20240726100125039578_54771.zip

OnlineSchoolShop-基于Spring boot/SSM商城的搭建教程API接口访问 http://127.0.0.1:8081/shop/swagger-ui.html管理员访问 http://127.0.0.1:8081/shop/admin/login普通用户访问 http://127.0.0.1:8081/shop/管理员帐号 admin 12345678用户帐号 root codingzx admin 密码均为 12345678图片保存路径： 可以全局搜索后替换windows: D:/uploadlinux: /usr/uploadmac：需要修改代码，见下面已知问题记录. 或者代码全局搜索 // todo mac需要修改地址技术栈后端： SpringBoot Swagger Docker（docker需自己搭建docker环境）前端： JSP数据库：MySQL技术语言 jdk 1.8开发平台 Idea 2018 +win10运行环境 Linux/Windows毕业设计基于SSM/Springboot的商城项目

数据库的特性数据库的使命是什么？最基础的就是当你把数据交给数据库时，它应当把数据存储起来；而后当你向数据库要数据时，它应当把数据返回给你。对于数据库的期许往往会包含以下几方面，首先是易用与灵活，尽可能可以用贴近业务语言的方式存取数据，而不需要理解太多抽象的语义或者函数；然后是高性能，无论存取皆可以迅速完成；然后是高可用与可扩展，我们能够根据实际的业务需要快速扩展数据库，提供长期的可用性与数据的安全一致，而不会因为数据的爆炸性增长导致数据库的崩溃。以 Oracle, MySQL, SQLServer, PostgreSQL 为代表的关系型数据库，以行存储的方式结构化地存储数据。搜索引擎擅长文本查询；与 SQL 数据库中的文本匹配（例如 LIKE）相比，搜索引擎提供了更高的查询功能和更好的开箱即用性能。文档存储提供比传统数据库更好的数据模式适应性；通过将数据存储为单个文档对象（通常表示为 JSON），它们不需要预定义模式。列式存储专门用于单列查询和值聚合，在列式存储中，诸如 SUM 和 AVG 之类的 SQL 操作要快得多，因为同一列的数据在硬盘驱动器上更紧密地存储在一起。

简单的理解: 用于描述图像特征的关键点常见的特征点提取算法:SIFT: 尺度不变特征变换. opencv只有cpu实现SURF: surf的加速算法. opencv有cpu和cuda实现ORB: 使用FAST特征检测和BRIEF特征描述子. opencv有cpu和cuda实现他们的好处是什么: 尺度和旋转不变性,说白了就是兼容不同分辨率、旋转、尺度的变换速度排序: ORB(cuda)>SURF(cuda)>ORB>SURF>SIFT效果排序(效果不止是特征点的数量,更重要的是特征点的质量): SIFT>ORB>SURF

基于卷积神经网络的故障诊断（1DCNN、2DCNN）文件夹说明：data：数据集存放路径save_picture/1DCNN:存放1DCNN的图片save_picture/2DCNN:存放2DCNN的图片model/1DCNN.h5: 保存的1DCNN模型文件model/2DCNN.h5: 保存的2DCNN模型文件code/1DCNN.py: 1DCNN代码运行文件code/2DCNN.py: 2DCNN代码运行文件code/preprocessing.py: 数据预处理文件基于卷积与循环神经网络的故障诊断(1DCNN-LSTM、1DCNN-GRU、2DCNN-LSTM、2DCNN-GRU)文件夹说明：data：数据集存放路径save_picture/1DCNN_GRU:存放1DCNN_GRU的图片save_picture/1DCNN_LSTM:存放1DCNN_LSTM的图片save_picture/2DCNN_GRU:存放2DCNN_GRU的图片save_picture/2DCNN_LSTM:存放2DCNN_LSTM的图片