空间分析

EasyEarth三维可视化地理信息云平台是由北京四维益友信息技术有限公司自主研发的新一代面向三维可视化应用领域的基础信息系统平台。 EasyEarth以数据管理为核心，围绕7大类基础数据，提供综合管理服务。平台充分融合互联网、物联网与移动端，让各种媒介与平台互联互通；数据管理涵盖本地化和共享数据，采用高性能数据库管理技术配合分发调度机制，实现数据高效化管理与分发应用，并为上层提供高效基础空间分析服务；强大的三维实时渲染引擎，便捷、高效的数据调度机制，为数据应用提供各种高级渲染。 用户可以轻松进行数据管理、场景浏览、查询定位、模型编辑、空间量测、场景标绘等操作，并实时查看网络数据、实体属性、空间特效，实现通视分析、地形剖面分析、水淹分析、缓冲区分析、搜索分析等各类功能。 EasyEarth有完善的产品架构。用户可将基础数据导入Builder，交互式创建、编辑和发布地理空间场景，通过Server将各类服务稳定、高效地分发给用户。 目标人群可使用EasyEarth Desktop、EasyEarth Explore、EasyEarth移动版等客户端，实现地理空间场景的三维浏览、查询、量算、分析等功能。另外，平台还具有完整灵活的SDK二次开发包，可根据用户需求量身打造专属应用系统，提供定制化解决方案。 EasyEarth秉承着成为空间地理信息技术集成专家的理念，专一、专注

如果想了解Java内存模型参考： jvm内存模型-和内存分配以及jdk、jre、jvm是什么关系(阿里，美团，京东) 相信和小编一样的程序猿们在日常工作或面试当中经常会遇到JVM的垃圾回收问题，有没有在夜深人静的时候详细捋一捋JVM垃圾回收机制中的知识点呢？没时间捋也没关系，因为小编接下来会给你捋一捋。 一、 技术背景你要了解吧 二、 哪些内存需要回收？ 2.1 引用计数算法 2.1.1 算法分析 2.1.2 优缺点 2.1.3 是不是很无趣，来段代码压压惊 2.2 可达性分析算法 2.3 Java中的引用你了解多少 2.4 对象死亡（被回收）前的最后一次挣扎 2.5 方法区如何判断是否需要回收 三、常用的垃圾收集算法 3.1 标记-清除算法 3.2 复制算法 3.3 标记-整理算法 3.4 分代收集算法 3.4.1 年轻代（Young Generation）的回收算法 3.4.2 年老代（Old Generation）的回收算法 3.4.3 持久代（Permanent Generation）的回收算法 四、常见的垃圾收集器 五、GC是什么时候触发的（面试最常见的问题之一） 5.1 Scavenge GC 5.2 Full GC 结束语 一、 技术背景你要了解吧   按照套路是要先装装X，谈谈JVM垃圾回收的前世今生的。说起垃圾回收（GC）

转自 https://blog.csdn.net/google19890102/article/details/40019271 一、特征选择和降维 1、相同点和不同点 特征选择和降维有着些许的相似点，这两者达到的效果是一样的，就是试图去减少特征数据集中的属性(或者称为特征)的数目；但是两者所采用的方式方法却不同：降维的方法主要是通过属性间的关系，如组合不同的属性得新的属性，这样就改变了原来的特征空间；而特征选择的方法是从原始特征数据集中选择出子集，是一种包含的关系，没有更改原始的特征空间。 2、降维的主要方法 Principal Component Analysis(主成分分析)，详细见“ 简单易学的机器学习算法——主成分分析(PCA) ” Singular Value Decomposition(奇异值分解)，详细见“ 简单易学的机器学习算法——SVD奇异值分解 ” Sammon's Mapping(Sammon映射) 二、特征选择的目标 引用自吴军《数学之美》上的一句话：一个正确的数学模型应当在形式上是简单的。构造机器学习的模型的目的是希望能够从原始的特征数据集中学习出问题的结构与问题的本质，当然此时的挑选出的特征就应该能够对问题有更好的解释，所以特征选择的目标大致如下： 提高预测的准确性 构造更快，消耗更低的预测模型 能够对模型有更好的理解和解释 三、特征选择的方法

PE文件是Windows系统可执行文件采用的普遍格式，像我们平时接触的EXE、DLL、OCX，甚至SYS文件都是属于PE文件的范畴。很多Win32病毒都是基于感染PE文件来进行传播的。今天我们就来尝试一下通过感染PE文件使其加载指定的DLL。 　　 　　 PE文件功能 　　众所周知，在Windows程序中需要调用各种各样的系统API，这些API被微软封装在不同的DLL文件中，这些DLL会在进程启动时（或者需要时）加载进进程的地址空间。我们调用一个API都是基于如下的汇编代码： 00411A3E mov esi,esp 00411A40 push 100h 00411A45 lea eax,[strDllDir] 00411A4B push eax 00411A4C call dword ptr [__imp__GetWindowsDirectoryA @8 (42B180h)] 这些汇编代码是针对如下代码的反汇编结果： char strDllDir[256]; GetWindowsDirectory(strDllDir,256); 　　 　　可见，调用一个系统API是在参数压栈后调用call命令执行系统调用GetWindowsDirectory()的。上文说过，系统调用是通过DLL引入进程的，但是不同进程引入的DLL地址并不相同，程序是如何知道这个Call应该调用什么地址呢

前言 递归是算法中一种非常重要的思想，应用也很广，小到阶乘,再在工作中用到的比如统计文件夹大小，大到 Google 的 PageRank 算法都能看到，也是面试官很喜欢的考点 最近看了不少递归的文章，收获不小，不过我发现大部分网上的讲递归的文章都不太全面，主要的问题在于解题后大部分都没有给出相应的时间/空间复杂度，而时间/空间复杂度是算法的重要考量!递归算法的时间复杂度普遍比较难（需要用到归纳法等），换句话说，如果能解决递归的算法复杂度，其他算法题题的时间复杂度也基本不在话下。另外，递归算法的时间复杂度不少是不能接受的，如果发现算出的时间复杂度过大，则需要转换思路，看下是否有更好的解法 ，这才是根本目的，不要为了递归而递归！ 本文试图从以下几个方面来讲解递归 什么是递归？ 递归算法通用解决思路 实战演练（从初级到高阶） 力争让大家对递归的认知能上一个新台阶，特别会对递归的精华:时间复杂度作详细剖析，会给大家总结一套很通用的求解递归时间复杂度的套路，相信你看完肯定会有收获 什么是递归 简单地说，就是如果在函数中存在着调用函数本身的情况，这种现象就叫递归。 以阶乘函数为例,如下, 在 factorial 函数中存在着 factorial(n - 1) 的调用，所以此函数是递归函数 public int factorial(int n) { if (n < =1) { return 1;

前言 递归是算法中一种非常重要的思想，应用也很广，小到阶乘,再在工作中用到的比如统计文件夹大小，大到 Google 的 PageRank 算法都能看到，也是面试官很喜欢的考点 最近看了不少递归的文章，收获不小，不过我发现大部分网上的讲递归的文章都不太全面，主要的问题在于解题后大部分都没有给出相应的时间/空间复杂度，而时间/空间复杂度是算法的重要考量!递归算法的时间复杂度普遍比较难（需要用到归纳法等），换句话说，如果能解决递归的算法复杂度，其他算法题题的时间复杂度也基本不在话下。另外，递归算法的时间复杂度不少是不能接受的，如果发现算出的时间复杂度过大，则需要转换思路，看下是否有更好的解法 ，这才是根本目的，不要为了递归而递归！ 本文试图从以下几个方面来讲解递归 什么是递归？ 递归算法通用解决思路 实战演练（从初级到高阶） 力争让大家对递归的认知能上一个新台阶，特别会对递归的精华:时间复杂度作详细剖析，会给大家总结一套很通用的求解递归时间复杂度的套路，相信你看完肯定会有收获 什么是递归 简单地说，就是如果在函数中存在着调用函数本身的情况，这种现象就叫递归。 以阶层函数为例,如下, 在 factorial 函数中存在着 factorial(n - 1) 的调用，所以此函数是递归函数 public int factorial(int n) { if (n < =1) { return 1;

Linux的启动过程 Linux系统从启动大哦提供服务的基本过程为：首先机器家电，然后通过MBR或者UEFI装载GRUB,再启动内核，再由内核启动服务，最后开始对外服务 CentOS7要经历四个主要阶段 BIOS或UEFI初始化 启动引导装载程序 转载内核 系统初始化 检测和分析systemd启动过程 systemd-analyze time 查看启动耗时，即内存空间和用户空间所花的时间 systemd-analyze blame 查看正在运行的每个单元的启动耗时，并按照时常排序 systemd-analyze verify 查看系统单元是否有语法错误 　　 来源： https://www.cnblogs.com/linerbaby/p/11917424.html

最近梳理和CPNtools和Scyther之间的性能和差别。方便后面整理使用 1、库所的托肯值是什么? 托肯值也叫作令牌， 即网络系统中的资源，托肯的数目值代表了网络赋予的资源大小。在一个活的网络系统中资源可以在库所中不断的流动。（在CPNtools中我们设定托肯值为拟定的值，可以用来检测协议中的错误，死锁状态），这就是说托肯值是可以可移动的（从一个库所移动到另一个库所），而且每个库所的的的托肯值并不是唯一确定的。 2、 基于CPNtools的网络协议建模与仿真技术研究 提出的问题：托肯值和颜色值是不是一个概念 回答：不是一个概念，首先托肯值是在建模分析的时候在每 个变迁上认为规定的，而颜色值 ，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，， ，，， 附录：petri网的一些要点： Petri里面有两种变迁如果都用发生的条件，则不认为其执行顺序有任何关系。Petri旨在描述变迁之间的因果关系，并由此构造时序。不支持构造大规模的模型，如自定向下，或者相反。 1 CPNtools 验证协议存在的问题 PCNtools的本质是： 1、CPNtool 建模的前提条件 CPNtools研究协议存在的一些缺点是什么？ 2、CPNtool不能使用模拟来验证协议的性质，，可以用来测试协议和定位协议错误 3、完全状态空间表示正在分析的模型的所有的可能的操作

为什么要深入数学的世界 作为计算机的学生，我没有任何企图要成为一个数学家。我学习数学的目的，是要 想爬上巨人的肩膀，希望站在更高的高度，能把我自己研究的东西看得更深广一些。说起来，我在刚来这个学校的时候，并没有预料到我将会有一个深入数学的旅 程。我的导师最初希望我去做的题目，是对appearance和motion建立一个unified的model。这个题目在当今Computer Vision中百花齐放的世界中并没有任何特别的地方。事实上，使用各种Graphical Model把各种东西联合在一起framework，在近年的论文中并不少见。 我不否认现在广泛流行的Graphical Model是对复杂现象建模的有力工具，但是，我认为它不是panacea，并不能取代对于所研究的问题的深入的钻研。如果统计学习包治百病，那么很多 “下游”的学科也就没有存在的必要了。事实上，开始的时候，我也是和Vision中很多人一样，想着去做一个Graphical Model——我的导师指出，这样的做法只是重复一些标准的流程，并没有很大的价值。经过很长时间的反复，另外一个路径慢慢被确立下来——我们相信，一个 图像是通过大量“原子”的某种空间分布构成的，原子群的运动形成了动态的可视过程。微观意义下的单个原子运动，和宏观意义下的整体分布的变换存在着深刻的 联系——这需要我们去发掘。 在深入探索这个题目的过程中

从第三节开始。 3 BACKGROUND ON EVENT SEGMENTATION 我们在这里给出了一个“事件分割理论”的简要总结，并将原始出版物[Kurby and Zacks 2008;雷诺兹等人2007; Zacks 2010; Zacks和燕子2007]给读者以参考，来获得更全面的解释。最近的研究表明，“事件分割”是我们感知处理的一个自动关键组成部分，将连续的活动分为一系列不连续的事件。这种策略的优点是双重的：首先，它在内部表示和记忆方面非常有效。其次，它提供了一种更简单的方式来思考事件与事件间的联系。它可以被看作是等同于视觉中众所周知的空间分割的时间，其中我们将物体（例如汽车）分割成许多部件，例如车轮，底盘，发动机等。 这种离散的心理表征被用作预测直接事件过程的基础：沿着街道行走的人将继续这样做，或者当被问到时会有人回答问题。当这些预测被违反时，这是一个新的（离散的）事件的指示;换句话说，似乎意想不到的变化导致了对事件边界的感知。更精确地说，事件分割理论假设当动作，空间或时间的变化发生时，新事件被注册;当发生这种情况时，事件分割的机制会更新事件的男性表示，将旧事件存储在长期记忆中。 这个事件分割理论最近已经在理解的背景下进行了测试。一些实验甚至在观看电影时用功能磁共振成像（fMRI）记录了大脑活动，并且显示皮层中的许多区域响应于由一些电影剪辑引入的情景不连续性（意外变化