文章浏览阅读61次。本节内容数据分离 - 从Excel中读取数据增加log功能发送邮件使用配置文件框架整理上节课的框架雏形数据分离 - 从Excel中读取数据之前的用例中，数据直接写在代码文件里，不利于修改和构造数据这里我们使用Excel保存测试数据，实现代码和数据的分离新建Excel文件test_user_data.xlsx包含两个工作簿TestUserLogin和TestUserReg，并复制到项目根目录下tes..._with open(report_file, 'wb') as f

文章浏览阅读463次，点赞10次，收藏8次。要在网页中无插件播放直播视频，现在用的播出协议主要有四种：http-flv、http-mp4、websocket和hls，而rtmp协议由于需要flash支持，目前已经没有人再使用。实现实时视频调阅、设备控制(云台控制、聚焦控制、拉框放大/缩小、巡航、看守位、预置位)、设备录像回放与控制、语音对讲、告警、H264/H265 多编码格式、支持 UDP/TCP 被动/TCP 主动三种流传输模式、设备状态监测、录像检索、向上级联国标平台等能力，能为大数据等综合管理平台提供极强的视频接入能力能力。_liveweb安装

文章浏览阅读9.1k次，点赞7次，收藏25次。MAT之SA：T1编写主函数法和T2Matlab自带的SA工具箱GUI法，两种方法实现对一元函数优化求解目录输出结果实现代码输出结果%SA：T2法利用Matlab自带的SA工具箱optimtool通过GUI调用@Jason_niu函数实现对一元函数优化求解—Jason niufunction fitnessVal = Jason_niu( x..._用matlab怎么证明t1等于t2

文章浏览阅读711次。最上层是一个POM类型 作用对整个商城项目中的资源进行统一管理 下面是继承子项目（ pom类型）再继承一个工具类（pom类型) 然后每个子项目拆分(controller mapper pojo service) 子项目拆分的为聚合关系 这些拆分的是mapper依赖pojo,service依赖mapper，controller依赖service 得写依..._将一个项目代码拆分成方法级别

文章浏览阅读4.3k次，点赞4次，收藏18次。前言：本文记录一些buuctf中不是很典型，但是仍然值得记录的pwn题，以便于查看。0x00:stkof——unlink查看保护查看IDA伪代码增自定义size，使用malloc分配。删free之后直接置空，难以利用。改重点来到改中，这里可以随意输入大小，然后根据输入的大小来为堆块中填入数据。这样就造成了堆溢出漏洞。解题思路由于此题存在堆溢出漏洞，我们又掌控着heap地址的存在位置，这样我们很容易就想到unlink漏洞来控制堆块。由于程序本身的原因，我们先malloc一个堆_ctf -pwn 题目

文章浏览阅读1.3k次。简介蓝鲸智云实现虚拟机交付（二）-虚拟机管理(VSPHERE)原子实现的是从模板克隆新的虚拟机，下面我们需要将其添加到jumpserver中。在此我们要借助于jumpserver的API，我们可以直接查看jumpserver swagger来查看相关API。可参见官网说明：jumpserver开发文档思路jumpserver添加主机的流程：1.创建资产，需要主机的基本信息、管理用户、..._jumpserver vsphere

文章浏览阅读687次，点赞26次，收藏10次。Spring Cloud与云原生的故事，就像是一部充满幽默和智慧的技术宫廷剧。它们在前世缘中相遇相知，在今生情缘中携手前行。虽然在相杀之间会遇到一些挑战和困难，但正是这些挑战让它们更加坚定地走在一起。未来，它们将继续在技术的海洋中徜徉，共同创造更加美好的明天。让我们一起笑看这场奇妙的技术冒险吧！

文章浏览阅读1.3k次。虽然表很多，但是仔细观察，我们会发现Activiti 使用到的表都是 ACT_ 开头的。表名的第二部分用两个字母表明表的用途。在resources下新建Leave.bpmn20.xml文件。首先我们定义一个简单的请假流程。_activiti7画图工具

文章浏览阅读389次，点赞9次，收藏11次。

文章浏览阅读3.9k次。如今，电子设备已越来越普及，开始走进千家万户，空调、冰箱、微波炉、电视、音箱、数码相机、随身听几乎家家都有，汽车上装有无线导航，电话、手机等通讯产品必不可少，各种数控设备、仪器、仪表、电线电缆更是在工业中屡见不鲜。而作为先进的电子设备——电脑由于它高端的工作能力和娱乐方式也越来越受欢迎。用电脑的人越来越多，懂电脑的人越来越多，电脑也随着人们的开发不断更新，超微主板BIOS大家应该都听说过吧！它是..._超微的bios主板都差不多嘛

文章浏览阅读1w次，点赞10次，收藏56次。一、概述自相关函数，用来度量同一事件在不同时期之间的相关程度，或者说是一个信号经过类似于反射、折射等其它情况的延时后的副本信号与原信号的相似程度。R(τ)=E[(Xt−μ)(Xt−τ−μ)]σ2R(\tau) = \frac{E[(X_t - \mu)(X_{t-\tau} - \mu)]}{\sigma ^ 2}R(τ)=σ2E[(Xt​−μ)(Xt−τ​−μ)]​简单讲就是比较不同时间延迟两个序列的相似程度，就好比下图蓝色框内序列和红色框内序列之间的相关性。二、python实现&s_acf_corr 的算法流程图

文章浏览阅读85次。6.4决策树 决策树是一个简单的为输入值选择标签的流程图。这个流程图由检查特征值的决策节点 和分配标签的叶节点组成。为输入值选择标签，我们以流程图的初始决策节点（称为其根节点）开始。 熵和信息增益在决策树桩确定上的应用（可以自行查找相关资料阅读） 可以参考：http://blog.csdn.net/athenaer/article/details/8425479 决策树的一些..._朴素贝叶斯与最大熵方法