已找到以下 10000 条记录
  • 快速入门 - 应用运维管理 AOM

    标,可以按如下方案设置: 告警条件a的指标设置为“aom_node_cpu_used_core”,其余参数采用默认设置。该指标用于统计测量对象已经使用的CPU核个数。 告警条件b的指标设置为“aom_node_cpu_limit_core”,其余参数采用默认设置。该指标用于统计测量对象申请的CPU核总量。

  • 短信发送服务_短信发送成功_短信功能

    供流量阈值管理功能。 设置流量阈值,当短信发送总量超过设定预警数值,平台会向联系人发出告警短信通知;当短信发送总量超过设定限额数值,平台会再次向联系人发出告警短信通知并自动帮您暂停发送短信。 区域设置 设置区域,选择需要发送短信的国家或地区,禁发未选中的国家或地区。 设置区域,选

  • 园区增值业务类API概述及向导

    段维持原值,不作修改。若想清空一个string字段,可以填入空字符串""。HTTP Header中,可以通过Accept-Language设置en-US来指定返回信息为英文,若不指定Accept-Language,则默认返回英文信息。通过API创建的数据,不能在iMaster N

    作者: 芙泡小超人
    发表时间: 2020-02-21 18:07:20
    10528
    0
  • 终于不用手撸了,解放你的双手,教你用数学建模的方式对答题卡进行有效识别

    答题卡二值化 图像的二值化处理就是将图像上的点的灰度值为0或255,也就是将整个图像呈现出明显的黑白效果。即将256个亮度等级的灰度图像通过适当的阈值选取而获得仍然可以反映图像整体和局部特征的二值化图像。 在数字图像处理中,二值图像占有非常重要的地位,特别是在实用的图像处理中,以二值图像处理实现而构成的系统是很多的。

    作者: 格图洛书
    发表时间: 2021-11-18 18:05:29
    927
    0
  • 升级Master节点规格 - MapReduce服务 MRS

    ster节点上。 随着新业务的上线,集群规模不断扩大,Master节点承担的管理负荷也越来越高,企业用户面临CPU负载过高,内存使用率超过阈值的问题。通常自建大数据集群需要完成数据搬迁,采购升级节点硬件配置实现Master规格提升,而MRS服务借助云服务的优势,实现一键式Mast

  • ai_watchdog_ftask_status - 云数据库 GaussDB

    ai_watchdog_ftask_status参数 参数 类型 描述 name text 喂狗任务名。 timeout_threshold int 喂狗任务超时阈值。 register_time timestamp 喂狗任务注册时间。 thread_id bigint 该喂狗任务在哪一个线程ID上使用。

  • 【图像分割】基于K-means聚类算法图像分割【含Matlab源码 1476期】

    [4]刘成龙.精通MATLAB图像处理[M].清华大学出版社,2015. [5]赵勇,方宗德,庞辉,王侃伟.基于量子粒子群优化算法的最小交叉熵多阈值图像分割[J].计算机应用研究. 2008,(04)

    作者: 海神之光
    发表时间: 2022-05-28 17:31:40
    171
    0
  • SpringCloud相关组件

    ack错误处理信息来保证系统的整体稳定,hystrix的实现原理是利用了spring的aop,熔断原理是正常情况下断路器关闭,当失败率达到阈值的时候,断路器打开,进入快速失败的方法,然后一段时候后断路器会自动进入半开状态,允许一个请求调用服务,如果成功就关闭断路器,否则继续打开断路器。

    作者: 周杰伦本人
    发表时间: 2022-07-27 06:09:37
    317
    0
  • 科技让防疫“更智慧”!云脉上线智慧门禁APP

    人脸设备管理,这里可以管理对接云脉智慧门禁接口的门禁硬件设备,可以为硬件设备批量导入员工信息文件进行注册,也可以修改设备的参数,如人脸比对阈值、识别距离、报警体温、是否检测带口罩、是否语音播报等。云脉智慧门禁APP可以应用于各大企业园区、社区、中小学、高校等人群密集且有门禁管控需

    作者: 云脉OCR
    发表时间: 2020-04-03 15:37:07
    7226
    0
  • 探索Python中的聚类算法:DBSCAN

    DBSCAN 算法的核心原理可以概括为以下几个步骤: 选择核心点:对于每个样本点,计算其邻域内包含的样本点数量。如果该数量大于等于预先设定的阈值(称为 MinPts),则将该点视为核心点。 生成簇:对于每个核心点,从它的邻域中递归地寻找相连的核心点,将它们全部加入同一个簇中。

    作者: Echo_Wish
    发表时间: 2024-03-22 09:08:54
    2
    0
  • Python基础算法解析:决策树

    特征选择:选择最优的特征来进行数据划分,使得每个子节点的纯度最大化。 决策树的构建:递归地将数据集划分为更小的子集,直到达到停止条件为止(如达到最大深度、节点中的样本数小于阈值等)。 决策树的修剪(可选):对构建好的决策树进行剪枝操作,防止过拟合。 决策树的实现步骤 数据预处理:包括数据清洗、特征选择、特征缩放等。

    作者: Echo_Wish
    发表时间: 2024-03-18 08:48:17
    6
    0
  • java中ConcurrentHashMap底层原理 - 面试宝典

    nt数量是16,可以通过构造函数指定。 哈希桶:每个哈希桶保存了一对键值对的数据。哈希桶使用链表或红黑树来解决哈希冲突。当链表长度超过一定阈值(默认为8)时,链表会自动转换为红黑树,提高查询、插入和删除的性能。 锁策略:ConcurrentHashMap的锁策略是细粒度的。在读操

    作者: 皮牙子抓饭
    发表时间: 2023-08-05 13:44:05
    20
    0
  • 《Python深度学习实战:基于TensorFlow和Keras的聊天机器人》 —2.1.3 定义模型

    是处于0~0.05之间的数,因为这是Keras中默认的均匀权重初始化值。另一个习惯使用的是从高斯分布抽样得到的随机数。你可以用0.5的默认阈值设定来进行硬分类。并可以通过逐层添加来将它们都拼接起来。

    作者: 华章计算机
    发表时间: 2020-02-13 20:54:08
    5337
    0
  • 欠费说明 - 漏洞管理服务 CodeArts Inspector

    长。 避免和处理欠费 欠费后需要及时充值,详细操作请参见账户充值。 您可以在“费用中心 > 总览”页面设置“可用额度预警”功能,当可用额度、通用代金券和现金券的总额度低于预警阈值时,系统自动发送短信和邮件提醒。 当产生欠费后,请您及时充值使可用额度大于0。

  • ModelArts Standard资源监控概述 - AI开发平台ModelArts

    Standard上报的所有监控指标都保存在AOM中,当ModelArts控制台可以查看的指标不满足诉求时,用户可以通过AOM服务提供的指标消费和使用的能力来查看指标。设置指标阈值告警、告警上报等,都可以直接在AOM控制台操作。具体参见通过AOM控制台查看ModelArts所有监控指标。 方式三:通过Grafana查看所有监控指标

  • RDS for MySQL实例磁盘满的问题处理 - 云数据库 RDS

    随着业务数据的增加,原来申请的数据库磁盘容量可能会不足,建议用户扩容磁盘空间,确保磁盘空间足够。 如果原有规格的磁盘已是最大,请先升级规格。 云盘实例可以设置存储空间自动扩容,在实例存储空间达到阈值时,会触发自动扩容。 针对数据空间过大,可以删除无用的历史表数据。 如果实例变为只读状态,您需要先新建工单,联系客服解

  • GaussDB(for MySQL)参数调优建议 - 云数据库 TaurusDB

    rds_plan_cache_allow_change_ratio:当查询访问的表数据发生变化,例如DML语句导致表数据发生变化,变化比例超过此参数设置阈值时,plan cache会失效。设置为0,表示不受表数据变化比例的影响,一直生效。 父主题: 参数管理

  • TaurusDB参数调优建议 - 云数据库 TaurusDB

    rds_plan_cache_allow_change_ratio:当查询访问的表数据发生变化,例如DML语句导致表数据发生变化,变化比例超过此参数设置阈值时,plan cache会失效。设置为0,表示不受表数据变化比例的影响,一直生效。 父主题: 参数管理

  • 【云小课】EI第35课 云小课带你快速掌握云数据迁移CDM

    脏数据归档:支持将迁移过程中处理失败的、被清洗过滤掉的、不符合字段转换或者不符合清洗规则的数据单独归档到脏数据日志中,便于用户查看。并支持设置脏数据比例阈值,来决定任务是否成功。 正则表达式分隔半结构化文本:支持在创建表/文件迁移作业时,对简单CSV格式的文件,可以使用字段分隔符进行字段分隔。

    作者: Hi,EI
    发表时间: 2021-11-17 08:11:40
    4048
    1
  • 油田勘探中的机器学习算法优化技术

    有最大相关性的特征。这有助于减少特征空间的维度,提高模型的训练效率和预测准确性。 在我们的示例问题中,我们可以使用特征选择算法(例如,方差阈值、相关性或基于模型的特征选择)来选择最相关的特征。 from sklearn.feature_selection import SelectKBest

    作者: 皮牙子抓饭
    发表时间: 2023-06-30 20:02:52
    6
    0