显示器 LCD：实惠 OLED：效果好，价格贵，容易烧屏 HDR 分辨率 屏幕像素个数 PPI 像素密集程度，边长一英寸的正方形中像素个数， 手机：300以上 电脑：200以上 屏幕效果：分辨率，ppi，与视距 结合 亮度 单位：nits 一平方米范围，一个烛光的亮度 LCD:200-500nits
前后端分离 前端项目，后端项目 前端调用不一致，点击链接---》前端页面---》ajax--》后端接口 封装了请求 ajax ajaxio，request 每个ajax等请求对应后端一个接口 请求中url:user/add ---->后端/user/add 找到配置 # .environment V
# 人工智能:预测,分类 # 人工智能: # 自动的工作 # 机器学习(包含深度学习) # 以前的限制因素:计算能力,数据,算法发展 # 用途: # 图像识别 # 识别图片中不同的地方(医学CT) 不用人工识别 # 图片艺术化(可以替代ps) # 无人
Nodejs入门 目标： 控制台输出字符串、使用函数、进行模块化编程 快速入门-Hello World 1、创建文件夹 nodejs 2、创建 helloworld.js 类似于java中的System.out.println("") console.log('Hello World!!!') 运
# 决策树,随机森林 # 决策树结构:if-then # 信息熵: # 例:第一届世界杯32支球队 每个队伍冠军概率1/32 # 可得 log32(程序员认为的log一般都默认是以2为底) = -(1/32*log(1/32)+1/32*log(1/32).....)
# 机器学习_概述 # 数据类型:连续性,离散型 # 算法分类 # 监督学习(特征值+目标值):(预测) # 分类: k近邻算法 贝叶斯 决策树与随机森林 逻辑递归 神经网络 # 回归: 线性回归 岭回归 # 标注: 隐
摘要 显著性检测算法主要是基于视觉注意机制原理来快速获取图像中显著区域的方法，像显著区域的自动提取主要用的是自底向上的视觉注意模型，基于数据驱动的注意模型，不依靠人的先验知识和期望，通过提取图像的颜色、 方向、亮度、纹理等基本特征来获取图像的显著图。本文分析了三种算法模型： 基于生物特性的 Itti
机器学习常用算法 k近邻算法 求出未知点 与周围最近的 k个点的距离 查看这k个点中大多数是哪一类 根号((x已知-x未知)^2+(y已知-y未知)^2) 即平面间2点距离公式 收异常点影响较大,因此需要做标准化处理 API:sklearn.neighbors.KNeighbo
学习源码框架，为什么要从Mybatis框架入手？ 在 MyBatis 3.5.1 这个版中有 968 个类、 2770 个字段、 8422个方法、 42504 行代码、 186428个指令码。 其源码体量只有 Spring 的1/5，也是 Hibernate 的1/5。但在功能上这三个框架并无高低之
