从正态分布,且每个增量的方差与时间间隔成正比。为了使构造的过程符合布朗运动的特性,假设在时间间隔 [ 0 , T ] [0, T] [0,T]内,布朗运动 B ( t ) B(t) B(t)的增量在时间 t t t处的方差为 t t t,将布朗运动的增量表示为:
B ( t ) = ∑ n = 1 ∞ X n n sin ( n t ) B(t) = \sum_{n=1}^{\infty} \frac{X_n}{\sqrt{n}} \sin(n t) B(t)=n=1∑∞nXnsin(nt)
这里, X n n \frac{X_n}{\sqrt{n}} nXn是归一化的系数,使得每个增量的方差为 t t t,即
E [ B ( t ) 2 ] = t \mathbb{E}[B(t)^2] = t E[B(t)2]=t
这个构造方式确保了布朗运动的方差随着时间 t t t的增长而增长,并且增量之间是独立的。
由于傅里叶级数中包含无穷多个项,为了保证所构造的过程具有连续的路径,可以通过适当的截断和正则化来确保级数在有限的时间内收敛。实际操作中,可以将级数截断为有限项,得到一个近似的布朗运动过程,随着项数的增加,布朗运动的路径会越来越精确。
-
完整描述
综上所述,布朗运动可以通过如下的傅里叶级数形式来构造:
B ( t ) = ∑ n = 1 ∞ X n n sin ( n t ) B(t) = \sum_{n=1}^{\infty} \frac{X_n}{\sqrt{n}} \sin(n t) B(t)=n=1∑∞nXnsin(nt)
其中 X n X_n Xn是独立的标准正态分布随机变量, X n n \frac{X_n}{\sqrt{n}} nXn是归一化系数,确保增量的方差是 t t t,并且布朗运动在整个时间区间内是连续的。 -
路径的性质
通过傅里叶级数构造的布朗运动具有以下性质:- 增量的独立性:每个 X n X_n Xn都是独立的随机变量,因此,布朗运动的增量是独立的。
- 增量的正态分布:每个增量 X n X_n Xn服从标准正态分布,因此布朗运动的增量服从正态分布。
- 方差与时间成正比:由于每个项的系数 X n n \frac{X_n}{\sqrt{n}} nXn和正弦函数的频率逐渐增大,布朗运动的方差随着时间增长而增长,且为 t t t。
- 连续性:尽管级数中有无穷多项,使用合适的截断或正则化方法,可以保证布朗运动的路径是连续的。
相关文章:
【数据分析】布朗运动(维纳过程)
文章目录 一、概述二、数学布朗运动2.1 数学定义2.2 布朗运动的数学模型2.21 标准布朗运动2.22 布朗运动的路径2.23 布朗运动的方程 三、布朗运动在金融学中的应用四、数学构造(以傅里叶级数为例)4.1 傅里叶级数的基本思想4.2 构造布朗运动 一、概述 布…...
静态页面 和 动态页面(Java Web开发)
1. 静态页面 1.1 什么是静态页面? 静态页面是指 HTML 文件直接存放在服务器上,不依赖后端逻辑处理而生成内容。客户端浏览器请求静态页面时,服务器直接将文件发送到客户端,浏览器负责渲染页面。 特点: 固定内容&am…...
linux模拟试题
Linux 基础阶段考试笔试模拟试卷 审核人:王旺旺 一.填空题(每题 1 分,共 30 分) 1.验证 httpd 服务是否启动的命令是_______ 答:systemctl status httpd 或 netstat -anptl 或 ss -anpt 2.将目录 xxhf 下所有文件的所属组改为 user1 的命令是_______ 答:chown -R ,user1 …...
Android 使用OpenGLES + MediaPlayer 获取视频截图
概述 Android 获取视频缩略图的方法通常有: ContentResolver: 使用系统数据库MediaMetadataRetriever: 这个是android提供的类,用来获取本地和网络media相关文件的信息ThumbnailUtils: 是在android2.2(api8)之后新增的一个,该类为…...
典型的1553B网络
典型的1553B网络 1553B总线BUS A和BUS B是互为冗余的、完全对等、物理隔离的两个网络。每一个节点设备也配置有互为冗余的A、B两个1553B接口,分别接入BUS A和BUS B。系统完成初始化配置后,首先采用BUS A来通讯。工作过程中,如果发现BUS A的工…...
【C++】内存管理
【C】内存管理 一、C/C内存分布二、C语言中动态内存管理方式三、C内存管理方式1、new 和 delete 操作内置类型2、new 和 delete 操作自定义类型 四、operator new 和 operator delete 函数五、new 和 delete 的实现原理1、内置类型2、自定义类型3、new和delete不匹配的报错 六、…...
实现PDF文档加密,访问需要密码
01. 背景 今天下午老板神秘兮兮的来问我,能不能做个文档加密功能,就是那种用户下载打开需要密码才能打开的那种效果。boss都发话了,那必须可以。 需求:将 pdf 文档经过加密处理,客户下载pdf文档,打开文档需…...
常见排序算法总结 (三) - 归并排序与归并分治
归并排序 算法思想 将数组元素不断地拆分,直到每一组中只包含一个元素,单个元素天然有序。之后用归并的方式收集跨组的元素,最终形成整个区间上有序的序列。 稳定性分析 归并排序是稳定的,拆分数组时会自然地将元素分成有先后…...
文库 | 从嬴图的技术文档聊起
在技术的浩瀚海洋中,一份优秀的技术文档宛如精准的航海图。它是知识传承的载体,是团队协作的桥梁,更是产品成功的幕后英雄。然而,打造这样一份出色的技术文档并非易事。你是否在为如何清晰阐释复杂技术而苦恼?是否纠结…...
故障诊断 | Transformer-LSTM组合模型的故障诊断(Matlab)
效果一览 文章概述 故障诊断 | Transformer-LSTM组合模型的故障诊断(Matlab) 源码设计 %% 初始化 clear close all clc disp(此程序务必用2023b及其以上版本的MATLAB!否则会报错!) warning off %...
VScode离线下载扩展安装
在使用VScode下在扩展插件时,返现VScode搜索不到插件,网上搜了好多方法,都不是常规操作,解决起来十分麻烦,可以利用离线下载安装的方式安装插件!亲测有效!!! 1.找到VScod…...
【AI系统】昇腾异构计算架构 CANN
昇腾异构计算架构 CANN 本文将介绍昇腾 AI 异构计算架构 CANN(Compute Architecture for Neural Networks),这是一套为高性能神经网络计算需求专门设计和优化的架构。CANN 包括硬件层面的达芬奇架构和软件层面的全栈支持,旨在提供…...
云服务器重装系统后 一些报错与解决[ vscode / ssh / 子用户]
碰见的三个问题: 1.vscode连接失败 2.登录信息配置 3.新建子用户的一些设置 思考:遇见问题,第一反应 应该如何解决 目录 1. 错误 解决方法 原因 步骤 1:找到known_hosts文件并编辑 步骤 2:通过VSCode终端输入…...
架构设计之路,永无尽头
1. 插件式架构 2. SRP:单一职责原则 3. 链接加载器??? 4. 端口适配器架构 5. 六边形架构 6. MVC架构 7. 领域驱动架构 8. 敏捷开发 9. 打台球的时候每打一杆是为了下几杆,而不是为了打到洞中。 10. 画出一个图࿰…...
【AI系统】Ascend C 语法扩展
Ascend C 语法扩展 Ascend C 的本质构成其实是标准 C加上一组扩展的语法和 API。本文首先对 Ascend C 的基础语法扩展进行简要介绍,随后讨论 Ascend C 的两种 API——基础 API 和高阶 API。 接下来针对 Ascend C 的几种关键编程对象——数据存储、任务间通信与同步…...
驱动篇的开端
准备 在做之后的动作前,因为win7及其以上的版本默认是不支持DbgPrint(大家暂时理解为内核版的printf)的打印,所以,为了方便我们的调试,我们先要修改一下注册表 创建一个reg文件然后运行 Windows Registr…...
树莓派4B使用opencv读取摄像头配置指南
本文自己记录,给我们lab自己使用,其他朋友们不一定完全适配,请酌情参考。 一. 安装opecnv 我们的树莓派4B默认是armv7l架构,安装的miniconda最新的版本 Miniconda3-latest-Linux-armv7l.sh 仍然是python3.4几乎无法使用ÿ…...
【AI日记】24.12.03 kaggle 比赛 Titanic-6
【AI论文解读】【AI知识点】【AI小项目】【AI战略思考】【AI日记】 工作 内容:学习 kaggle 入门比赛 Titanic - Machine Learning from Disaster时间:7 小时评估:继续 读书 书名:美丽新世界时间:1 小时阅读原因&…...
Linux中的常用基本指令(下)
Linux常用基本指令 Linux中的基本指令12.head指令13.tail指令简单解释重定向与管道(重要) 14.date指令(时间相关的指令)15.cal指令(不重要)16.find指令(灰常重要)17.grep指令(重要)18.which指令和alias指令19.zip/unzip指令:20.tar指令(重要&…...
python笔记3
复习及总结 python的软件安装及简单使用——python3.31 pycharm python的输出:print() 简单(直接)输出 print()输出到指定文件 fpopen(rC:\Users\M15R3\Desktop\1.txt,a) print("334…...
电商营销活动-抽奖业务
目录 一、抽奖系统的核心功能 二、抽奖系统的业务逻辑 三、抽奖系统的业务优势 四、抽奖系统的业务注意事项 电商营销活动中的抽奖系统业务,是一种通过设立抽奖活动来吸引用户参与、提升用户活跃度和转化率的营销手段。以下是对电商营销活动抽奖系统业务的详细解…...
利用 Redis 与 Lua 脚本解决秒杀系统中的高并发与库存超卖问题
1. 前言 1.1 秒杀系统中的库存超卖问题 在电商平台上,秒杀活动是吸引用户参与并提升销量的一种常见方式。秒杀通常会以极低的价格限量出售某些商品,目的是制造紧迫感,吸引大量用户参与。然而,这种活动的特殊性也带来了许多技术挑…...
《山海经》:北山
《山海经》:北山 北山一经单狐山求如山(水马:形状与马相似,滑鱼:背部红色)带山(䑏疏:似马,一只角,鵸鵌:状乌鸦五彩斑斓,儵鱼ÿ…...
React基础教程(12):useRef的使用
12、useRef useRef 是 React 中的一个 Hook,主要用于访问和操作 DOM 元素以及保存组件的可变引用值。它是一个工具,用来避免重新渲染组件的情况下保持某些状态或引用的值。 使用场景: 使用场景 访问 DOM 元素 当需要直接操作某个 DOM 元素(如聚焦、滚动等)时,可以使用…...
释放超凡性能,打造鸿蒙原生游戏卓越体验
11月26日在华为Mate品牌盛典上,全新Mate70系列及多款全场景新品正式亮相。在游戏领域,HarmonyOS NEXT加持下游戏的性能得到充分释放。HarmonyOS SDK为开发者提供了软硬协同的系统级图形加速解决方案——Graphics Accelerate Kit(图形加速服务…...
Linux--Debian或Ubuntu上扩容、挂载磁盘并配置lvm
一、三块12TB组RAID 5 可用容量约24TB 二、安装LVM工具(已安装请忽略) sudo apt-get install lvm2二、查看可用磁盘 sudo lsblk 或者 sudo fdisk -l三、创建物理卷(PV) 选中刚做的磁盘组 sudo pvcreat /dev/sdb1四、创建卷组…...
我谈冈萨雷斯对频域滤波的误解——快速卷积与频域滤波之间的关系
在Rafael Gonzalez和Richard Woods所著的《数字图像处理》中,Gonzalez对频域滤波是有误解的,在频域设计滤波器不是非得图像和滤波器的尺寸相同,不是非得在频域通过乘积实现。相反,FIR滤波器设计都是构造空域脉冲响应。一般的原则是…...
Leetcoed:3274
1,题目 2,思路 把俩个字符串坐标拆开比较二进制, 如a1与b2 ,a与b比较为false ,1与2比较为false,最后俩个结果比较返回true 3,代码 class Solution3274 {public boolean checkTwoChessboards(String str1, String str2) {return (str1.char…...
LabVIEW实现串口调试助手
目录 1、串口通信原理 2、硬件环境部署 3、串口通信函数 4、程序架构 5、前面板设计 6、程序框图设计 本专栏以LabVIEW为开发平台,讲解物联网通信组网原理与开发方法,覆盖RS232、TCP、MQTT、蓝牙、Wi-Fi、NB-IoT等协议。 结合实际案例,展示如何利用LabVIEW和常用模块实现物联…...
ASP.NET Core项目中使用SqlSugar连接多个数据库的方式
之前学习ASP.NETCore及SqlSugar时都是只连接单个数据库处理数据,仅需在Program文件中添加ISqlSugarClient的单例即可(如下代码所示)。 builder.Services.AddSingleton<ISqlSugarClient>(s > {SqlSugarScope sqlSugar new SqlSugar…...
leetcode hot100【Leetcode 72.编辑距离】java实现
Leetcode 72.编辑距离 题目描述 给定两个单词 word1 和 word2,返回将 word1 转换为 word2 所使用的最少操作数。 你可以对一个单词执行以下三种操作之一: 插入一个字符删除一个字符替换一个字符 示例 1: 输入: word1 "horse", word2 &…...
【开源免费】基于Vue和SpringBoot的服装生产管理系统(附论文)
博主说明:本文项目编号 T 066 ,文末自助获取源码 \color{red}{T066,文末自助获取源码} T066,文末自助获取源码 目录 一、系统介绍二、演示录屏三、启动教程四、功能截图五、文案资料5.1 选题背景5.2 国内外研究现状5.3 可行性分析…...
Android13 允许桌面自动旋转
一)需求-场景 Android13 实现允许桌面自动旋转 Android13 版本开始后,支持屏幕自动旋转,优化体验和兼容性,适配不同屏幕 主界面可自动旋转 二)参考资料 android framework13-launcher3【06手机旋转问题】 Launcher默…...
异常知识及其使用
异常的简单概念 在C中,异常处理是一种机制,用于处理程序运行时发生的意外情况。它允许程序在发生错误时,将控制权转移到一个专门的代码块,而不是让程序直接崩溃。C的异常处理机制包括以下几个关键概念: throw 用途&…...
Spark常问面试题---项目总结
一、数据清洗,你都清洗什么?或者说 ETL 你是怎么做的? 我在这个项目主要清洗的式日志数据,日志数据传过来的json格式 去除掉无用的字段,过滤掉json格式不正确的脏数据 过滤清洗掉日志中缺少关键字段的数据ÿ…...
哈希及其模拟实现
1.哈希的概念 顺序结构以及平衡树中,元素的关键码与其存储位置之间没有对应的关系。因此,在查找一个元素时,必须要经过关键码的多次比较。顺序查找的时间复杂度为O(N),平衡树中为树的高度,即O(log_2 N),搜…...
Day 32 动态规划part01
今天正式开始动态规划! 理论基础 无论大家之前对动态规划学到什么程度,一定要先看 我讲的 动态规划理论基础。 如果没做过动态规划的题目,看我讲的理论基础,会有感觉 是不是简单题想复杂了? 其实并没有,我讲的理论基础内容,在动规章节所有题目都有运用,所以很重要!…...
【娱乐项目】竖式算术器
Demo介绍 一个加减法随机数生成器,它能够生成随机的加减法题目,并且支持用户输入答案。系统会根据用户输入的答案判断是否正确,统计正确和错误的次数,并显示历史记录和错题记录。该工具适合用于数学练习,尤其适合练习基…...
XRP 深度解析:从技术到 Meme 币交易指南
撰文:Ignas | DeFi Research 编译:Yuliya,PANews 本文来源Techub News:XRP 深度解析:从技术到 Meme 币交易指南 在当前加密货币市场,一个令人瞩目的现象正在上演:XRP 在短短一个月内暴涨 3.5 倍…...
机器学习周志华学习笔记-第13章<半监督学习>
机器学习周志华学习笔记-第13章<半监督学习> 卷王,请看目录 13半监督学习13.1 生成式方法13.2 半监督SVM13.3 基于分歧的方法13.4 半监督聚类 13半监督学习 前面我们一直围绕的都是监督学习与无监督学习,监督学习指的是训练样本包…...
【MySql】navicat连接报2013错误
navicat连接mysql报2013错误 报错信息1、检验Mysql数据库是否安装成功2、对Mysql的配置文件进行修改配置2.1、找到配置文件2.2、Linux下修改配置文本 3、连接进入mysql服务4、在mysql下执行授权命令 报错信息 Navicat连接mysql报2013错误 2013-Lost connection to MYSQL serve…...
【微服务】Docker
一、Docker基础 1、依赖的兼容问题:Docker允许开发中将应用、依赖、函数库、配置一起打包,形成可移植镜像Docker应用运行在容器中,使用沙箱机制,相互隔离。 2、如何解决开发、测试、生产环境有差异的问题:Docker镜像…...
renderExtraFooter 添加本周,本月,本年
在 Ant Design Vue 中,a-date-picker 组件提供了一个 renderExtraFooter 属性,可以用来渲染额外的页脚内容。你可以利用这个属性来添加“本周”、“本月”和“本年”的按钮。下面是如何在 Vue 2 项目中实现这一功能的具体步骤: 1.确保安装了…...
警惕开源信息成为泄密源头
文章目录 前言一、信息公开需谨慎1、警惕采购招标泄密。2、警惕信息公开泄密。3、警惕社交媒体泄密。 二、泄密风险需严防1、健全制度,明确责任。2、加强管控,严格审查。3、提高意识,谨言慎行。 前言 大数据时代,信息在网络空间发…...
密码学和CA证书
参考视频 一. 公钥私钥的理解 我们提到的使用公钥私钥进行加密解密只是一种口头表达方式,准确来说应该是公钥和私钥通过加密 算法生成,也需要通过配合加密算法进行解密。而不是直接用公钥和私钥进行加密解密。 二. 对称加密和非对称加密算法 1. 非对…...
Python 入门教程(2)搭建环境 | 2.4、VSCode配置Node.js运行环境
文章目录 一、VSCode配置Node.js运行环境1、软件安装2、安装Node.js插件3、配置VSCode4、创建并运行Node.js文件5、调试Node.js代码 一、VSCode配置Node.js运行环境 1、软件安装 安装下面的软件: 安装Node.js:Node.js官网 下载Node.js安装包。建议选择L…...
Nginx Web服务器管理、均衡负载、访问控制与跨域问题
Nginx Web 服务器的均衡负载、访问控制与跨域问题 Nginx 的配置 1. 安装Nginx 首先安装Nginx apt install nginx -ycaccpurgatory-v:~$ sudo apt install nginx [sudo] password for cacc: Reading package lists... Done Building dependency tree... Done Reading state i…...
排序学习整理(2)
上集回顾 排序学习整理(1)-CSDN博客 2.3 交换排序 交换排序的基本思想是:根据序列中两个记录键值的比较结果,交换这两个记录在序列中的位置。 特点: 通过比较和交换操作,将键值较大的记录逐步移动到序列…...
【前端】将vue的方法挂载到window上供全局使用,也方便跟原生js做交互
【前端】将vue的方法挂载到window上供全局使用,也方便跟原生js做交互 <template><div><el-button click"start">调用方法</el-button></div> </template> <script> // import { JScallbackProc } from ./JScal…...
单片机的中断系统
作者简介 彭煜轩,男,银川科技学院计算机与人工智能学院,2022级计算机与科学技术8班本科生,单片机原理及应用课程第3组。 指导老师:王兴泽 电子邮件:1696409709qq.com 前言 本篇文章是参考《单片机原理…...