邪恶漫画大全之小狗是近年来备受关注的一部网络漫画作品，以其独特的风格和引人入胜的情节吸引了众多读者。该作品通过描绘小狗在邪恶世界中的成长历程，展现了人性的复杂性和社会的黑暗面。
《邪恶漫画大全之小狗》讲述了一只可爱的小狗在邪恶世界中奋力求生存的故事。作者通过小狗的视角，呈现了人们在社会压力下的种种行为，同时也反映了人类世界的种种荒诞。
《邪恶漫画大全之小狗》中的小狗从出生开始就面临着各种困难和挑战。在邪恶世界的各种阴谋和勾心斗角中，小狗不断成长，最终变得坚强而睿智。
除了小狗本身，邪恶漫画大全之小狗还塑造了一系列丰富多彩的人物形象。每个角色都有着自己独特的性格特点，为整个故事增添了丰富的层次感。
作为一部反映现实社会的漫画作品，《邪恶漫画大全之小狗》引发了人们对道德、人性和社会现实的深刻思考。通过对小狗的命运描绘，作者抨击了人们在现实生活中的种种丑恶行为。
《邪恶漫画大全之小狗》凭借其独特的视角和深刻的主题得到了广大读者的认可与喜爱。不少评论家将其视为当代漫画界的经典之作，对其剧情设置和人物塑造赞不绝口。
总的来说，邪恶漫画大全之小狗作为一部具有深刻内涵的漫画作品，成功地引起了社会各界的关注和思考。希望这样的作品能够继续涌现，为漫画创作的发展贡献更多精彩的力作。
从前，森林里住着一对双胞胎狗，它们一只叫大黄，一只叫小黄。虽然它们每天都生活在一起，可是它们总是为了一点点小事而吵架，吵完后就谁也不理谁，就连它们的妈妈也拿它们没办法。
一天，大黄和小黄又在吵架了，原来它们是为了比谁更强壮的事。大黄说：“你看我，长得又高又大，肯定比你强壮。”小黄很不服气地说：“你看你长得那么瘦，我可比你强壮多了。”它们你不让我，我不让你，吵得人仰马翻，吵了半天也吵不出个结果。后来，它们决定去照镜子，看到底谁更强壮。
于是，他俩一起去找镜子，它们路过一家商店，看到门口放着两面大镜子，便高兴地走过去照了起来。可是不照不知道，一照吓一跳，镜子里的大黄又高又大，十分壮实，还威风凛凛，神气十足。而镜子里的小黄呢，又矮又小，瘦骨嶙峋，四肢松软的像得了骨质疏松症一样。小黄惊呆了，一屁股坐在地上，再也不敢和大黄吵了。
从此，它们的生活有了很大的变化，大黄走起路来总是嘴上叼着根香烟，趾高气扬的大步大步走在前面，而小黄只能垂头丧气地跟在大黄后面，小心翼翼地挪动。它俩哪里知道，其实那次在商店门口照得是店主给顾客娱乐的哈哈镜，大黄照得是凹镜，能把人照得又高又大，小黄照得是凸镜，会把人照得又矮又小。
点评：语句通顺，句意流畅，言辞优美，叙写形象、生动、鲜明，语言表达能力较强。脉络分明，层次感强，叙气说井然有序，纤毫不乱。情节波折性较强，于平常之中生意外，能引起读者的注意。
漫画版更适合孩子看，图片形象生动，文字版更多是阐述
今天，老师给我们看了一幅漫画，叫做《两只小狗》，它使我陷入沉思……。里面的内容是：有两只小狗，它们是一对双胞胎，一样的高矮，一样的胖瘦，一样的帅气，可是它们两个去照嘻哈镜，一只被照的又高又大，威武强壮，像一个高大的巨人，另一只却被照的又低又小，枯瘦如柴，还没有一只猫大，两只小狗被一个嘻哈镜彻底改变了命运。从此被照的高大的小狗走起路来昂首挺胸，高傲自大，另一只被照的低矮的小狗走起路来又低又沉，仿佛趴在地上走。
刚看到这幅漫画我就觉得可笑，明明是相同的两只狗，却被改变了人生命运，从此生活发生了惊人的大变化，难道它们没有思想吗？真是太可笑了。笑过之后我不禁陷入沉思，我们要正确的认识自己、评价自己，不要被生活的一些“嘻哈镜”控制了自己。要做一个品学兼优、积极向上的人。
在生活中，我们偶尔也会见到这样的人，如：读了几本书就感觉自己很有学问，写了几篇作文就感觉自己很有才，是个文学家，去过几次旅游景点就认为自己经验丰富，是个探险家，这显然是第一条小狗。可也有的人考试考了不理想的分数就自暴自弃，认为自己不适合学习，做什么事情不成功，认为自己笨手笨脚的，这显然是第二条小狗。这两种人的做法和想法都是不正确的，都是因为身边的一面“嘻哈镜”控制了自己，对自己有了不同的看法，真是“不识庐山真面目，只缘身在此山中”啊！
我们一定要对自己充满自信心，不要被周围的“嘻哈镜”所影响，做一个正确认识自己，积极乐观的好学生。
近年来，网络上流传着一部名为陈小狗的恐怖漫画，广受关注。这部漫画内容离奇，画风恐怖，让不少读者心生恐惧。但究竟这部漫画背后隐藏着怎样的秘密？
据了解，陈小狗起初是一部普通的线稿漫画，作者不明。然而，随着在网络上的传播，漫画中的故事渐渐让人感到不寻常。陈小狗这一角色逐渐成为一种网路现象，吸引了大量热衷恐怖题材的读者。
陈小狗的故事情节以及画面展示，充斥着大量的戏剧性、血腥暴力、惊悚元素。这种极端的表现手法，让人不禁产生对未知事物的恐惧。读者在浏览的过程中往往倍感毛骨悚然，一种莫名的紧张情绪笼罩心头。
对于陈小狗这样的恐怖漫画，很多人纷纷猜测，背后是否隐藏着某种秘密，或者是否有其他用意。然而，实际上，陈小狗只是一部虚构的漫画作品，作者出于表现形式的需要，故意渲染恐怖元素，达到吸引读者的目的。
总的来说，陈小狗这部漫画不过是作者的一种创作手段，其背后并无阴谋或秘密。观众在阅读时，可以放下心中的恐惧，将其当做一种娱乐方式。毕竟，恐怖漫画只是虚构的故事，我们完全可以理性对待。
谢谢您阅读这篇关于陈小狗的文章，希望通过揭秘的方式，让更多人了解背后的真相。
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。
1.负责区域大客户/行业客户管理系统销售拓展工作，并完成销售流程；
2.维护关键客户关系，与客户决策者保持良好的沟通；
3.管理并带领团队完成完成年度销售任务。
你好，面试题类型有很多，以下是一些常见的类型：
1. 技术面试题：考察候选人技术能力和经验。
2. 行为面试题：考察候选人在过去的工作或生活中的行为表现，以预测其未来的表现。
3. 情境面试题：考察候选人在未知情境下的决策能力和解决问题的能力。
4. 案例面试题：考察候选人解决实际问题的能力，模拟真实工作场景。
5. 逻辑推理题：考察候选人的逻辑思维能力和分析能力。
6. 开放性面试题：考察候选人的个性、价值观以及沟通能力。
7. 挑战性面试题：考察候选人的应变能力和创造力，通常是一些非常具有挑战性的问题。
