apicescn的留言板

个人专区 > apicescn [问题点数:0分]
等级
本版专家分:0
结帖率 92.31%
apicescn

等级:

Statement not bound, 使用MybatisPlus时的SqlSessionFactory和MybatisSqlSessionFactoryBean的问题

最近首次在真实项目中,实践用SpingBoot整合 Mybatis、MybatisPlus、Spring、多数据源等常见SSH整合问题。 遇到一个难题,MybatisPlus遇到了经典的问题“Statement not bound”。 如果是Mybatis,很容易解决,扫描...

java面试题大合集(开发者必看)

本文来自百度网络的一篇文章,由于没有答案,现在整理了一些比较好的回答和好的博客,可以自己扩展思路,如果大家有一下面试题的更好的答案,欢迎在评论区留言。以上全部来自网络!此外,我的微信公众号将每日分享...

MybatisPlus整合springCloud---去xml化

简述 还是和我之前分享的SpringBoot结合mybatis + tk.mapper(通用增删改查组件) + pageHelper(分页插件)一样,用springBoot我就不想用其他的配置文件,xml文件。 mybatisPlus2.x 版本不支持@Select或者@...

汇总:7. 后端服务架构

SOA和微服务架构的区别? https://www.zhihu.com/question/37808426 windows下 zookeeper dubbo 安装+配置+demo 详细图文教程 http://blog.csdn.net/qq_22859871/article/details/50266597... zookeeper下载地址 ...

oracle job 定时执行 存储过程

oracle job 定时执行 存储过程 一、创测试表 ...-- Create tablecreate table J_STOCK_MONTH( CLASS3 VARCHAR2(12) not null, AMOUNT NUMBER(12) not null, CREATE_TIME DATE not null, ...

CAS 3.2.1内外网映射问题的解决办法

一般项目绝大数都是部署于某一个网络,要么在内网,要不在外网,部署在内网的目前很多都通过VPN进行内网的访问。但对于一些项目是部署在内网,然后通过网络路由映射方式进行外网的访问,一般情况如果是通过自己开发...

JAVA后端开发面试题

...本文来自百度网络的一篇文章,由于没有答案,现在整理了一些比较好的回答和好的博客,可以自己扩展思路,如果大家有一下面试题的更好的答案,欢迎在评论区留言。以...

myBatis注解使用及相关资料

Eclipse For JavaEE安装、配置、测试(win7_64bit) https://www.cnblogs.com/kangjianwei101/p/5621750.html 转发觉得有学习价值的文章 转发一下。 https://www.cnblogs.com/EasonJim/p/7070820.html ...

MyBatis问题汇总

1,ssm配置sql语句打印 在mybatis.xml里加 <!--设置Mybatis打印调试sql--> <settings> <setting name="logImpl" value="STDOUT_LOGGING" /> </settings> 2,resultMap映射 ...

Java面试题总结

文章推荐 精选java等全套学习资源 精选java电子图书资源 精选大数据学习资源 java项目练习精选 基本概念 ...1、操作系统中 heap 和 stack 的区别 ...堆:堆空间一般由程序员来分配,可以由垃圾回收机制来回收。...

Rancher Kubernetes Engine (RKE) 的安装!

https://blog.csdn.net/apicescn/article/details/82382542 http://java.isture.com/microservice/deploy/rancher/Rancher部署服务简单示例.html ...

用java编写webservice和在tomcat上部署时遇到的一些问题

此博文用于记录编写webservice时及在服务器tomcat部署时遇到的问题,以便于自己日后查阅,同时也欢迎大家学习指正 由于项目需要,我用java(Myecplise)编写webservice作为服务端以供Android客户端调用。...

创建centos集群中的网络配置

创建centos集群中的网络配置 1.先安装VMware,然后安装Centos7 具体的安装步骤参考: 1.1 CentOS 7.0系统安装配置图解教程 2.配置网络信息 2.1 安装的centos,选用的网络适配器为NAT 2.2 关闭防火墙和SELinux ...

JAVA开发Web Service几种框架介绍

http://blog.csdn.net/apicescn/article/details/42965785/ 在讲Web Service开发服务时,需要介绍一个目前开发Web Service的几个框架,分别为Axis,axis2,Xfire,CXF以及JWS(也就是前面所述的JAX-WS,这...

WebService--概述、JDk实现、AJAX调用

一、Webservice概述  W3C组织对其的定义是,它是一个软件系统,为了支持跨网络的机器间相互操作交互而设计。  Webservice服务通常被定义为一组模块化的API,它们可以通过网络进行调用,来执行远程系统的请求服务...

WebService(1): 基本概念

一.术语1.Web ServiceWeb Service也叫XML Web Service。WebService是一种可以接收从Internet或者Intranet上的其它系统中传递过来的请求,轻量级的独立的通讯技术。...2.XMLXML扩展型可标记语言(Extensible Markup ...

Java集合 他人的总结 和 我的学习

http://blog.csdn.net/zsm653983/article/details/7562324   http://blog.csdn.net/pistolove/article/details/41453705

Trac安装指南

转自:http://blog.csdn.net/apicescn/article/details/2099678 第1章 引 言 1.1 编写目的 目前在软件开发中越来越提倡团队的开发效率与彼此之间的协作开发,在一个团队里面bug tracker工具是很重要的...

webservice基础

一、webservice概念 webservice用于异构平台之间的交互,我用Java写的程序,可以用php、.net、pythod等其它语言的程序来访问我的接口.... 二、快速创建一个基于JWS的webservice项目 1、服务器的建立 //SEI(serv...

webService学习记录(2)

几种流行Webservice框架性能对比 ... JAVA开发Web Service几种框架介绍 http://blog.csdn.net/apicescn/article/details/42965785/ 目前开发Web Service的几个框架: Axis,axi

在oracle中采用connect by prior来实现递归查询

注明:该文章为引用别人的文章,链接为:http://blog.csdn.net/apicescn/article/details/1510922 , 记录下来只是为了方便查看 原文: connect by 是结构化查询中用到的,其基本语法是: select ... from ...

关于webservice的认识和spring的整合(一)

浅显的实现 望指正.. Webservice的概念 跨平台,跨编程语言,基于xml或json等信息传递的不同系统之间的交互 Webservice的规范 微软的SOAP(REST在第二篇进行介绍介绍) ...SOAP指的是(Simple Object Access Protocol)...

java面试题总结(开发者必备)

本文来自百度网络的一篇文章,由于没有答案,现在整理了一些比较好的回答和好的博客,可以自己扩展思路,如果大家有一下面试题的更好的答案,欢迎在评论区留言。以上全部来自网络!此外,我的微信公众号将每日分享...

Hibernate4视频教程_全面来袭

本Java视频教程基于 Hibernate4.x 录制。内容涵盖安装 Hibernatetools 插件、Session 核心方法、持久化对象生命周期、对象关系映射(1-n、1-1、n-n、继承映射)、检索策略、检索方式(对象导航图、OID 检索、HQL、QBC、本地SQL)、Hibernate 一\二级缓存、管理 Session、批量处理等 Hibernate 企业级开发的核心技术。 本Java视频教程将帮助掌握学习者编写出具有合理的软件架构,以及好的运行性能和并发性能的实用 Hibernate 应用。Java视频教程内容注重理论与实践相结合,列举大量具典型性和实用价值的 Hibernate应用实例,并提供详细的开发和部署步骤。

简历模板大全

个人简历大全,满足各行业需求,可以根据自己实际情况任意进行修改。

Visio_2016

visio_2016下载安装,亲测可用,不需要破解,而且无秘钥。简单方便实用

玩转Spring

Spring框架是目前Java企业级开发中必不可少的一门技术,而Spring包含的内容又极其丰富,对于初学者来说无从把握,而该技术的更新速度相对快,如现在企业中用纯注解的方案,网上也很难找到全注解方案。 本套视频,主要讲解Spring 3.2.9的使用,对使用者的要求:已经会使用Struts 2和Hibernate 4等技术,同时对Spring的IOC有一些了解。 能够采用Struts 2.3 + Spring 3.2 +JDBC搭建项目 能够了解AOP概念和AOP在项目中的使用 会使用三种声明方式进行事务管理 IOC的注解方式完成SSH 在Myeclipse 2015中进行SSH快速搭建 采用Eclipse完成SSH框架搭建及功能实现

个人简历模板

优质简历模板,目前最前全的模板收藏,需要换工作的小伙伴们可以试试

matlab神经网络30个案例分析

【目录】- MATLAB神经网络30个案例分析(开发实例系列图书) 第1章 BP神经网络的数据分类——语音特征信号分类1 本案例选取了民歌、古筝、摇滚和流行四类不同音乐,用BP神经网络实现对这四类音乐的有效分类。 第2章 BP神经网络的非线性系统建模——非线性函数拟合11 本章拟合的非线性函数为y=x21+x22。 第3章 遗传算法优化BP神经网络——非线性函数拟合21 根据遗传算法和BP神经网络理论,在MATLAB软件中编程实现基于遗传算法优化的BP神经网络非线性系统拟合算法。 第4章 神经网络遗传算法函数极值寻优——非线性函数极值寻优36 对于未知的非线性函数,仅通过函数的输入输出数据难以准确寻找函数极值。这类问题可以通过神经网络结合遗传算法求解,利用神经网络的非线性拟合能力和遗传算法的非线性寻优能力寻找函数极值。 第5章 基于BP_Adaboost的强分类器设计——公司财务预警建模45 BP_Adaboost模型即把BP神经网络作为弱分类器,反复训练BP神经网络预测样本输出,通过Adaboost算法得到多个BP神经网络弱分类器组成的强分类器。 第6章 PID神经元网络解耦控制算法——多变量系统控制54 根据PID神经元网络控制器原理,在MATLAB中编程实现PID神经元网络控制多变量耦合系统。 第7章 RBF网络的回归——非线性函数回归的实现65 本例用RBF网络拟合未知函数,预先设定一个非线性函数,如式y=20+x21-10cos(2πx1)+x22-10cos(2πx2)所示,假定函数解析式不清楚的情况下,随机产生x1,x2和由这两个变量按上式得出的y。将x1,x2作为RBF网络的输入数据,将y作为RBF网络的输出数据,分别建立近似和精确RBF网络进行回归分析,并评价网络拟合效果。 第8章 GRNN的数据预测——基于广义回归神经网络的货运量预测73 根据货运量影响因素的分析,分别取国内生产总值(GDP),工业总产值,铁路运输线路长度,复线里程比重,公路运输线路长度,等级公路比重,铁路货车数量和民用载货汽车数量8项指标因素作为网络输入,以货运总量,铁路货运量和公路货运量3项指标因素作为网络输出,构建GRNN,由于训练数据较少,采取交叉验证方法训练GRNN神经网络,并用循环找出最佳的SPREAD。 第9章 离散Hopfield神经网络的联想记忆——数字识别81 根据Hopfield神经网络相关知识,设计一个具有联想记忆功能的离散型Hopfield神经网络。要求该网络可以正确地识别0~9这10个数字,当数字被一定的噪声干扰后,仍具有较好的识别效果。 第10章 离散Hopfield神经网络的分类——高校科研能力评价90 某机构对20所高校的科研能力进行了调研和评价,试根据调研结果中较为重要的11个评价指标的数据,并结合离散Hopfield神经网络的联想记忆能力,建立离散Hopfield高校科研能力评价模型。 第11章 连续Hopfield神经网络的优化——旅行商问题优化计算100 现对于一个城市数量为10的TSP问题,要求设计一个可以对其进行组合优化的连续型Hopfield神经网络模型,利用该模型可以快速地找到最优(或近似最优)的一条路线。 第12章 SVM的数据分类预测——意大利葡萄酒种类识别112 将这178个样本的50%做为训练集,另50%做为测试集,用训练集对SVM进行训练可以得到分类模型,再用得到的模型对测试集进行类别标签预测。 第13章 SVM的参数优化——如何更好的提升分类器的性能122 本章要解决的问题就是仅仅利用训练集找到分类的最佳参数,不但能够高准确率的预测训练集而且要合理的预测测试集,使得测试集的分类准确率也维持在一个较高水平,即使得得到的SVM分类器的学习能力和推广能力保持一个平衡,避免过学习和欠学习状况发生。 第14章 SVM的回归预测分析——上证指数开盘指数预测133 对上证指数从1990.12.20-2009.08.19每日的开盘数进行回归分析。 第15章 SVM的信息粒化时序回归预测——上证指数开盘指数变化趋势和变化空间预测141 在这个案例里面我们将利用SVM对进行模糊信息粒化后的上证每日的开盘指数进行变化趋势和变化空间的预测。 若您对此书内容有任何疑问,可以凭在线交流卡登录中文论坛与作者交流。 第16章 自组织竞争网络在模式分类中的应用——患者癌症发病预测153 本案例中给出了一个含有60个个体基因表达水平的样本。每个样本中测量了114个基因特征,其中前20个样本是癌症病人的基因表达水平的样本(其中还可能有子类), 中间的20个样本是正常人的基因表达信息样本, 余下的20个样本是待检测的样本(未知它们是否正常)。以下将设法找出癌症与正常样本在基因表达水平上的区别,建立竞争网络模型去预测待检测样本是癌症还是正常样本。 第17章SOM神经网络的数据分类——柴油机故障诊断159 本案例中给出了一个含有8个故障样本的数据集。每个故障样本中有8个特征,分别是前面提及过的:最大压力(P1)、次最大压力(P2)、波形幅度(P3)、上升沿宽度(P4)、波形宽度(P5)、最大余波的宽度(P6)、波形的面积(P7)、起喷压力(P8),使用SOM网络进行故障诊断。 第18章Elman神经网络的数据预测——电力负荷预测模型研究170 根据负荷的历史数据,选定反馈神经网络的输入、输出节点,来反映电力系统负荷运行的内在规律,从而达到预测未来时段负荷的目的。 第19章 概率神经网络的分类预测——基于PNN的变压器故障诊断176 本案例在对油中溶解气体分析法进行深入分析后,以改良三比值法为基础,建立基于概率神经网络的故障诊断模型。 第20章 神经网络变量筛选——基于BP的神经网络变量筛选183 本例将结合BP神经网络应用平均影响值(MIV,Mean Impact Value)方法来说明如何使用神经网络来筛选变量,找到对结果有较大影响的输入项,继而实现使用神经网络进行变量筛选。 第21章 LVQ神经网络的分类——乳腺肿瘤诊断188 威斯康星大学医学院经过多年的收集和整理,建立了一个乳腺肿瘤病灶组织的细胞核显微图像数据库。数据库中包含了细胞核图像的10个量化特征(细胞核半径、质地、周长、面积、光滑性、紧密度、凹陷度、凹陷点数、对称度、断裂度),这些特征与肿瘤的性质有密切的关系。因此,需要建立一个确定的模型来描述数据库中各个量化特征与肿瘤性质的关系,从而可以根据细胞核显微图像的量化特征诊断乳腺肿瘤是良性还是恶性。 第22章 LVQ神经网络的预测——人脸朝向识别198 现采集到一组人脸朝向不同角度时的图像,图像来自不同的10个人,每人5幅图像,人脸的朝向分别为:左方、左前方、前方、右前方和右方。试创建一个LVQ神经网络,对任意给出的人脸图像进行朝向预测和识别。 第23章 小波神经网络的时间序列预测——短时交通流量预测208 根据小波神经网络原理在MATLAB环境中编程实现基于小波神经网络的短时交通流量预测。 第24章 模糊神经网络的预测算法——嘉陵江水质评价218 根据模糊神经网络原理,在MATLAB中编程实现基于模糊神经网络的水质评价算法。 第25章 广义神经网络的聚类算法——网络入侵聚类229 模糊聚类虽然能够对数据聚类挖掘,但是由于网络入侵特征数据维数较多,不同入侵类别间的数据差别较小,不少入侵模式不能被准确分类。本案例采用结合模糊聚类和广义神经网络回归的聚类算法对入侵数据进行分类。 第26章 粒子群优化算法的寻优算法——非线性函数极值寻优236 根据PSO算法原理,在MATLAB中编程实现基于PSO算法的函数极值寻优算法。 第27章 遗传算法优化计算——建模自变量降维243 在第21章中,建立模型时选用的每个样本(即病例)数据包括10个量化特征(细胞核半径、质地、周长、面积、光滑性、紧密度、凹陷度、凹陷点数、对称度、断裂度)的平均值、10个量化特征的标准差和10个量化特征的最坏值(各特征的3个最大数据的平均值)共30个数据。明显,这30个输入自变量相互之间存在一定的关系,并非相互独立的,因此,为了缩短建模时间、提高建模精度,有必要将30个输入自变量中起主要影响因素的自变量筛选出来参与最终的建模。 第28章 基于灰色神经网络的预测算法研究——订单需求预测258 根据灰色神经网络原理,在MATLAB中编程实现基于灰色神经网络的订单需求预测。 第29章 基于Kohonen网络的聚类算法——网络入侵聚类268 根据Kohonen网络原理,在MATLAB软件中编程实现基于Kohonen网络的网络入侵分类算法。 第30章 神经网络GUI的实现——基于GUI的神经网络拟合、模式识别、聚类277 为了便于使用MATLAB编程的新用户,快速地利用神经网络解决实际问题,MATLAB提供了一个基于神经网络工具箱的图形用户界面。考虑到图形用户界面带来的方便和神经网络在数据拟合、模式识别、聚类各个领域的应用,MATLAB R2009a提供了三种神经网络拟合工具箱(拟合工具箱/模式识别工具箱/聚类工具箱)。

2020华为软件精英挑战赛初复赛赛题包.zip

2020华为软件精英挑战赛初复赛赛题包,不包含民间数据集,民间数据集在博客中给出大佬github地址。

相关热词 c#调用r c# 指定的div 获取 c# c++ 混合编程 c# 调用c++ 静态库 c# catch不写参数 c# 列自增加 c# 负数补码 c# 读取json c# 画图超出画布判断 c#在注册表下创建个文件