星期天的英文。

星期天用英文来说是Sunday

你好，很高兴为你解答:Sunday英 [ˈsʌndeɪ]美 [ˈsʌndeɪ]详细释义[名]Sundayn.星期日；星期天；每逢星期日出版的报纸；星期日报

Sunday

星期天的英文是Sunday，读音：英[_s_nde_]，美[_s_n_de_]。例句：1、It really goes against the grain to have to work on a Sunday.星期天还得上班的确不合常情。2、She always went to chapel on Sundays.她总是在星期天去教堂做礼拜。3、Sunday is the preferred day for advertising inserts in newspapers.星期天是添加广告插页的最佳日子。4、The final part will be shown next Sunday evening.最后一集将于下星期天晚上播出。5、Buses run every hour, Sundays excluded.公共汽车每小时一班，星期天除外。6、Last Sunday I got up very late.上个星期天，我起得很晚。7、Sleeping in on Sunday has always been my favorite thing to do.星期天睡懒觉一直是我最喜欢的事。8、We work every day except Sunday.我们除星期天外每天都工作。

星期天是Sunday。英[u02c8su028cndeu026a]美[u02c8su028cndeu026a]例句：It really goes against the grain to have to work on a Sunday.星期天还得上班的确不合常情。星期起源于巴比伦：现在世界通行的星期制是罗马皇帝君士坦丁大帝在公元321年3月7日正式确立的，在不同地区，一星期的开始时间并不完全一致。许多英语国家、犹太教、日本是星期日，埃及人的一星期是从星期六开始的。多数欧洲国家都以星期一为一星期的第一天。而中国大陆习惯上也认为星期一是开始时间。但越来越多的英文字典也开始以星期一定义为一星期的第一天，否则周末weekend这个词就很难说得通。

　　星期天，即星期日，俗语，口语多说星期天。根据圣经的说法，耶稣是在星期日复活升天的。基督教以星期日作为“礼拜日”，也代替安息日。那么你知道是什么吗?下面来学习一下吧。 　 　星期天英语单词： 　　Sunday 　　 星期天英语例句： 　　科恩星期天一整天都在家无所事事。 　　On Sunday Cohen lay around the house all day. 　　星期天下午，他感到自己身体恢复正常，可以到斯坦福大学附近的环山路Stanford Dish跑步。 　　Sunday afternoon he felt normal enough to run the Stanford Dish, a hilly loop near the university. 　　我星期天做礼拜时没看见你。 　　I didn"t see you in church on Sunday. 　　星期天早晨，比尔被电话 *** 吵醒了。 　　On Sunday morning Bill was woken by the telephone. 　　他不是星期六来，就是星期天来。 　　He is ing either on Saturday or on Sunday. 　　他们每个星期天晚上做礼拜。 　　They go to chapel every Sunday evening. 　　上星期天我十点钟起床。 　　I got up at ten last Sunday. 　　这个星期天浸信会教友将要举行一场典礼。 　　The Baptist will hold a ceremony this Sunday. 　　我通常星期天购物。 　　I usually go shopping on Sundays. 　　每个星期天我们都去爬山。 　　We go to climb mountains every Sunday. 　　我们星期天晚上好好吃一顿烤肉吧。 　　Let"s have a nice roast for Sunday dinner. 　　星期天晚上你一般看电视吗? 　　Do you watch television on sunday evening? 　　上星期天我的商店让人放了一把火。 　　I had my shop set fire last weekend. 　　他们每逢星期天都到商业区去。 　　They went downtown every week.

问题一：用英语一到星期日怎么写 是星期一到星期日怎么写吧？ 附带上出处会好记些。 星期一：Monday ["m?ndi, "m?ndei], Monday -- Moon"s day 古希腊的月之日 星期二：Tuesday ["tju:zdi] Tuesday -- Tiu"s day Tiu在英国/德国是战神的意思。 星期三：Wednesday ["wenzdi] Wednesday -- Woden"s day Woden是日尔曼神，保佑野生狩猎。 星期四：Thursday ["θ?:zdi] Thursday -- Thor"s day Thor是古代斯堪地那维亚人的雷电之神。 星期五：Friday ["fraidi] Friday -- Freya"s day 是古代斯堪地那维亚人视Freya为 爱情，美丽，和多子多福的女神 星期六：Saturday ["s?t?di] Saturday -- Saturn"s day 古罗马和意大利的农耕之神。 Sunday ["s?nde?] Sunday -- Sun"s day 古希腊的太阳之日 问题二：星期一到星期天用英文怎么写 星期一：Monday 星期二：Tuesday 星期三：Wednesday 星期四：Thursday 星期五：Friday 星期六：Saturday 星期日：Sunday 问题三：今天是星期天英文怎么写 今天星期天： Today is Sunday.（或者It is Sunday today） Today is Sunday读法如下： today没有对应的中文，只能用拼音 的te (轻音无声调）dei（第四声）其中dei要比te稍微重读一点，拖长一丁点 is是 yi zi 其中zi要剪短有力，轻发即可、 s郸nday的sun部分可以读成介于三和桑直接的音，不读成三是因为英文发音需饱满 day的部分可以读成介于dei和di之间的音。 问题四：周一至周日英语怎么写 周一：Monday 周二：Tuesday 周三：Wednesday 周四：Thursday 周五：Friday 周六：Saturday 周日：Sunday 周一至周日： from Monday to Sunday 祝你学习进步，更上一层楼！ (*^__^*) 不明白的再问哟，请及时采纳，多谢！ 问题五：星期一到星期日的英文翻译。 星期一 Monday 星期二 Tuesday 星期三 Wednesday 星期四 Thursday 星期五 Friday 星期六 Saturday 星期日 Sunday 希望能帮到你，祝更上一层楼O(∩_∩)O 有不会的欢迎再继续问我(*^__^*) 问题六：星期一到星期日的英文 Monday 星期一 Tuesday 星期二 Wednesday 星期三 Thursday 星期四 Friday 星期五 Saturday 星期六 钉unday 星期日 问题七：礼拜一到礼拜天的英文怎么写？ 正确排福：Sunday星期天 Monday星期一 Tuesday星期二 Wednesday 星期三 Thursday 星期四 Friday星期五 Saturday 星期六 （注：星期=礼拜，写的时候第一个字母要大写）

1、星期一到星期日的英文分别是Monday、Tuesday、Wednesday、Thursday、Friday、Saturday、Sunday。 2、星期一：月亮日。西方人把这天献给月之女神，因为他们相信月的满亏会影响农作物的生长。 3、星期二：战神日。传说欧洲战神Tyr掌管法律和秩序，有次为了服狼精被咬断了一只手，于是以他的名字命名了星期二。 4、星期三：风神日。西方人为了纪念风暴之神”Woden”，因为他曾领导神族跟巨人族作战，还牺牲己锐利的左眼。 5、星期四：雷神日。这是为了纪念雷神”Thor”，他经常带着一把大铁锤，关于雷神Thor的铁锤还发生过有趣的故事。 6、星期五：古英文中Friday意思是Frigg"s day，Frigg是北欧神话中主司婚姻和生育的女神。 7、星期六：于罗马的萨图恩神，它是掌管五谷的农神。 8、星期日：太阳日。因为耶稣活的日子是星期日，所以现在大多数国家都以星期日为假日。

星期一到星期日的英文如下：星期一：Monday；星期二：Tuesday；星期三：Wednesday；星期四：Thursday；星期五：Friday；星期六：Saturday；星期日：Sunday。资料扩展：星期一到星期天的英文缩写分别是Mon.；Tues.；Wed；Thur.；Fri.；Sat.；Sun.。星期一到星期日英文是Monday to Sunday，巧记星期一至星期日的英文可以用谐音法背诵单词。星期，又叫周，是一个时间单位，也是制定工作日、休息日的依据。星期作为时间周期最早起源于巴比伦。世界通行的星期制是罗马皇帝君士坦丁大帝在公元321年3月7日正式确立的。在中国古代称“七曜”。七曜在中国夏商周时期，是指日、月及五大行星等七个主要星体，是当时天文星象的重要组织成份，后来借用作七天为一周的时间单位，故称“星期”。星期作为时间周期最早起源于巴比伦。世界各国通用一星期七天的制度最早由罗马皇帝君士坦丁大帝制定，他在公元321年3月7日正式宣布7天为一周，这个制度一直沿用至今。而在中国，明末清初基督教在中国传播时，星期才逐渐被人们所知晓。民国时期规定使用公历之后，星期才逐步普及起来。星期在中国古称七曜。七曜在中国夏商周时期，是指日、月及五大行星等七个主要星体，是当时天文星象的重要组织成份。中国的七曜开始并未作为时间单位。在西方，古巴比伦人首先使用七天为一周的时间单位，后来犹太人把它传到古埃及，又由古埃及传到罗马，公元3世纪以后，就广泛地传播到欧洲各国。

问题一：星期一到星期日用英语怎么说 星期一 Monday 星期二 Tuesday 星期三 Wednesday 星期四 Thursday 星期五 Friday 星期六 Saturday 星期日 Sunday ~如果你认可我的回答，请及时点击【采纳为满意回答】按钮~ ~手机提问的朋友在客户端右上角评价点【满意】即可。 ~你的采纳是我前进的动力~~ O(∩_∩)O，互相帮助，祝共同进步！ 问题二：星期一到星期日的英文翻译。 星期一 Monday 星期二 Tuesday 星期三 Wednesday 星期四 Thursday 星期五 Friday 星期六 Saturday 星期日 Sunday 希望能帮到你，祝更上一层楼O(∩_∩)O 有不会的欢迎再继续问我(*^__^*) 问题三：在每个星期天用英语怎么说 on Sundays 或者every Sunday 没有on 问题四：在周末用英语怎么说 on weeke亥ds 或者on the weekend （美语）；at weekends 或者at the weekend （英语），请注意：单数形式的weekend 前面要使用特定的冠词，复数形式的weekends 的前面不能使用冠词。表泛指时使用on weekends 或at weekends ；指说话人特指的某个周末倾向于使用 on the weekend 或at the weekend 问题五：在周末用英文怎么说 at weekends; on weekends；at the weekend；；； on the weekend; ； on Saturnday and Sunday; 我们在周末聊了这些话题。 And so it went for the weekend. ； on the weekend(s), at the weekend(s), over the weekend(s), during the weekend(s) on Sunday，比较通常的讲法 还有如果指明是哪个周日，如本周日，this Sunday，上周日，last Sunday，直接用，前面不用介词 问题六：在周日的下午用英语怎么说，急！ in Sunday"s. afternoon 问题七：星期日 用英语怎么说？ 星期日 用英语：On Sunday。 若满意，望采纳！！！ 问题八：在周末 用英语怎么说 at the weekends 特指经常发生的，周期性的周末。比如你经常在周末做哪些事情，而发生的频率很高，就用这个。 at the weekend 特指某一个周末。比如你在上周末发生了一件事情，就用这个。 at weekend 指一般性的周末。没有特指的意味。只是单纯的表示一个时间。周末。 at weekends 指无数个周末。有“无数个周末”的意思 希望能帮到你哦 问题九：用英语一到星期日怎么写 是星期一到星期日怎么写吧？ 附带上出处会好记些。 星期一：Monday ["m?ndi, "m?ndei], Monday -- Moon"s day 古希腊的月之日 星期二：Tuesday ["tju:zdi] Tuesday -- Tiu"s day Tiu在英国/德国是战神的意思。 星期三：Wednesday ["wenzdi] Wednesday -- Woden"s day Woden是日尔曼神，保佑野生狩猎。 星期四：Thursday ["θ?:zdi] Thursday -- Thor"s day Thor是古代斯堪地那维亚人的雷电之神。 星期五：Friday ["fraidi] Friday -- Freya"s day 是古代斯堪地那维亚人视Freya为 爱情，美丽，和多子多福的女神 星期六：Saturday ["s?t?di] Saturday -- Saturn"s day 古罗马和意大利的农耕之神。 Sunday ["s?nde?] Sunday -- Sun"s day 古希腊的太阳之日

星期天是Sunday。英[u02c8su028cndeu026a]美[u02c8su028cndeu026a]例句：It really goes against the grain to have to work on a Sunday.星期天还得上班的确不合常情。星期起源于巴比伦：现在世界通行的星期制是罗马皇帝君士坦丁大帝在公元321年3月7日正式确立的，在不同地区，一星期的开始时间并不完全一致。许多英语国家、犹太教、日本是星期日，埃及人的一星期是从星期六开始的。多数欧洲国家都以星期一为一星期的第一天。而中国大陆习惯上也认为星期一是开始时间。但越来越多的英文字典也开始以星期一定义为一星期的第一天，否则周末weekend这个词就很难说得通。

星期天的英文是Sunday。读音：英[u02c8su028cndeu026a; u02c8su028cndi]，美[u02c8su028cndeu026a; u02c8su028cndi]。释义：n. 星期日；礼拜日。复数：Sundays。词汇搭配：alternate Sunday 每隔一个星期日。next Sunday 下星期日。Sunday best 节日服装。a month of Sundays 很长一段时期。词语用法Sunday的意思是“星期日，星期天，礼拜天”，指一周的第一天，是休息或基督徒做礼拜的日子。Sunday前一般不用冠词，有时可加定冠词the来表示“所谈到的那一周的星期天”。表示“某个星期天”时，Sunday前可加不定冠词a。表示“在星期天”时，一般用介词on，但如果有this，that，last，before，every等词修饰时，不能再用介词on。Sunday有时可表示“每逢星期日出版的报纸”或“最好的衣服”，多用复数形式。

Sunday (Sun.) [网络短语] 星期天Sunday,SUN,domenica 黑色星期天Gloomy Sunday,Black Sunday,Sunday is gloomy 星期天真好Good Sunday,change

星期天是Sunday。英[u02c8su028cndeu026a]美[u02c8su028cndeu026a]例句：It really goes against the grain to have to work on a Sunday.星期天还得上班的确不合常情。星期起源于巴比伦：现在世界通行的星期制是罗马皇帝君士坦丁大帝在公元321年3月7日正式确立的，在不同地区，一星期的开始时间并不完全一致。许多英语国家、犹太教、日本是星期日，埃及人的一星期是从星期六开始的。多数欧洲国家都以星期一为一星期的第一天。而中国大陆习惯上也认为星期一是开始时间。但越来越多的英文字典也开始以星期一定义为一星期的第一天，否则周末weekend这个词就很难说得通。

星期日 Sunday 星期一 Monday 星期二 Tuesday 星期三 Wednesday 星期四 Thursday星期五 Friday 星期六 Saturday

问题一：星期一到星期日用英语怎么说 星期一 Monday 星期二 Tuesday 星期三 Wednesday 星期四 Thursday 星期五 Friday 星期六 Saturday 星期日 Sunday ~如果你认可我的回答，请及时点击【采纳为满意回答】按钮~ ~手机提问的朋友在客户端右上角评价点【满意】即可。 ~你的采纳是我前进的动力~~ O(∩_∩)O，互相帮助，祝共同进步！ 问题二：在周末 用英语怎么说 at the weekends 特指经常发生的，周期性的周末。比如你经常在周末做哪些事情，而发生的频率很高，就用这个。 at the weekend 特指某一个周末。比如你在上周末发生了一件事情，就用这个。 at weekend 指一般性的周末。没有特指的意味。只是单纯的表示一个时间。周末。 at weekends 指无数个周末。有“无数个周末”的意思 希望能帮到你哦 问题三：星期一到星期天用英文怎么写 星期一：Monday 星期二：Tuesday 星期三：Wednesday 星期四：Thursday 星期五：Friday 星期六：Saturday 星期日：Sunday 问题四：星期一到星期日的英文翻译。 星期一 Monday 星期二 Tuesday 星期三 Wednesday 星期四 Thursday 星期五 Friday 星期六 Saturday 星期日 Sunday 希望能帮到你，祝更上一层楼O(∩_∩)O 有不会的欢迎再继续问我(*^__^*) 问题五：在周末用英文怎么说 at weekends; on weekends；at the weekend；；； on the weekend; ； on Saturnday and Sunday; 我们在周末聊了这些话题。 And so it went for the weekend. ； on the weekend(s), at the weekend(s), over the weekend(s), during the weekend(s) on Sunday，比较通常的讲法 还有如果指明是哪个周日，如本周日，this Sunday，上周日，last Sunday，直接用，前面不用介词 问题六：用英语一到星期日怎么写 是星期一到星期日怎么写吧？ 附带上出处会好记些。 星期一：Monday ["m?ndi, "m?ndei], Monday -- Moon"s day 古希腊的月之日 星期二：Tuesday ["tju:zdi] Tuesday -- Tiu"s day Tiu在英国/德国是战神的意思。 星期三：Wednesday ["wenzdi] Wednesday -- Woden"s day Woden是日尔曼神，保佑野生狩猎。 星期四：Thursday ["θ?:zdi] Thursday -- Thor"s day Thor是古代斯堪地那维亚人的雷电之神。 星期五：Friday ["fraidi] Friday -- Freya"s day 是古代斯堪地那维亚人视Freya为 爱情，美丽，和多子多福的女神 星期六：Saturday ["s?t?di] Saturday -- Saturn"s day 古罗马和意大利的农耕之神。 Sunday ["s?nde?] Sunday -- Sun"s day 古希腊的太阳之日 问题七：在每个星期天用英语怎么说 on Sundays 或者every Sunday 没有on 问题八：上个周末用英文怎么说？ last week 问题九：周一到周日 分别用英语怎么说？ Monday Tuesday Wedn恭sday Thursday Friday Saturday Sunday 问题十：在周末用英语怎么说 on weeke亥ds 或者on the weekend （美语）；at weekends 或者at the weekend （英语），请注意：单数形式的weekend 前面要使用特定的冠词，复数形式的weekends 的前面不能使用冠词。表泛指时使用on weekends 或at weekends ；指说话人特指的某个周末倾向于使用 on the weekend 或at the weekend

Sunday (Sun.) [网络短语] 星期天Sunday,SUN,domenica 黑色星期天Gloomy Sunday,Black Sunday,Sunday is gloomy 星期天真好Good Sunday,change

问题一：用英语一到星期日怎么写 是星期一到星期日怎么写吧？ 附带上出处会好记些。 星期一：Monday ["m?ndi, "m?ndei], Monday -- Moon"s day 古希腊的月之日 星期二：Tuesday ["tju:zdi] Tuesday -- Tiu"s day Tiu在英国/德国是战神的意思。 星期三：Wednesday ["wenzdi] Wednesday -- Woden"s day Woden是日尔曼神，保佑野生狩猎。 星期四：Thursday ["θ?:zdi] Thursday -- Thor"s day Thor是古代斯堪地那维亚人的雷电之神。 星期五：Friday ["fraidi] Friday -- Freya"s day 是古代斯堪地那维亚人视Freya为 爱情，美丽，和多子多福的女神 星期六：Saturday ["s?t?di] Saturday -- Saturn"s day 古罗马和意大利的农耕之神。 Sunday ["s?nde?] Sunday -- Sun"s day 古希腊的太阳之日 问题二：星期一到星期天用英文怎么写 星期一：Monday 星期二：Tuesday 星期三：Wednesday 星期四：Thursday 星期五：Friday 星期六：Saturday 星期日：Sunday 问题三：今天是星期天英文怎么写 今天星期天： Today is Sunday.（或者It is Sunday today） Today is Sunday读法如下： today没有对应的中文，只能用拼音 的te (轻音无声调）dei（第四声）其中dei要比te稍微重读一点，拖长一丁点 is是 yi zi 其中zi要剪短有力，轻发即可、 s郸nday的sun部分可以读成介于三和桑直接的音，不读成三是因为英文发音需饱满 day的部分可以读成介于dei和di之间的音。 问题四：周一至周日英语怎么写 周一：Monday 周二：Tuesday 周三：Wednesday 周四：Thursday 周五：Friday 周六：Saturday 周日：Sunday 周一至周日： from Monday to Sunday 祝你学习进步，更上一层楼！ (*^__^*) 不明白的再问哟，请及时采纳，多谢！ 问题五：星期一到星期日的英文翻译。 星期一 Monday 星期二 Tuesday 星期三 Wednesday 星期四 Thursday 星期五 Friday 星期六 Saturday 星期日 Sunday 希望能帮到你，祝更上一层楼O(∩_∩)O 有不会的欢迎再继续问我(*^__^*) 问题六：星期一到星期日的英文 Monday 星期一 Tuesday 星期二 Wednesday 星期三 Thursday 星期四 Friday 星期五 Saturday 星期六 钉unday 星期日 问题七：礼拜一到礼拜天的英文怎么写？ 正确排福：Sunday星期天 Monday星期一 Tuesday星期二 Wednesday 星期三 Thursday 星期四 Friday星期五 Saturday 星期六 （注：星期=礼拜，写的时候第一个字母要大写）

星期天：Sunday （缩写：Sun） 星期一：Monday （缩写：Mon）星期二：Tuesday （缩写：Tue）星期三：Wednesday （缩写：Wed）星期四：Thursday （缩写：Thur）星期五：Friday （缩写：Fri）星期六：Saturday （缩写：Sat）

星期日的英文翻译为：Sunday。 Sunday： n.星期日;星期天;每逢星期日出版的报纸;星期日报； 复数： Sundays 扩展资料 　　How many people attend church every Sunday? 　　每个星期天有多少人去教堂？ 　　We are hoping for good weather on Sunday. 　　我们盼望着星期天天气好。 　　We went for a cycle ride on Sunday. 　　我们星期天骑自行车去兜风了。 　　He enjoyed a round of golf on a Sunday morning. 　　他喜欢星期天的上午打一场高尔夫球。

1、Sunday英[?s?nde?]美[?s?nde?]，n.星期日; 星期天; 每逢星期日出版的报纸; 星期日报。2、[例句]The final part will be shown next Sunday evening. 最后一集将于下星期天晚上播出。

SPF值是日光防护系数 sun protection factors 的缩写，它是防晒化妆品保护皮肤，避免日晒红斑的一种性能指标。防晒系数（SPF）是指SPF防晒系数，表明防晒用品所能发挥的防晒效能的高低，它是根据皮肤的最低红斑剂量来确定的。SPF值后面的系数是指紫外线照对皮肤的照射不致伤害的一个时间范围。防晒化妆品的防晒功效是指对紫外线的防护能力，在化妆品标签上常用防晒指数SPF值等级来表示。防晒产品能有效的抵抗紫外线UVA和UVB对皮肤的损害，在完全不使用防晒的情况下，在阳光中待多久的时间，皮肤才会稍微变成淡红色，然后将所需的时间与SPF的值相乘，即可得出防晒品的保护时间，即防晒品上所标示的SPF值即为其所提供的保护指标。SPF认识误区：防晒系数只是一个参考数字，实际上还必须依照个人的肤质、日晒反应、皮肤色泽、活动状况及流汗状况来考量。防晒品的选择需要个性化，家庭成员都应该根据自己的需要选择防晒品。防晒用品隔离紫外线的效果在于所含的防晒成分和含量，与价格高低没有绝对关系。价格高的防晒品并不一定适合所有人使用，还应根据个人肤质、所处的环境和时间来选择。防晒化妆品的SPF值也经常代表UVB的防护效果指标。人体法测定防晒品的SPF值是国际统一的技术模式。SPF值后面的系数是指紫外线照对皮肤的照射不致伤害的一个时间范围。防护UVA的防晒指数以PA或者PPD表示。SPF值只是一个参考数字，实际上还必须依照个人的肤质、日晒反应、皮肤色泽、活动状况及流汗状况来考量。防晒品的选择需要“个性化”，家庭成员都应该根据自己的需要选择不同SPF值防晒品。SPF值与价格高低没有绝对关系。价格高的防晒品并不一定适合所有人使用，还应根据个人肤质、所处的环境和时间来选择。根据我国在2007年7月1日正式实施的《化妆品卫生规范》规定，当所测防晒化妆品产品的SPF值高于30，且减去标准差后仍大于30，最大只能标注SPF30+，而不能标注实测值。

如下，还有生产者精度和用户精度 Class Reference Classified Number Producers Users Name Totals Totals Correct Accuracy Accuracy ---------- ---------- ---------- ------- --------- ----- Unclassified 0 0 0 --- --- forest 3 1 1 33.33% 100.00% grass 5 4 3 60.00% 75.00% yanshi 22 22 20 90.91% 90.91% ruotu 9 8 5 55.56% 62.50% nongzuowu 11 15 10 90.91% 66.67% river 0 0 0 --- --- Totals 50 50 39Overall Classification Accuracy = 78.00%生产则精度=正确分类数/某类别总数用户精度=正确分类数/（正确分类数+错分到某类别总数）当然是生产则精度和用户精度都大最好 当然是最大似然法最好，马氏距离、最小距离法都是最大似然法的简化。平行管道法也不如最大似然法。

这是我看过最搞笑的

通过比较原始遥感图像和经过MNF变换后的图像（图2.4）及其经过MNF＿SAM（图版1.1）、SVM（图版1.2）、MNF＿SVM（图版1.3）分类后的分类结果，可以明显地发现基于最小噪声分类的支持向量机算法（MNF＿SVM）最接近真实的地物信息，支持向量机算法的分类结果也好于光谱角制图法的分类结果。分类结果的精度是通过三种分类模型的混淆矩阵来进行计算的。MNF＿SAM分类结果的混淆矩阵见表2.2，SVM分类结果的混淆矩阵见表2.3，MNF＿SVM分类结果的混淆矩阵见表2.4。表2.2 MNF＿SAM分类精度的混淆矩阵 （单位：像元数目/％）注：总体精度＝8472/9368＝90.44％；Kappa系数＝0.89。表2.3 SVM分类精度的混淆矩阵 （单位：像元数目/％）注：总体精度＝8896/9368＝94.96％；Kappa系数＝0.94。表2.4 MNF＿SVM分类精度的混淆矩阵 （单位：像元数目/％）注：总体精度＝8929/9368＝95.31％；Kappa系数＝0.95。从表2.2～2.4中可以明显的得出，MNF ＿ SAM的总体分类精度＝8472/9368 ＝90.44％，Kappa系数＝0.89；SVM的总体分类精度＝8896/9368＝94.96％，Kappa系数＝0.94；MNF＿SVM总体分类精度＝8929/9368＝95.31％，Kappa系数＝0.95。即：(1)SVM的总体分类精度要比MNF＿SAM的总体分类精度高4.53％，Kappa系数提高0.05；(2)MNF＿SVM的总体分类精度要比MNF＿SAM的总体分类精度高4.88％，Kappa系数提高0.06；(3)MNF＿SVM的总体分类精度要比SVM的总体分类精度高0.35％，Kappa系数提高0.01。MNF＿SAM分类结果显示树木和草地的地物分类有许多错误的分类点，在SVM的分类结果图中也有类似的错误，而它的错误信息要比MNF＿SAM分类图少；但是这种现象在MNF＿SVM分类图中虽然也存在，但是错误量极少。尽管MNF＿SVM的分类方法不能做到百分之百的分类正确性，但是相对于MNF＿SAM和SVM，不失为一种很好的分类方法，在三种分类方法中是最佳的一种。由此可见，无论从总体分类考虑还是具体地物类别考虑，MNF＿SVM方法和SVM方法分类精度都高于MNF＿SAM方法，这说明了SVM方法在高光谱影像分类中有着突出表现，同时MNF＿SVM方法比SVM方法有更好的表现，其原因主要是因为MNF ＿SVM方法在分类前经过了MNF变换，去除了噪音波段，对原始信息进行了优化处理，选择了有效的特征信息参加分类，这不仅可以降低高光谱数据的维数，还可以在一定程度上克服Hughes现象，最终达到了高维信息的数据降维和高效利用以及高精度分类的目的。

这是喜欢吃，喝，这是更重要的问题以及现在少用汇编语言来回答，但仍然在某些方面非常有用

1、“舒服”英语说法：comfortable 2、adj. 舒适的，舒服的 3、n. 盖被 4、短语：comfortable feel手感舒适、comfortable seats舒适的座位、Comfortable Teahouse清新茶馆、comfortable style闲适 5、例句：If you do this, you will remain comfortable till you find another job.

楼主可以去网页里面搜一下Singleton

没看懂你提问的意思,不知道该翻译什么.

我们倾向于使用准确率，是因为熟悉它的定义，而不是因为它是评估模型的最佳工具！精度（查准率）和召回率（查全率）等指标对衡量机器学习的模型性能是非常基本的，特别是在不平衡分布数据集的案例中，在周志华教授的「西瓜书」中就特别详细地介绍了这些概念。为分类任务选择正确的衡量指标 倘若某人声称创建了一个能够识别登上飞机的恐怖分子的模型，并且准确率（accuracy）高达 99%。你相信吗？好了，有这么一个模型：将从美国机场起飞的所有乘客简单地标注为非恐怖分子。已知美国全年平均有 8 亿人次的乘客，并且在 2000-2017 年间共发现了 19 名恐怖分子，这个模型达到了接近完美的准确率——99.9999999%。这听起来确实令人印象深刻，但是我怀疑美国国土安全局不会在近期购买这个模型。尽管这个模型拥有接近完美的准确率，但是在这个问题中准确率显然不是一个合适的度量指标。 恐怖分子检测是一个不平衡的分类问题：我们需要鉴别的类别有两个——恐怖分子和非恐怖分子，其中一个类别代表了极大多数的数据点。另一个不平衡分类问题出现在当疾病在公众中的发病率很低时的疾病监测。在这两种情况下，正例类别——疾病或恐怖分子，远远少于负例类别的数量。这种问题是数据科学中比较常见的例子，其中准确率并不是评估模型性能的很好的衡量标准。 直观地说，我们知道在恐怖分子检测的问题中宣布所有的数据点为负例（非恐怖分子）是毫无裨益的，相反，我们应该聚焦于正例（恐怖分子）的识别。直觉告诉我们，我们应该最大化的是统计学上称为召回率或查全率（recall）的衡量指标，或者是最大化模型找到数据集中所有相关案例的能力。召回率的准确定义是：真正例除以（真正例+假反例）的和，如下图所示。真正例（true positives）是被真确分类的正例数据点，假反例（false negatives）是被错误分类的负例数据点。在恐怖分子检测的例子中，TP 是被正确识别的恐怖分子，FN 是模型误分类为非恐怖分子的恐怖分子的数据点。召回率可以被理解为模型找到数据集中所有感兴趣的数据点的能力。你可能注意到了这个等式中的一些细节：如果我们将所有的个体都预测为恐怖分子，那么模型的召回率就是 1.0！这样我们就得到了一个完美的模型吗？当然，不是！与数据科学中的绝大多数概念一样，在我们想要最大化的指标之间存在一个权衡。在召回率的例子中，当召回率增大的时候，精度就会减小。同样，直觉告诉我们，一个将 100% 的乘客标记为恐怖分子的模型可能是不可用的，因为我们必须禁止每一个乘客的飞行。统计学为我们提供了表达直觉的词汇：这个新的模型是低精度（precision）的，或者说较低的仅识别相关数据点的能力。 精度被定义为真正例除以（真正例+假正例）的和，如下图所示。假正例（FP）指的是模型将实际上是反例的样本误判为正例的情况，或者说，在我们的例子中指的是那些被模型判断为恐怖分子，而实际上不是恐怖分子的个体。召回率（查全率）表达的是模型找到数据集中相关实例的能力，而精度（查准率）表达模型找到的数据点中实际相关的比例。现在我们可以看到，第一个模型给所有的个体标上了非恐怖分子的标签，这个模型是不能使用的。尽管它有着近乎完美的准确率，但是它的精度和召回率都是零，因为没有 TP（真正例）！假设我们轻微地修改一下模型，然后将一个个体正确地识别为恐怖分子。现在，精度是 1（没有假正例，FP），但是召回率很低，因为实际上会有很多假反例（FN）。假设我们走到了另一个极端，将所有的乘客标记为恐怖分子，召回率就会是 1——我们将抓住每一个恐怖分子，但是精度会特别低，我们最终会拘留很多无辜的人。换言之，随着精度的增加，召回率会降低，反之亦然。结合精度和召回率 在某些情况中，我们也许需要以牺牲另一个指标为代价来最大化精度或者召回率。例如，在之前的例子中，在对患者进行随访检查的初步疾病筛查中，我们可能希望得到接近于 1 的召回率—我们想找到所有实际患病的患者。如果随访检查的代价不是很高，我们可以接受较低的精度。然而，如果我们想要找到精度和召回率的最佳组合，我们可以使用 F1 score 来对两者进行结合。 F1 score 是对精度和召回率的调和平均：我们使用调和平均而不是简单的算术平均的原因是：调和平均可以惩罚极端情况。一个具有 1.0 的精度，而召回率为 0 的分类器，这两个指标的算术平均是 0.5，但是 F1 score 会是 0。F1 score 给了精度和召回率相同的权重，它是通用 Fβ指标的一个特殊情况，在 Fβ中，β 可以用来给召回率和精度更多或者更少的权重。(还有其他方式可以结合精度和召回率，例如二者的几何平均，但是 F1 score 是最常用的。) 如果我们想创建一个具有最佳的精度—召回率平衡的模型，那么就要尝试将 F1 score 最大化。 可视化精度和召回率 我已经向你抛出了几个新术语，接下来我将通过一个例子向你展示它们在实际中是如何使用的。在使用之前，我们要简单地谈一谈精度和召回率的概念。 首先要介绍一下混淆矩阵（confusion matrix），给定一个模型的预测标签时，它可以被用来快速计算精度和召回率。二分类的混淆矩阵总共包含四个不同的结果：真正例（TP）、假正例（FP）、真反例（TN），以及假反例（FN）。列表示真实值，行表示预测值。行和列的交叉点指的就是这四种结果。例如，如果我们将一个数据点预测为正例，但是它实际上是反例，那么这就是一个假正例。用混淆矩阵计算精度和召回率需要找到矩阵中对应的值，并应用以下的等式进行计算。其他的用来展示分类模型性能的可视化技术是受试者特征曲线（ROC 曲线，Receiver Operating Characteristic curve）。别被这个复杂的名词吓到！这个思想是相当简单的：ROC 曲线展示了当改变在模型中识别为正例的阈值时，召回率和精度的关系会如何变化。如果我们有一个用来识别疾病的模型，我们的模型可能会为每一种疾病输出介于 0 到 1 之间的一个分数，为了将某个病人标记为患有某种疾病（一个正例标签），我们为每种疾病在这个范围内设置一个阈值，通过改变这个阈值，我们可以尝试实现合适的精度和召回率之间的平衡。 ROC 曲线在 Y 轴上画出了真正例率（TPR），在 X 轴上画出了假正例率 (FPR)。TPR 是召回率，FPR 是反例被报告为正例的概率。这两者都可以通过混淆矩阵计算得到。下图是一个典型的 ROC 曲线：黑色对角线表示随机分类器，红色和蓝色曲线表示两种不同的分类模型。对于给定的模型，只能对应一条曲线。但是我们可以通过调整对正例进行分类的阈值来沿着曲线移动。通常，当降低阈值时，会沿着曲线向右和向上移动。 在阈值为 1.0 的情况下，我们将位于图的左下方，因为没有将任何数据点识别为正例，这导致没有真正例，也没有假正例（TPR = FPR = 0）。当降低阈值时，我们将更多的数据点识别为正例，导致更多的真正例，但也有更多的假正例 ( TPR 和 FPR 增加)。最终，在阈值 0.0 处，我们将所有数据点识别为正，并发现位于 ROC 曲线的右上角 ( TPR = FPR = 1.0 )。 最后，我们可以通过计算曲线下面积 ( AUC ) 来量化模型的 ROC 曲线，这是一个介于 0 和 1 之间的度量，数值越大，表示分类性能越好。在上图中，蓝色曲线的 AUC 将大于红色曲线的 AUC，这意味着蓝色模型在实现准确度和召回率的权衡方面更好。随机分类器 (黑线) 实现 0.5 的 AUC。 回顾 我们已经介绍了几个判断模型性能的属性，每个属性的定义都不是很复杂，但是结合在一起就有点复杂了。让我们通过一个例子做一个快速的回顾来巩固一下这些思想。 对于二分类问题： 真正例（TP）：实际上是正例的数据点被标记为正例 假正例（FP）：实际上是反例的数据点被标记为正例 真反例（TN）：实际上是反例的数据点被标记为反例 假反例（FN）：实际上是正例的数据点被标记为反例 召回率和精度衡量指标： 召回率（R）：分类模型识别所有相关实例的能力 精度（P）：分类模型仅仅返回相关实例的能力 F1 score：使用调和平均结合召回率和精度的指标 召回率和精度的可视化： 混淆矩阵：展示分类模型的真实和预测标签的对应结果。 受试者特征曲线（ROC 曲线）：画出真正例率（TPR）和假正例率（FPR），并将此作为模型归类正例阈值的函数。 曲线下面积（AUC）：基于 ROC 曲线下方的面积，计算分类模型总体性能的指标。 实例应用 我们的任务是为 100 名病人诊断一种在普通人群中患病率是 50% 的疾病。我们将假设一个黑盒模型，我们输入关于患者的信息，并得到 0 到 1 之间的分数。我们可以改变将患者标记为正例 (有疾病) 的阈值，以最大化分类器性能。我们将以 0.1 为增量从 0.0 到 1.0 评估阈值，在每个步骤中计算 ROC 曲线上的精度、召回率、F1 score 以及在 ROC 曲线上的位置。以下是每个阈值的分类结果：模型在每个阈值下的结果 我们将以阈值为 0.5 为例计算对应的召回率、精度、真正例率、假正例率。首先我们得到混淆矩阵：阈值为 0.5 时的混淆矩阵 我们可以利用混淆矩阵中的数值来计算召回率、精度和 F1 score：然后计算真正例率和假正例率来确定阈值为 0.5 时，模型在 ROC 曲线上对应的点。 为了得到整个 ROC 曲线，我们在每个阈值下都进行这个过程。你可能会想，这是相当乏味的，所以，我们用 python 语言来代替手工计算。用来做这些计算的 Juoyter Notebook 放在了 github 上，每个人都可以看到。最终的 ROC 曲线如下所示，点上面的数字是阈值。在这里我们可以看到，所有的概念都汇集到一起了！在阈值等于 1.0 的点，我们没有将任何病人归类为患病，因此模型的召回率和精度都是 0。随着阈值的减小，召回率增加了，因为我们发现更多的患者患有该疾病。然而，随着召回率的增加，精度会降低，因为除了增加真正例之外，还会增加假正例。在阈值为 0.0 的时候，我们的召回率是完美的——我们发现所有的患者都患有这种疾病——但是精度很低，因为有很多假正例。通过更改阈值并选择最大化 F1 score 的阈值，我们可以沿着给定模型的曲线移动。要改变整个曲线，我们需要建立一个不同的模型。 在每个阈值下最终模型的统计量如下表：基于 F1 score，整体最佳的模型出现在阈值为 0.5 的地方。如果我们想要在更大程度上强调精度或者召回率，我们可以选择这些指标上最佳时对应的模型。 结论 我们倾向于使用准确率，因为每个人都知道它意味着什么，而不是因为它是完成任务的最佳工具！虽然更适合的度量指标 (如召回率和精度) 看起来可能很陌生，但我们已经直观地了解了为什么它们在某些问题 (如不平衡的分类任务) 中有着更好的表现。统计学为我们提供了计算这些指标的形式化定义和方程。数据科学是关于寻找解决问题的正确工具的学科，而且在开发分类模型时，我们常常需要超越准确率（accuracy）的单一指标。了解召回率、精度、F1 score 和 ROC 曲线使我们能够评估分类模型，并应使我们怀疑是否有人仅仅在吹捧模型的准确率，尤其是对于不平衡的问题。正如我们所看到的，准确率（accuracy）并不能对几个关键问题提供有用的评估，但现在我们知道如何使用更聪明的衡量指标！ 原文参考：https://towardsdatascience.com/beyond-accuracy-precision-and-recall-3da06bea9f6c

1、SPF表示防晒指数防晒系数（Sun Protection Factor），英文缩写为SPF，是指在涂有防晒剂防护的皮肤上产生最小红斑所需能量，与未加任何防护的皮肤上产生相同程度红斑所需能量之比值，简单说来，它就是皮肤抵挡紫外线的时间倍数。2、防晒指数=最低红斑剂量（用防晒用品后）/最低红斑剂量（用防晒用品前）。阳光中的紫外线为不可见光，依波长的不同分为3个区段：UVA区，长波紫外线，约占10%～20%，它是令皮肤提前衰老的最主要原因，可穿透真皮层，使皮肤晒黑，并导致脂质和胶原蛋白受损，引起皮肤的光老化甚至皮肤癌，其作用缓慢持久，具有累积性，故被称为“年龄紫外线”，不受窗户、遮阳伞等的阻挡，即使阴天下雨也如此。3、PA代表防晒产品对UVA的防护效果（UVA是肌肤老化的凶手），这是一种日本防晒指数测量标准，测试标准为2 - 4小时阳光照射后皮肤持久性黑色素沉淀（PPD）的稳定指数。PA保护程度为PA+，PA++,PA+++。 “ + “字越多， 防止UVA 的效果就越好，有效防护时间也就越长。－ PA+ : 表示有效，防护时间大约为2– 4小时。－ PA++ : 表示相当有效，防护时间4 – 8小时。－ PA++ : 表示相当有效，防护时间4 – 8小时。

编译原理，说得通俗易懂一些就是：让机器通过某种机制和规则，将一种由人们书写的高级程序代码，经过若干步骤，最终翻译成机器可理解执行的二进制代码。编译原理技术的具体应用，例如：（1）、我们用户通常编写的 C/C++ 程序源代码（*.C/*.CPP），通过 Microsoft Visual C++ 编译器，将由人工书写的 C/C++ 语言程序源代码（*.C/*.CPP），最终翻译成机器可执行的二进制代码（*.EXE）；（2）、人工智能领域中的自然语言处理、机器翻译技术（例如：英/汉翻译、日/汉翻译系统等）等，都需要使用到编译原理技术。

LARVA的歌名叫啥？QQ音乐上有不？

舒服:[shūfu]1.comfortable例句与用法:1.棉布比尼龙穿着舒服。Cottonismorecomfortabletowearthannylon.2.我的房子不大，但很舒服。Myhouseisnotbig,butitiscomfortable.3.在平静的海面上航行我感到很舒服。Ifeltcomfortablesailingonthesmoothnessofthesea.4.两把椅子坐起来都不舒服。Neitherchairiscomfortable.5.我们的木头沙发似乎不太舒服。Ourwoodensofaseemsnotverycomfortable.6.她给他按摩了肌肉以后，他感到很舒服。Aftershekneadedhismuscles,hefeltverycomfortable.7.春天的时候，踩在松软的地面上非常舒服。It"sverycomfortabletosteponthesoftgroundinthespring.8.在麻醉剂的作用下我感到舒服些。Ifeltcomfortableonnarcoticeffect.

只要试验正常，数据能够正常分类，都会出现“correctly classified instance”，如果你的结果里面没有，说明数据集不符合分类挖掘要求。相应地，还会有“Incorrectly Classified Instances”，这两个数据加起来就是样本总量。“correctly classified instance”这个数据能够反映训练的分类器的分类准确率。例如，我用weka的示例数据集“iris”得到的分类结果：=== Run information ===Scheme:weka.classifiers.trees.J48 -C 0.25 -M 2Relation: irisInstances: 150Attributes: 5 sepallength sepalwidth petallength petalwidth classTest mode:10-fold cross-validation=== Classifier model (full training set) ===J48 pruned tree------------------petalwidth <= 0.6: Iris-setosa (50.0)petalwidth > 0.6| petalwidth <= 1.7| | petallength <= 4.9: Iris-versicolor (48.0/1.0)| | petallength > 4.9| | | petalwidth <= 1.5: Iris-virginica (3.0)| | | petalwidth > 1.5: Iris-versicolor (3.0/1.0)| petalwidth > 1.7: Iris-virginica (46.0/1.0)Number of Leaves : 5Size of the tree : 9Time taken to build model: 0.05 seconds=== Stratified cross-validation ====== Summary ===Correctly Classified Instances 144 96 %Incorrectly Classified Instances 6 4 %Kappa statistic 0.94 Mean absolute error 0.035 Root mean squared error 0.1586Relative absolute error 7.8705 %Root relative squared error 33.6353 %Total Number of Instances 150 === Detailed Accuracy By Class === TP Rate FP Rate Precision Recall F-Measure ROC Area Class 0.98 0 1 0.98 0.99 0.99 Iris-setosa 0.94 0.03 0.94 0.94 0.94 0.952 Iris-versicolor 0.96 0.03 0.941 0.96 0.95 0.961 Iris-virginicaWeighted Avg. 0.96 0.02 0.96 0.96 0.96 0.968=== Confusion Matrix === a b c <-- classified as 49 1 0 | a = Iris-setosa 0 47 3 | b = Iris-versicolor 0 2 48 | c = Iris-virginica

编译原理告诉你代码为什么要这么写，你要搞懂系统或CPU是如何处理代码的。操作系统告诉你代码的运行效果为什么是这样，你要知道什么是可以做什么是不能做的。

给你找了别人写的，挺好的，可以去看看http://blog.csdn.net/wanli_smile/article/details/7000224

现在还未出完，全集一共104集 新浪微博 @Larva动画 每日同步更新，还更新大量的Larva周边 附：我确实没下载，并且网速不是很给力，发到你的邮箱很困难。不过，目前为止的全集下载博主已经更新在微盘中了，可以去他哪里下载。度娘屏蔽链接，望体谅！附： 开头和背景音乐在博主的微盘里有共享

　单例模式(Singleton) ,属于最常见的设计模式之一，大部分系统都会用到，目的是为了维护系统中唯一的一个实例。　　可分为eager模式，示例代码如下：　　Java代码　　1.class EagerSingleton{　　2. private static final EagerSingleton m_instance = new EagerSingleton();　　3. private EagerSingleton(){}　　4. public static EagerSingleton getInstance(){　　5. return m_instance;　　6. }　　7.}　　class EagerSingleton{　　private static final EagerSingleton m_instance = new EagerSingleton();　　private EagerSingleton(){}　　public static EagerSingleton getInstance(){　　return m_instance;　　}　　}　　和 lazy模式，示例代码如下：　　Java代码　　1.class LazySingleton{　　2. private static LazySingleton m_instance = null;　　3. private LazySingleton(){}　　4. public synchronized static getInstance(){　　5. if(m_instance == null){　　6. m_instance = new LazySingleton();　　7. }　　8. return m_instance;　　9. }　　10.}　　class LazySingleton{　　private static LazySingleton m_instance = null;　　private LazySingleton(){}　　public synchronized static getInstance(){　　if(m_instance == null){　　m_instance = new LazySingleton();　　}　　return m_instance;　　}　　}　　java源码中，Runtime.getRuntime()就是单例的一个例子。　　单例模式的精神就是整个系统中维护一个实例，推广开来，如果在一个系统中需要维护多个示例，那么就产生了多例模式(multiton)。　　多例模式(Multiton) ,通过聚集对象了保留自身的多个示例，根据客户端的参数返回所需要的实例。　　示例代码如下：　　Java代码　　1.class Multiton{　　2. private final int INSTANCE_SIZE = 10;　　3. private static Map instances = new HashMap(INSTANCE_SIZE);　　4. private String name;　　5. private Multiton(){}　　6. private Multiton(String name){　　7. this.name = name;　　8. }　　9. public synchronized static getInstance(String name){　　10. if(instances.containsKey(name)){　　11. return instances.get(name);　　12. }　　13. else{　　14. ins = new Multiton(name);　　15. instances.put(name, ins);　　16. return ins;　　17. }　　18. }　　19.}　　class Multiton{　　private final int INSTANCE_SIZE = 10;　　private static Map instances = new HashMap(INSTANCE_SIZE);　　private String name;　　private Multiton(){}　　private Multiton(String name){　　this.name = name;　　}　　public synchronized static getInstance(String name){　　if(instances.containsKey(name)){　　return instances.get(name);　　}　　else{　　ins = new Multiton(name);　　instances.put(name, ins);　　return ins;　　}　　}　　}　　[nextpage]　　一个实用的例子就是KeyGenerator, 示例代码如下：　　Java代码　　1.class KeyGenerator{　　2. private final int POOL_SIZE = 20;　　3. private static Map instances = new HashMap(16);　　4. private KeyInfo keyinfo;　　5. private KeyGenerator(){}　　6. private KeyGenerator(String keyName){　　7. this.keyinfo = new KeyInfo(POOL_SIZE, keyName);　　8. }　　9. public synchronized static getInstance(String keyName){　　10. if(instances.containsKey(keyName)){　　11. return (KeyGenerator)instances.get(keyName);　　12. }　　13. else{　　14. keyGen = new KeyGenerator(keyName);　　15. instances.put(name, keyGen);　　16. return keyGen;　　17. }　　18. }　　19. public synzhronized int getNextKey(){　　20. return keyinfo.getNextKey();　　21. }　　22. }　　class KeyGenerator{　　private final int POOL_SIZE = 20;　　private static Map instances = new HashMap(16);　　private KeyInfo keyinfo;　　private KeyGenerator(){}　　private KeyGenerator(String keyName){　　this.keyinfo = new KeyInfo(POOL_SIZE, keyName);　　}　　public synchronized static getInstance(String keyName){　　if(instances.containsKey(keyName)){　　return (KeyGenerator)instances.get(keyName);　　}　　else{　　keyGen = new KeyGenerator(keyName);　　instances.put(name, keyGen);　　return keyGen;　　}　　}　　public synzhronized int getNextKey(){　　return keyinfo.getNextKey();　　}　　}

以前是考试科目，现在不是啦，但复试时还是要的，如果打算考牛校，需要好好学。

sisjhsbssosjdndksosisjhsbssosjdndksoekfndkodoskdndidorkkfffodkdjdndidojrhfjdoeoejdbdjkddkdkdfjfoofrsisjhsbssosjdndksoekfndkodoskdndidorkkfffodkdjdndidojrhfjdoeoejdbdjkddkdkdfjfoofrsisjhsbssosjdndksoekfndkodoskdndidorkkfffodkdjdndidojrhfjdoeoejdbdjkddkdkdfjfoofrsisjhsbssosjdndksoekfndkodoskdndidorkkfffodkdjdndidojrhfjdoeoejdbdjkddkdkdfjfoofr

实例代码：public class JSONUtil { /** * 将json转化为实体POJO * @param jsonStr * @param obj * @return */ public static<T> Object JSONToObj(String jsonStr,Class<T> obj) { T t = null; try { ObjectMapper objectMapper = new ObjectMapper(); t = objectMapper.readValue(jsonStr, obj); } catch (Exception e) { e.printStackTrace(); } return t; } /** * 将实体POJO转化为JSON * @param obj * @return * @throws JSONException * @throws IOException */ public static<T> JSONObject objectToJson(T obj) throws JSONException, IOException { ObjectMapper mapper = new ObjectMapper(); // Convert object to JSON string String jsonStr = ""; try { jsonStr = mapper.writeValueAsString(obj); } catch (IOException e) { throw e; } return new JSONObject(jsonStr); } public static void main(String[] args) throws JSONException, IOException { JSONObject obj = null; obj = new JSONObject(); obj.put("name", "213"); obj.put("age", 27); JSONArray array = new JSONArray(); array.put(obj); obj = new JSONObject(); obj.put("name", "214"); obj.put("age", 28); array.put(obj); Student stu = (Student) JSONToObj(obj.toString(), Student.class); JSONObject objList = new JSONObject(); objList.put("student", array); System.out.println("objList:"+objList); StudentList stuList = (StudentList) JSONToObj(objList.toString(), StudentList.class); System.out.println("student:"+stu); System.out.println("stuList:"+stuList); System.out.println("#####################################"); JSONObject getObj = objectToJson(stu); System.out.println(getObj); }}

在选择诊断试验时，许多研究者会在灵敏度和特异度之间进行艰难的取舍。那么，是否可以综合考虑灵敏度和特异度的特点，根据一个指标评价诊断试验的准确性呢？受试者工作特征曲线（receiver operating characteristic curve，简称ROC曲线），用来描述诊断试验的内在真实程度，应用十分广泛。 ROC曲线是以真阳性率（灵敏度）为纵坐标，假阳性率（1-特异度）为横坐标绘制的。每一个点都对应诊断试验的一个截点，我们将这些可能的点连接起来即可制作出经验ROC曲线（empirical ROC curve）。该方法可以帮助研究者简单、直观地分析诊断试验的临床准确性，选择更加合适的截点。 一、背景介绍 在介绍ROC曲线之前，首先来介绍一下预测模型的背景。 （一）预测模型建模流程简介 1.利用数据中的训练集进行模拟的生成。 2.利用测试集进行模型的评测。 3.将评测的结果反馈给生成模型。 4.若评测结果比较满意，进行生成模型的输出，否则重新生成。 那么测试集如何评测预测模型？这里引出混淆矩阵的概念。 （二）混淆矩阵 混淆矩阵也称误差矩阵，是表示精度评价的一种标准格式，常用来预测模型的准确率。 图1 混淆矩阵 P：样本中的正例，n：样本中的负例 Y：通过模型预测出来样本中的正列，N：通过模型预测出来样本中的负列 TP(True Positives)：本来是正列，通过模型预测出来也是正列FP(False Positives)：本来是负列，通过模型预测出来也是正列预测模型准确率accuracy=(TP+TN)/(P+n) （三）案例分析 表1 原始数据 从表1可以看出，有20个观测值，结局有1和0两种状态，分别代表着阳性和阴性。类似于Logistic回归当中某个人是否患疾病，患病为1，不患病为0。预测概率是通过Logistic回归预测的结果。那怎么去预测这组概率的准确率呢？ 从表2中可以看出前6个数据预测结局为阳性，其他14个数据预测结局为阴性。计算它的混淆矩阵如表3，真实结局中有10个1和10个0。但是预测结局的阳性数有6个，其中有5个是真实阳性，有1个是真实阴性。第三个观测值结局本来是阴性的，但预测结局是阳性的，这个观测值预测错误。同理，预测结局的阴性数有14个，其中有9个是真实阴性，有5个是真实阳性。第九个观测值结局本来是阳性的，但预测结局是阴性的，这个观测值预测错误。 表3 混淆矩阵表 真阳率是指本来是阳性的，预测出的结果也是阳性的。假阳率是指本来是阴性的，但预测出的结果是阳性的。从表3中可以看出，在真实阳性数这一竖列中，预测正确的观测值有5个，所以真阳率(TPR)=5/P=5/10=0.5。在真实阴性数这一竖列中，预测正确的观测值有1个，所以假阳率(FPR)=1/n=1/10=0.1。 同理真阴率(TNR)=9/10=0.1，假阴率(FNR)=5/10=0.5。 表4 真阳率和假阳率 从表4可以看出，以0.54为阈值，作出来的混淆矩阵真阳率为0.5，假阳率为0.1。真阳率和假阳率是以每一次相应的预测概率为阈值，算出混淆矩阵而得到的。 将1-20每个样本的评分均作为分类器的判定阈值，可以得到20组TPR和FPR的有序数对。然后以TPR和FPR为两个坐标轴建立一个直角坐标系，就可以得到图2。 图2 TPR和FPR的有序数对 二、ROC曲线概念 ROC曲线：受试者工作特征曲线(receiver operating characteristic curve，简称ROC曲线)，又称为感受性曲线(sensitivity curve)。 采用真阳性率和假阳性率作出的曲线，适用于诊断试验结果为连续变量。试验的真阳性率（Sen）为纵坐标（Y），假阳性率（1-Spe）为横坐标（X），坐标轴上的率值由0 1或0% 100%。 图3 ROC曲线示意图横轴FPR：1-TPR，1-Specificity，FPR越大，预测正类中实际负类越多。纵轴TPR：Sensitivity，TPR越大，预测正类中实际正类越多。理想目标：TPR=1，TPR=0，即图中(0,1)点，故ROC曲线越靠拢(0,1)点，越偏离45°对角线越好，Sensitivity、Specificity越大效果越好。 三、最佳阈值的确定——约登指数 约登指数（Youden index，YI）：是评价筛查试验真实性的方法，假设其假阴性和假阳性的危害性同等意义时，即可应用约登指数。约登指数=灵敏度Sensitivity+特异度Specificit-1=[a/(a+c)+d/(b+d)]-1。指数越大说明筛查试验的效果越好，真实性越大。从表中可以看出，真阳率与假阳率的差值就是约登指数，最大的约登指数为0.4，0.4对应的预测概率为0.54，大于0.54认为是阳性的，小于0.54认为是阴性的。0.54就是最佳阈值。 四、AUC概念 AUC(Area Under Curve)值为ROC曲线下方的面积大小。显然，AUC越大，预测效果越好。AUC=1，是完美分类器，采用这个预测模型时，不管设定什么截断点都能得出完美预测。绝大多数预测的场合，不存在完美分类器。0.5<AUC<1，优于随机猜测。这个预测模型妥善设定截断点的话，能有预测价值。AUC=0.5，跟随机猜测一样（例：抛硬币），模型没有预测价值。AUC<0.5，比随机猜测还差，但只要总是反预测而行，就优于随机预测。 图4 包含AUC值的ROC曲线 [参考资料]（ https://mp.weixin.qq.com/s?src=11&timestamp=1584533576&ver=2224&signature=6PwC6AuccTKFKXc0sXP0Cp7rEVSF3Qp2QFHfyfE 7Bq3d1cN-XspGn-EV2gqpTVgaS2q 1ZBqgxp7bx3zDNkhfOxz7DM62BCpshh*EiK7oj9QD517iKBdoR58gaYLBMM&new=1 ）

table cache ，指将table 缓存后 放在LRU hot端，但这种cache 仍很容易被flush 出buffer_cache

大学课程为什么要开设编译原理呢？这门课程关注的是编译器方面的产生原理和技术问题，似乎和计算机的基础领域不沾边，可是编译原理却一直作为大学本科的必修课程，同时也成为了研究生入学考试的必考内容。编译原理及技术从本质上来讲就是一个算法问题而已，当然由于这个问题十分复杂，其解决算法也相对复杂。我们学的数据结构与算法分析也是讲算法的，不过讲的基础算法，换句话说讲的是算法导论，而编译原理这门课程讲的就是比较专注解决一种的算法了。在20世纪50年代，编译器的编写一直被认为是十分困难的事情，第一Fortran的编译器据说花了18年的时间才完成。在人们尝试编写编译器的同时，诞生了许多跟编译相关的理论和技术，而这些理论和技术比一个实际的编译器本身价值更大。就犹如数学家们在解决著名的哥德巴赫猜想一样，虽然没有最终解决问题，但是其间诞生不少名著的相关数论。 　　推荐参考书 　　虽然编译理论发展到今天，已经有了比较成熟的部分，但是作为一个大学生来说，要自己写出一个像TurbocC,Java那样的编译器来说还是太难了。不仅写编译器困难，学习编译原理这门课程也比较困难。 　　第一本书的原名叫《CompilersPrinciples,Techniques,andTools》,另外一个响亮的名字就是龙书。原因是这本书的封面上有条红色的龙，也因为獗臼樵诒嘁朐?砘?嘴域确实?忻?所以很多国外的学者都直接取名为龙书。最近机械工业出版社已经出版了此书的中文版，名字就叫《编译原理》。该书出的比较早，大概是在85或86年编写完成的，作者之一还是著名的贝尔实验室的科学家。里面讲解的核心编译原理至今都没有变过，所以一直到今天，它的价值都非凡。这本书最大的特点就是一开始就通过一个实际的小例子，把编译原理的大致内容罗列出来，让很多编译原理的初学者很快心里有了个底,也知道为什么会有这些理论，怎么运用这些理论。而这一点是我感觉国内的教材缺乏的东西，所以国内的教材都不是写给愿意自学的读者，总之让人看了半天，却不知道里面的东西有什么用。 　　第二本书的原名叫《ModernCompilerDesign》,中文名字叫做《现代编译程序设计》。该书由人民邮电出版社所出。此书比较关注的是编译原理的实践，书中给出了不少的实际程序代码，还有很多实际的编译技术问题等等。此书另外一个特点就是其现代而字。在传统的编译原理教材中，你是不可能看到如同Java中的垃圾回收等算法的。因为Java这样的解释执行语言是在近几年才流行起来的东西。如果你想深入学习编译原理的理论知识，那么你肯定得看前面那本龙书，如果你想自己动手做一个先进的编译器，那么你得看这本《现代编译程序设计》。 　　第三本书就是很多国内的编译原理学者都推荐的那本《编译原理及实践》。或许是这本书引入国内比较早吧，我记得我是在高中就买了这本书，不过也是在前段时间才把整本书看完。此书作为入门教程也的确是个不错的选择。书中给出的编译原理讲解也相当细致，虽然不如前面的龙书那么深入，但是很多地方都是点到为止，作为大学本科教学已经是十分深入了。该书的特点就是注重实践，不过感觉还不如前面那本《现代编译程序设计》的实践味道更重。此书的重点还是在原理上的实践，而非前面那本那样的技术实践。《编译原理及实践》在讲解编译原理的各个部分的同时，也在逐步实践一个现代的编译器TinyC.等你把整本书看完，差不多自己也可以写一个TinyC了。作者还对Lex和Yacc这两个常用的编译相关的工具进行了很详细的说明，这一点也是很难在国内的教材中看到的。 　　推荐了这三本教材，都有英文版和中文版的。很多英文好的同学只喜欢看原版的书，不我的感觉是这三本书的翻译都很不错，没有必要特别去买英文版的。理解理论的实质比理解表面的文字更为重要。 　　编译原理的实质 　　几乎每本编译原理的教材都是分成词法分析，语法分析（LL算法，递归下降算法，LR算法），语义分析，运行时环境，中间代码，代码生成，代码优化这些部分。其实现在很多编译原理的教材都是按照85,86出版的那本龙书来安排教学内容的，所以那本龙书的内容格式几乎成了现在编译原理教材的定式，包括国内的教材也是如此。一般来说，大学里面的本科教学是不可能把上面的所有部分都认真讲完的，而是比较偏重于前面几个部分。像代码优化那部分东西，就像个无底洞一样，如果要认真讲，就是单独开一个学期的课也不可能讲得清楚。所以，一般对于本科生，对词法分析和语法分析掌握要求就相对要高一点了。 　　词法分析相对来说比较简单。可能是词法分析程序本身实现起来很简单吧，很多没有学过编译原理的人也同样可以写出各种各样的词法分析程序。不过编译原理在讲解词法分析的时候，重点把正则表达式和自动机原理加了进来，然后以一种十分标准的方式来讲解词法分析程序的产生。这样的做法道理很明显，就是要让词法分析从程序上升到理论的地步。 　　语法分析部分就比较麻烦一点了。现在一般有两种语法分析算法，LL自顶向下算法和LR自底向上算法。LL算法还好说，到了LR算法的时候，困难就来了。很多自学编译原理的都是遇到LR算法的理解成问题后就放弃了自学。其实这些东西都是只要大家理解就可以了，又不是像词法分析那样非得自己写出来才算真正的会。像LR算法的语法分析器，一般都是用工具Yacc来生成，实践中完全没有比较自己来实现。对于LL算法中特殊的递归下降算法，因为其实践十分简单，那么就应该要求每个学生都能自己写。当然，现在也有不少好的LL算法的语法分析器，不过要是换在非C平台，比如Java,Delphi,你不能运用YACC工具了，那么你就只有自己来写语法分析器。 　　等学到词法分析和语法分析时候，你可能会出现这样的疑问：词法分析和语法分析到底有什么？就从编译器的角度来讲，编译器需要把程序员写的源程序转换成一种方便处理的数据结构（抽象语法树或语法树）,那么这个转换的过程就是通过词法分析和语法分析的。其实词法分析并非一开始就被列入编译器的必备部分，只是我们为了简化语法分析的过程，就把词法分析这种繁琐的工作单独提取出来，就成了现在的词法分析部分。除了编译器部分，在其它地方，词法分析和语法分析也是有用的。比如我们在DOS,Unix,Linux下输入命令的时候，程序如何分析你输入的命令形式，这也是简单的应用。总之，这两部分的工作就是把不规则的文本信息转换成一种比较好分析好处理的数据结构。那么为什么编译原理的教程都最终把要分析的源分析转换成树这种数据结构呢？数据结构中有Stack,Line,List这么多数据结构，各自都有各自的特点。但是Tree这种结构有很强的递归性，也就是说我们可以把Tree的任何结点Node提取出来后，它依旧是一颗完整的Tree。这一点符合我们现在编译原理分析的形式语言，比如我们在函数里面使用函树，循环中使用循环，条件中使用条件等等，那么就可以很直观地表示在Tree这种数据结构上。同样，我们在执行形式语言的程序的时候也是如此的递归性。在编译原理后面的代码生成的部分，就会介绍一种堆栈式的中间代码，我们可以根据分析出来的抽象语法树，很容易，很机械地运用递归遍历抽象语法树就可以生成这种指令代码。而这种代码其实也被广泛运用在其它的解释型语言中。像现在流行的Java,.NET，其底层的字节码bytecode,可以说就是这中基于堆栈的指令代码的。 　　关于语义分析，语法制导翻译，类型检查等等部分，其实都是一种完善前面得到的抽象语法树的过程。比如说，我们写C语言程序的时候，都知道，如果把一个浮点数直接赋值给一个整数，就会出现类型不匹配，那么C语言的编译器是怎么知道的呢？就是通过这一步的类型检查。像C++语言这中支持多态函数的语言，这部分要处理的问题就更多更复杂了。大部编译原理的教材在这部分都是讲解一些比较好的处理策略而已。因为新的问题总是在发生，旧的办法不见得足够解决。 　　本来说，作为一个编译器，起作用的部分就是用户输入的源程序到最终的代码生成。但是在讲解最终代码生成的时候，又不得不讲解机器运行环境等内容。因为如果你不知道机器是怎么执行最终代码的，那么你当然无法知道如何生成合适的最终代码。这部分内容我自我感觉其意义甚至超过了编译原理本身。因为它会把一个计算机的程序的运行过程都通通排在你面前，你将来可能不会从事编译器的开发工作，但是只要是和计算机软件开发相关的领域,都会涉及到程序的执行过程。运行时环境的讲解会让你更清楚一个计算机程序是怎么存储，怎么装载，怎么执行的。关于部分的内容，我强烈建议大家看看龙书上的讲解，作者从最基本的存储组织，存储分配策略，非局部名字的访问，参数传递，符号表到动态存储分配(malloc,new)都作了十分详细的说明。这些东西都是我们编写平常程序的时候经常要做的事情，但是我们却少去探求其内部是如何完成。 　　关于中间代码生成，代码生成,代码优化部分的内容就实在不好说了。国内很多教材到了这部分都会很简单地走马观花讲过去，学生听了也只是作为了解，不知道如何运用。不过这部分内容的东西如果要认真讲，单独开一学期的课程都讲不完。在《编译原理及实践》的书上，对于这部分的讲解就恰到好处。作者主要讲解的还是一种以堆栈为基础的指令代码，十分通俗易懂，让人看了后，很容易模仿，自己下来后就可以写自己的代码生成。当然，对于其它代码生成技术，代码优化技术的讲解就十分简单了。如果要仔细研究代码生成技术，其实另外还有本叫做《AdvanceCompilerDesginandImplement》,那本书现在由机械工业出版社引进的，十分厚重，而且是英文原版。不过这本书我没有把它列为推荐书给大家，毕竟能把龙书的内容搞清楚，在中国已经就算很不错的高手了，到那个时候再看这本《AdvanceCompilerDesginandImplement》也不迟。代码优化部分在大学本科教学中还是一个不太重要的部分，就是算是实践过程中，相信大家也不太运用得到。毕竟，自己做的编译器能正确生成执行代码已经很不错了，还谈什么优化呢？ 　　编译原理的课程毕竟还只是讲解原理的课程，不是专门的编译技术课程。这两门课程是有很大的区别的。编译技术更关注实际的编写编译器过程中运用到的技术，而原理的课

英语谚语: Nothing must be done hastily but killing of fleas 中文意思: 除非消灭跳蚤，做事不必急躁。 随机推荐10条英文谚语： An oak is not felled at one stroke 万事不能一蹴而就。 An occasion lost cannot be redeemed 时机失了无法挽回。 An old dog barks not in vain 老犬不空吠。 An old dog bites sore 老狗咬人痛得很。 An old dog cannot alter its way of barking 老狗难改吠声。 An old dog will learn no new tricks 老家夥学不出新名堂。 An old physician and a young lawyer 医生年老的好，律师年轻的俏。 An old poacher makes the best keeper 老偷猎者是最好的看守人。 An open door may tempt a saint 一扇开著的大门可诱惑一个圣徒。 An optimist sees an opportunity in every calamity; a pessimist sees a calamity in every opportunity 乐观的人在灾难中看到希望；悲观的人在希望中看到灾难。 英语谚语: Nothing must be done hastily but killing of fleas 中文意思: 除非消灭跳蚤，做事不必急躁。

对于二元分类，通常可以输出混淆矩阵，看预测的情况，并从中总结出一些指标，给予评价。 混淆矩阵也称误差矩阵，是表示精度评价的一种标准格式，用n行n列的矩阵形式来表示。具体评价指标有总体精度、制图精度、用户精度等，这些精度指标从不同的侧面反映了图像分类的精度。在人工智能中，混淆矩阵（confusion matrix）是可视化工具，特别用于监督学习,在无监督学习一般叫做匹配矩阵。在图像精度评价中，主要用于比较分类结果和实际测得值，可以把分类结果的精度显示在一个混淆矩阵里面。混淆矩阵是通过将每个实测像元的位置和分类与分类图像中的相应位置和分类相比较计算的。 以二元分类举例，混淆矩阵为： 每个样本会对应一个预测值和一个实际标签值，从上图可以知道，实际为1分类，预测结果也是1分类的有100个，而实际是0，预测是1的有3个，以此类推。 为了方便记忆，混淆矩阵的各个单元格有一个统一的称呼： True很好理解，就是预测对了的，Positive代表的意思是实际分类为1的值，Negative代表的是实际分类为0的值。括号里面的就是简称了，这在后面会有用处。 假定1为正样本，0为负样本，则混淆矩阵的各个单元格表述如下： 真正率（true prositive rate, TPR） 或灵敏度（sensitivity）定义为被模型正确预测的正样本比例，为： 同理可得其他： 从直观印象上来说，判断一个分类模型是不是准确，肯定是直接判断分类模型的正确率，这样就可以对模型有一个大概的评价，但是在某些时候，这么做并不靠谱： 假如我有一组产品，其中正品率可能是99.5%，次品率是0.5%，我的预测模型得到的结果是正品99%，次品1%，如果用正确率来算，是相当可观的，但是实际上次品的预测差距是整整1倍，很难说这是一个好的模型。 这种不同类的样本数量完全不成比例的情况，叫做不平衡类（倾斜类）。 对于这种分类，可以根据混淆矩阵来设计一些指标，从而评估模型，精准率就是其中之一： 精准率从公式上看，表达的意思就是预测为正样本的样本中，有多少是真正为正的，代表了预测的精确程度 。以下面的混淆矩阵为例： 所以精准率就是0.9804。 同上，召回率也是从混淆矩阵中总结出来的指标： 表达的意思则是，实际为正样本的个数中，有多少被成功的预测了 （有点类似于我现在从事行业的回收率，姑且这么理解吧） 还是上面的矩阵，那么召回率就是 事实上一个模型大部分时候是很难做到精确率和召回率两全的，有可能追求完美的精确率但是召回率很低，反之也一样，为了同时最大化精确率和召回率，可以用F1值对分类模型进行评价： 这个值肯定是在小于1的范围以内，原则上越大越好了。 ROC曲线是显示分类算法真正率和假正率之间折中的一种可视化方法，把真正率（TPR）作为y轴，假正率（FPR）作为x轴。 设定一个阈值，阈值之上的样本为正样本，之下为负样本，阈值降低，则真正率越高，假正率也会越高（因为判断正样本的条件宽松了），所以ROC曲线应该是x轴和y轴同时增长的，如图： 如果是一个随机分类，则ROC曲线应该是沿着对角线的，如果是分类算法，那么图像越靠近左上角，模型效果越好（假正率很低的时候真正率高）。 AUC是ROC曲线下方的面积，很显然，面积越大越好，如果模型是完美的，那么面积等于1，如果是随即分类，那么就是0.5。 以上这几种常用方法都是二元分类的方法，其中有一些也可以扩展到多分类，另外还有多分类专用的评价方法。 转自 https://www.zhihu.com/question/56403549/answer/151310817 应用多分类问题，把每个类别单独视为”正“，所有其它类型视为”负“，考虑如下的混淆矩阵： Kappa统计是比较两个或多个观测者对同一事物，或观测者对同一事物的两次或多次观测结果是否一致，这个系数的取值范围是[-1,1]，实际应用中，一般是[0,1]，这个系数的值越高，则代表模型实现的分类准确度越高。 Kappa统计数字的意义如下： 其中，p0表示为总的分类准确度; pe表示为 其中， 代表第i类真实样本个数， 代表第i类预测出来的样本个数。 对于该表中的数据，则有： 海明距离也适用于多分类的问题，简单来说就是衡量预测标签与真实标签之间的距离，取值在0~1之间。距离为0说明预测结果与真实结果完全相同，距离为1就说明模型与我们想要的结果完全就是背道而驰。 它与海明距离的不同之处在于分母。当预测结果与实际情况完全相符时，系数为1；当预测结果与实际情况完全不符时，系数为0；当预测结果是实际情况的真子集或真超集时，距离介于0到1之间。 我们可以通过对所有样本的预测情况求平均得到算法在测试集上的总体表现情况。 铰链损失（Hinge loss）一般用来使“边缘最大化”（maximal margin）。损失取值在0~1之间，当取值为0，表示多分类模型分类完全准确，取值为1表明完全不起作用。 参考： https://www.jianshu.com/p/573ba75aec94

SPF是指防晒伤指数PA++是防光老化指数一般来讲，防晒指数越高，保护肌肤的能力越大。但皮肤专家认为，防晒指数越高，油腻感就越重，容易影响肌肤新陈代谢。正确的方法应该在不同的环境选用相应的防晒用品。如果上下班时间不经常在外，选用SPF15左右的防晒品就可以了。如果去海边游泳，就要选用SPF15以上的防晒品。PA的防护程度是以+，++，+++三种强度来表示，“+”字越多，防护UVA的效果就越好。

1. 怎么把string转换成json字符串 public class Demo { public static void main(String[] args) { String s = "ssssssssssssssssssssssssssssssss";"{"s":"ssss","x":"xxxxx","c":"cccccc"}"；这边要拼接好是json格式 JSONObject json = JSONObject.parseObject(s);System.out.println(json.toString()); } } 2. 如何将string转为json 引入jar包 json-lib-2.4 JSONObject jsonObject = JSONObject.fromObject("json格式的字符串")； 1 2 3 String jsonStr = "{id:2}"; JSONObject jsonObject = JSONObject.fromObject(jsonStr); int id = jsonObject.getInt("id"); 3. java怎么把字符串转成json字符串 @RequestMapping(value = "updateInvestorApplyAccountNo", method = RequestMethod.POST) @ResponseBody public void updateInvestorApplyAccountNo(HttpServletRequest request, HttpServletResponse response, @RequestBody String requestBody) { int num = 0; String result = ""; 下面是把拿到的json字符串转成 json对象 JSONObject jsStr = JSONObject.parseObject(requestBody)； 将字符串{“id”:1} int jsID = Integer.parseInt(jsStr.getString("id")）；获取id的值 /** * json对象转换成java对象 */ InvestorApplyModel stud = (InvestorApplyModel) JSONObject.toJavaObject(jsStr,InvestorApplyModel.class); } 4. string可以转换为json吗 1、string转json有三种方法第一种：string直接转jsonString json = "{"2":"efg","1":"abc"}"; JSONObject json_test = JSONObject.fromObject(json)； 将string的双引号转义即可，适用于字符串较短的第二种：将string转为list后转为jsonList list = new ArrayList (); list.add("username"); list.add("age"); list.add("sex"); JSONArray array = new JSONArray(); array.add(list)； 可以使用list的add函数将需要的字符串拼接即可，但是这个只能使用jsonarry。 5. 怎么把字符串转换成json对象 转换方法：importjava.io.*;importorg.json.*;publicclassDemo{publicstaticvoidmain(String[]args)throwsException{Stringstr="{"id_no":"342422198012001122","mobile_no":"13666667789","name"："徐丽"}"；JSONObjectobj=newJSONObject(str)；在这里转换。 System.out.println(obj);System.out.println(obj.get("id_no"));"342422198012001122"}}要引入fast-json的包或者开源的包json.jar。 6. string 怎么转换成json字符串 转换方式有两种：1、利知用原生JSON对象，将对象转为字道符串：参考代码如下：内var jsObj = {}； 定义objectjsObj.testArray = [1,2,3,4,5]； 初始化jsObj.name = "CSS3";jsObj.date = "8 May, 2011";var str = JSON.striny(jsObj)； 转换成stringalert(str)； 弹出提示容2、重写toString（)方法：参考代码如下：Dog.prototype.toString = function dogToString() {var ret = "Dog " + this.name + " is a " + this.sex + " " + this.color + " " + this.breed;return ret;}。

SELECT @@SERVERNAME