小悦悦事件就是典型的道德问题受到法律约束的例子。 小悦悦的离世,人们悲痛之余感觉到道德的力量不能够唤醒人的良知。
没有。
育儿假国家没有规定，国家鼓励地方政府探索和试行与婴幼儿照护服务相关的育儿假和产假。鼓励市场化方式、公私结合、私人办公帮扶等方式，完善就业人口和用人单位密集的产业聚集区婴幼儿照护服务设施。
截至2021年11月2日，已有14个省(自治区、直辖市)公布了对地方人口和计划生育条例的修改意见，普遍提出了延长产假、陪产假、增设“育儿假”等措施。其中，江西、四川、江苏、贵州、吉林、山西6省人口与计划生育条例修正案已获通过，辽宁、湖南、湖北、陕西、安徽、海南、宁夏、云南8省(自治区、直辖市)人口与计划生育条例修正案草案正处于征求公众意见阶段。
首次增加了新的“育儿假”。夫妇每年最多可以休10天育儿假。
在各省公布的这一轮计划生育条例修订中，首次明确提出增加“育儿假”，夫妻双方各享受10至15天。
其中，在通过条例修正案的6个省份中，江西、四川、贵州都规定，有3岁以下子女的夫妻，每年可以享受10天的育儿假。根据山西省的规定，如果孩子按照规定出生，且孩子不满三岁，夫妻双方的用人单位将每年给予15天的育儿假。
江苏通过《计划生育条例》修正案，规定推进实施育儿假制度，育儿假的具体实施办法由省人民政府制定。吉林省也在计划生育条例修正案中明确表示，支持符合条件的地区或企事业单位设立育儿假。
在《计划生育条例》修改仍处于征求意见阶段的8个省(自治区、直辖市)中，辽宁、湖北、云南、海南、湖南、宁夏等6个省(自治区、直辖市)也计划设立育儿假，规定3岁以下儿童的父母每人每年享受10天育儿假。
在《海南省计划生育条例》草案中，还提出3岁以下子女的父母，每年不仅可以享受10天的育儿假，还可以给配偶任何一方每天一小时的育儿时间，直至子女满3岁。
在陕西的征求意见稿中，3岁以下儿童的父母每人每年有不少于30天的育儿假。安徽征求意见稿将育儿假扩大到6岁以下儿童的父母，每年10天。
产假可延长至350天，男性陪产假可延长至35天。
在上述6个条例修正案通过的省份中，江西省的条例明显延长了产假和陪产假：产假增加30天(最多188天)，男性陪产假增加15天(合计30天)。
江苏对原有的产假、陪产假政策进行了微调。该条例的上一版规定，妇女应延长产假30天，男子应在国家规定的产假基础上享受15天的哺乳假。新修订的条例规定，在国家规定的产假基础上，女方延长产假不少于30天，男方享受哺乳假不少于15天。
在计划生育条例修订处于征求意见阶段的8个省/自治区中，辽宁计划将男性陪产假增加5天，由之前的15天增加到20天。湖北省计划增加产假30天，从128天增加到158天。安徽计划增加婚假10天(共13天)，产假30天(共188天)，陪产假30天。
宁夏目前的人口数量
根据陕西征求意见稿，今后在陕西生育三胎的妇女，可休法定产假约350天(基本产假98天，60天，孕检10天，三胎产假半年)。
政治纪律是党内条规的约束与指导，政治道德是个人思想与精神上的自我意识行为。
法律是最低的道德标准。法律也是一种习惯。所以，从支持的角度讲，道德支持法律，法律的行成都来自道德习惯。
道德是标准，有人越过道德你可以谴责，法律是底线，约过法律就要接受惩罚。
法律没有约束的，比如狗咬人，以前没有成文的法规，你只能道德层面的谴责，现在有规定，遛狗必须系绳子，不然就要接受处罚，当然，法律还涉及到可执行层面。
法律，也是国家的管理工具，执法就要有法，有法就要依法，所以法律有滞后性，只有行成道德问题，才能立法。
全面推进依法治国，既要高度重视以宪法为核心的中国特色社会主义法律体系建设，充分发挥法律的规范作用，又要高度重视社会主义道德体系建设，充分发挥社会主义道德在滋养民族法治精神、弘扬法治文化方面的支撑作用，实现法律和道德相辅相成、法治和德治相得益彰。
之前看了Mahout官方示例 20news 的调用实现；于是想根据示例的流程实现其他例子。网上看到了一个关于天气适不适合打羽毛球的例子。
训练数据：
Day Outlook Temperature Humidity Wind PlayTennis
D1 Sunny Hot High Weak No
D2 Sunny Hot High Strong No
D3 Overcast Hot High Weak Yes
D4 Rain Mild High Weak Yes
D5 Rain Cool Normal Weak Yes
D6 Rain Cool Normal Strong No
D7 Overcast Cool Normal Strong Yes
D8 Sunny Mild High Weak No
D9 Sunny Cool Normal Weak Yes
D10 Rain Mild Normal Weak Yes
D11 Sunny Mild Normal Strong Yes
D12 Overcast Mild High Strong Yes
D13 Overcast Hot Normal Weak Yes
D14 Rain Mild High Strong No
检测数据：
sunny，hot，high，weak
结果：
Yes=》 0.007039
No=》 0.027418
于是使用Java代码调用Mahout的工具类实现分类。
基本思想：
1. 构造分类数据。
2. 使用Mahout工具类进行训练，得到训练模型。
3。将要检测数据转换成vector数据。
4. 分类器对vector数据进行分类。
接下来贴下我的代码实现=》
1. 构造分类数据：
在hdfs主要创建一个文件夹路径 /zhoujainfeng/playtennis/input 并将分类文件夹 no 和 yes 的数据传到hdfs上面。
数据文件格式，如D1文件内容： Sunny Hot High Weak
2. 使用Mahout工具类进行训练，得到训练模型。
3。将要检测数据转换成vector数据。
4. 分类器对vector数据进行分类。
这三步，代码我就一次全贴出来；主要是两个类 PlayTennis1 和 BayesCheckData = =》
package myTesting.bayes;
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.FileSystem;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.util.ToolRunner;
import org.apache.mahout.classifier.naivebayes.training.TrainNaiveBayesJob;
import org.apache.mahout.text.SequenceFilesFromDirectory;
import org.apache.mahout.vectorizer.SparseVectorsFromSequenceFiles;
public class PlayTennis1 {
private static final String WORK_DIR = "hdfs://192.168.9.72:9000/zhoujianfeng/playtennis";
/*
* 测试代码
*/
public static void main(String[] args) {
//将训练数据转换成 vector数据
makeTrainVector();
//产生训练模型
makeModel(false);
//测试检测数据
BayesCheckData.printResult();
}
public static void makeCheckVector(){
//将测试数据转换成序列化文件
try {
Configuration conf = new Configuration();
conf.addResource(new Path("/usr/local/hadoop/conf/core-site.xml"));
String input = WORK_DIR+Path.SEPARATOR+"testinput";
String output = WORK_DIR+Path.SEPARATOR+"tennis-test-seq";
Path in = new Path(input);
Path out = new Path(output);
FileSystem fs = FileSystem.get(conf);
if(fs.exists(in)){
if(fs.exists(out)){
//boolean参数是，是否递归删除的意思
fs.delete(out, true);
}
SequenceFilesFromDirectory sffd = new SequenceFilesFromDirectory();
String[] params = new String[]{"-i",input,"-o",output,"-ow"};
ToolRunner.run(sffd, params);
}
} catch (Exception e) {
// TODO Auto-generated catch block
e.printStackTrace();
System.out.println("文件序列化失败！");
System.exit(1);
}
//将序列化文件转换成向量文件
try {
Configuration conf = new Configuration();
conf.addResource(new Path("/usr/local/hadoop/conf/core-site.xml"));
String input = WORK_DIR+Path.SEPARATOR+"tennis-test-seq";
String output = WORK_DIR+Path.SEPARATOR+"tennis-test-vectors";
Path in = new Path(input);
Path out = new Path(output);
FileSystem fs = FileSystem.get(conf);
if(fs.exists(in)){
if(fs.exists(out)){
//boolean参数是，是否递归删除的意思
fs.delete(out, true);
}
SparseVectorsFromSequenceFiles svfsf = new SparseVectorsFromSequenceFiles();
String[] params = new String[]{"-i",input,"-o",output,"-lnorm","-nv","-wt","tfidf"};
ToolRunner.run(svfsf, params);
}
} catch (Exception e) {
// TODO Auto-generated catch block
e.printStackTrace();
System.out.println("序列化文件转换成向量失败！");
System.out.println(2);
}
}
public static void makeTrainVector(){
//将测试数据转换成序列化文件
try {
Configuration conf = new Configuration();
conf.addResource(new Path("/usr/local/hadoop/conf/core-site.xml"));
String input = WORK_DIR+Path.SEPARATOR+"input";
String output = WORK_DIR+Path.SEPARATOR+"tennis-seq";
Path in = new Path(input);
Path out = new Path(output);
FileSystem fs = FileSystem.get(conf);
if(fs.exists(in)){
if(fs.exists(out)){
//boolean参数是，是否递归删除的意思
fs.delete(out, true);
}
SequenceFilesFromDirectory sffd = new SequenceFilesFromDirectory();
String[] params = new String[]{"-i",input,"-o",output,"-ow"};
ToolRunner.run(sffd, params);
}
} catch (Exception e) {
// TODO Auto-generated catch block
e.printStackTrace();
System.out.println("文件序列化失败！");
System.exit(1);
}
//将序列化文件转换成向量文件
try {
Configuration conf = new Configuration();
conf.addResource(new Path("/usr/local/hadoop/conf/core-site.xml"));
String input = WORK_DIR+Path.SEPARATOR+"tennis-seq";
String output = WORK_DIR+Path.SEPARATOR+"tennis-vectors";
Path in = new Path(input);
Path out = new Path(output);
FileSystem fs = FileSystem.get(conf);
if(fs.exists(in)){
if(fs.exists(out)){
//boolean参数是，是否递归删除的意思
fs.delete(out, true);
}
SparseVectorsFromSequenceFiles svfsf = new SparseVectorsFromSequenceFiles();
String[] params = new String[]{"-i",input,"-o",output,"-lnorm","-nv","-wt","tfidf"};
ToolRunner.run(svfsf, params);
}
} catch (Exception e) {
// TODO Auto-generated catch block
e.printStackTrace();
System.out.println("序列化文件转换成向量失败！");
System.out.println(2);
}
}
public static void makeModel(boolean completelyNB){
try {
Configuration conf = new Configuration();
conf.addResource(new Path("/usr/local/hadoop/conf/core-site.xml"));
String input = WORK_DIR+Path.SEPARATOR+"tennis-vectors"+Path.SEPARATOR+"tfidf-vectors";
String model = WORK_DIR+Path.SEPARATOR+"model";
String labelindex = WORK_DIR+Path.SEPARATOR+"labelindex";
Path in = new Path(input);
Path out = new Path(model);
Path label = new Path(labelindex);
FileSystem fs = FileSystem.get(conf);
if(fs.exists(in)){
if(fs.exists(out)){
//boolean参数是，是否递归删除的意思
fs.delete(out, true);
}
if(fs.exists(label)){
//boolean参数是，是否递归删除的意思
fs.delete(label, true);
}
TrainNaiveBayesJob tnbj = new TrainNaiveBayesJob();
String[] params =null;
if(completelyNB){
params = new String[]{"-i",input,"-el","-o",model,"-li",labelindex,"-ow","-c"};
}else{
params = new String[]{"-i",input,"-el","-o",model,"-li",labelindex,"-ow"};
}
ToolRunner.run(tnbj, params);
}
} catch (Exception e) {
// TODO Auto-generated catch block
e.printStackTrace();
System.out.println("生成训练模型失败！");
System.exit(3);
}
}
}
package myTesting.bayes;
import java.io.IOException;
import java.util.HashMap;
import java.util.Map;
import org.apache.commons.lang.StringUtils;
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.fs.PathFilter;
import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.mahout.classifier.naivebayes.BayesUtils;
import org.apache.mahout.classifier.naivebayes.NaiveBayesModel;
import org.apache.mahout.classifier.naivebayes.StandardNaiveBayesClassifier;
import org.apache.mahout.common.Pair;
import org.apache.mahout.common.iterator.sequencefile.PathType;
import org.apache.mahout.common.iterator.sequencefile.SequenceFileDirIterable;
import org.apache.mahout.math.RandomAccessSparseVector;
import org.apache.mahout.math.Vector;
import org.apache.mahout.math.Vector.Element;
import org.apache.mahout.vectorizer.TFIDF;
import com.google.common.collect.ConcurrentHashMultiset;
import com.google.common.collect.Multiset;
public class BayesCheckData {
private static StandardNaiveBayesClassifier classifier;
private static Map<String, Integer> dictionary;
private static Map<Integer, Long> documentFrequency;
private static Map<Integer, String> labelIndex;
public void init(Configuration conf){
try {
String modelPath = "/zhoujianfeng/playtennis/model";
String dictionaryPath = "/zhoujianfeng/playtennis/tennis-vectors/dictionary.file-0";
String documentFrequencyPath = "/zhoujianfeng/playtennis/tennis-vectors/df-count";
String labelIndexPath = "/zhoujianfeng/playtennis/labelindex";
dictionary = readDictionnary(conf, new Path(dictionaryPath));
documentFrequency = readDocumentFrequency(conf, new Path(documentFrequencyPath));
labelIndex = BayesUtils.readLabelIndex(conf, new Path(labelIndexPath));
NaiveBayesModel model = NaiveBayesModel.materialize(new Path(modelPath), conf);
classifier = new StandardNaiveBayesClassifier(model);
} catch (IOException e) {
// TODO Auto-generated catch block
e.printStackTrace();
System.out.println("检测数据构造成vectors初始化时报错。。。。");
System.exit(4);
}
}
/**
* 加载字典文件，Key: TermValue； Value：TermID
* @param conf
* @param dictionnaryDir
* @return
*/
private static Map<String, Integer> readDictionnary(Configuration conf, Path dictionnaryDir) {
Map<String, Integer> dictionnary = new HashMap<String, Integer>();
PathFilter filter = new PathFilter() {
@Override
public boolean accept(Path path) {
String name = path.getName();
return name.startsWith("dictionary.file");
}
};
for (Pair<Text, IntWritable> pair : new SequenceFileDirIterable<Text, IntWritable>(dictionnaryDir, PathType.LIST, filter, conf)) {
dictionnary.put(pair.getFirst().toString(), pair.getSecond().get());
}
return dictionnary;
}
/**
* 加载df-count目录下TermDoc频率文件，Key: TermID； Value：DocFreq
* @param conf
* @param dictionnaryDir
* @return
*/
private static Map<Integer, Long> readDocumentFrequency(Configuration conf, Path documentFrequencyDir) {
Map<Integer, Long> documentFrequency = new HashMap<Integer, Long>();
PathFilter filter = new PathFilter() {
@Override
public boolean accept(Path path) {
return path.getName().startsWith("part-r");
}
};
for (Pair<IntWritable, LongWritable> pair : new SequenceFileDirIterable<IntWritable, LongWritable>(documentFrequencyDir, PathType.LIST, filter, conf)) {
documentFrequency.put(pair.getFirst().get(), pair.getSecond().get());
}
return documentFrequency;
}
public static String getCheckResult(){
Configuration conf = new Configuration();
conf.addResource(new Path("/usr/local/hadoop/conf/core-site.xml"));
String classify = "NaN";
BayesCheckData cdv = new BayesCheckData();
cdv.init(conf);
System.out.println("init done...............");
Vector vector = new RandomAccessSparseVector(10000);
TFIDF tfidf = new TFIDF();
//sunny，hot，high，weak
Multiset<String> words = ConcurrentHashMultiset.create();
words.add("sunny",1);
words.add("hot",1);
words.add("high",1);
words.add("weak",1);
int documentCount = documentFrequency.get(-1).intValue(); // key=-1时表示总文档数
for (Multiset.Entry<String> entry : words.entrySet()) {
String word = entry.getElement();
int count = entry.getCount();
Integer wordId = dictionary.get(word); // 需要从dictionary.file-0文件（tf-vector）下得到wordID，
if (StringUtils.isEmpty(wordId.toString())){
continue;
}
if (documentFrequency.get(wordId) == null){
continue;
}
Long freq = documentFrequency.get(wordId);
double tfIdfValue = tfidf.calculate(count, freq.intValue(), 1, documentCount);
vector.setQuick(wordId, tfIdfValue);
}
// 利用贝叶斯算法开始分类,并提取得分最好的分类label
Vector resultVector = classifier.classifyFull(vector);
double bestScore = -Double.MAX_VALUE;
int bestCategoryId = -1;
for(Element element: resultVector.all()) {
int categoryId = element.index();
double score = element.get();
System.out.println("categoryId:"+categoryId+" score:"+score);
if (score > bestScore) {
bestScore = score;
bestCategoryId = categoryId;
}
}
classify = labelIndex.get(bestCategoryId)+"(categoryId="+bestCategoryId+")";
return classify;
}
public static void printResult(){
System.out.println("检测所属类别是："+getCheckResult());
}
}
1. 请介绍一下WebGIS的概念和作用，以及在实际应用中的优势和挑战。
WebGIS是一种基于Web技术的地理信息系统，通过将地理数据和功能以可视化的方式呈现在Web浏览器中，实现地理空间数据的共享和分析。它可以用于地图浏览、空间查询、地理分析等多种应用场景。WebGIS的优势包括易于访问、跨平台、实时更新、可定制性强等，但也面临着数据安全性、性能优化、用户体验等挑战。
2. 请谈谈您在WebGIS开发方面的经验和技能。
我在WebGIS开发方面有丰富的经验和技能。我熟悉常用的WebGIS开发框架和工具，如ArcGIS API for JavaScript、Leaflet、OpenLayers等。我能够使用HTML、CSS和JavaScript等前端技术进行地图展示和交互设计，并能够使用后端技术如Python、Java等进行地理数据处理和分析。我还具备数据库管理和地理空间数据建模的能力，能够设计和优化WebGIS系统的架构。
3. 请描述一下您在以往项目中使用WebGIS解决的具体问题和取得的成果。
在以往的项目中，我使用WebGIS解决了许多具体问题并取得了显著的成果。例如，在一次城市规划项目中，我开发了一个基于WebGIS的交通流量分析系统，帮助规划师们评估不同交通方案的效果。另外，在一次环境监测项目中，我使用WebGIS技术实现了实时的空气质量监测和预警系统，提供了准确的空气质量数据和可视化的分析结果，帮助政府和公众做出相应的决策。
4. 请谈谈您对WebGIS未来发展的看法和期望。
我认为WebGIS在未来会继续发展壮大。随着云计算、大数据和人工智能等技术的不断进步，WebGIS将能够处理更大规模的地理数据、提供更丰富的地理分析功能，并与其他领域的技术进行深度融合。我期望未来的WebGIS能够更加智能化、个性化，为用户提供更好的地理信息服务，助力各行各业的决策和发展。
这块您需要了解下stm32等单片机的基本编程和简单的硬件设计，最好能够了解模电和数电相关的知识更好，还有能够会做操作系统，简单的有ucos，freeRTOS等等。最好能够使用PCB画图软件以及keil4等软件。希望对您能够有用。
在现代社会中，人才支撑是推动经济发展和社会进步的关键因素。人才是一个国家、一个企业乃至一个社会的最宝贵的财富，其能力与素质直接影响着一个单位或组织的竞争力和创新能力。人才支撑的重要性已经被越来越多的组织和国家认识到，并将其列为战略规划的核心内容。
人才支撑是指通过有效的人力资源配置和优秀人才的引进、培养和留用，为一个组织或国家提供必要的人力支持和智力支持的过程。这个过程包括吸引人才、培养人才和激励人才三个方面。
人才支撑对于一个组织或国家的发展具有重要的意义。
要实现人才支撑的目标，一个组织或国家需要采取一系列的措施和策略。
吸引人才是人才支撑的首要任务。通过提供具有吸引力的工作机会、良好的薪酬福利待遇、良好的职业发展空间等，可以吸引到更多的人才投身于组织或国家的事业。
培养人才是人才支撑的关键环节。通过高水平的教育和培训体系，培养出各领域的优秀人才，满足组织或国家的需求。
激励人才是保持人才持续发展的重要手段。通过提供公平的晋升机制、丰厚的薪酬福利、有挑战性的岗位和广阔的发展空间，激励人才为组织或国家创造更大的价值。
在实施人才支撑的过程中，也面临着一些挑战。
为应对这些挑战，组织和国家可以采取一些对策：
人才支撑是推动经济和社会发展的重要支撑力量。组织和国家需要重视人才支撑，加强人才的引进和培养工作，为社会进步和经济繁荣提供强大的人力和智力支持。
欢迎来到支撑图集博客！我们致力于为读者提供有关支撑知识和技巧的全面指南。在这个快节奏的时代，支撑是任何成功企业的关键组成部分。无论是技术支撑还是客户支撑，一个良好的支撑系统可以帮助企业更好地满足客户需求，提供优质的产品和服务。
支撑是企业与客户之间的桥梁。它不仅仅解决客户问题，还提供指导和支持，确保客户满意度和忠诚度的提高。支撑部门是一个为客户解决问题、提供帮助和教育的关键部门。它承担着帮助客户解决问题并保持客户关系的重要责任。
建立一个高效的支撑系统并不容易。以下是一些关键要素，可以帮助企业提供卓越的支撑：
一个好的支撑系统必须能够满足客户的需求，并提供卓越的支持。以下是一些工作技巧，可帮助支撑团队提供出色的支撑：
支撑图集是一个专注于支撑领域的博客平台。我们提供有关支撑系统、支撑团队管理、客户支撑技巧等方面的知识和技巧。
通过我们的博客文章和图集，您可以了解如何建立一个高效的支撑系统，提供卓越的支撑，并提高客户满意度。
感谢您选择支撑图集！我们的目标是为您提供最有价值的支撑知识和经验。请继续关注我们的博客，并随时与我们联系，如有任何问题或建议。
谢谢！
支撑图集团队
