可以通過以下途徑獲取：可以通過網(wǎng)絡(luò)搜索或者向東華大學(xué)相關(guān)部門咨詢獲取2017年考研電路真題。網(wǎng)絡(luò)上有很多考研資料網(wǎng)站提供了歷年的考研真題，可以通過搜索關(guān)鍵詞“”來查找相關(guān)資源。此外，你也可以向東華大學(xué)的招生辦公室或者相關(guān)學(xué)院的教務(wù)處咨詢，他們會(huì)提供給你相關(guān)的考研真題。除了獲取2017年考研電路真題，你還可以通過研究歷年的考研真題來了解考試的難度和重點(diǎn)，有助于你更好地備考。此外，還可以參加一些考研輔導(dǎo)班或者購(gòu)買相關(guān)的考研輔導(dǎo)書籍來提高備考效果。
在當(dāng)今教育領(lǐng)域，成為一名教師是許多人的夢(mèng)想和追求。特崗教師是一個(gè)備受關(guān)注的職位，而2017年的特崗教師面試題目也備受廣大教育工作者和求職者的關(guān)注。面試題目的設(shè)置旨在考察應(yīng)聘者的專業(yè)知識(shí)、教學(xué)能力、綜合素質(zhì)等方面，是對(duì)求職者綜合能力的一次全面考量。下面將對(duì)2017年特崗教師面試題目進(jìn)行詳細(xì)介紹和解析，希望對(duì)即將面試的人員有所幫助。
專業(yè)知識(shí)類面試題目是特崗教師面試中的重中之重，包括教育學(xué)、心理學(xué)、教學(xué)法等專業(yè)知識(shí)內(nèi)容。在2017年的特崗教師面試中，關(guān)于專業(yè)知識(shí)的問題涉及到教育改革、素質(zhì)教育、課程設(shè)計(jì)等方面，需要應(yīng)聘者對(duì)教育教學(xué)的基本原理和理論有所了解和掌握。
教學(xué)能力是特崗教師應(yīng)具備的重要素質(zhì)之一，也是面試中必定會(huì)涉及的內(nèi)容。在2017年的特崗教師面試中，針對(duì)教學(xué)能力的問題主要包括課堂管理、教學(xué)設(shè)計(jì)、學(xué)生評(píng)價(jià)等方面，考察應(yīng)聘者的實(shí)際教學(xué)能力和實(shí)踐經(jīng)驗(yàn)。
特崗教師的招聘要求不僅包括專業(yè)知識(shí)和教學(xué)能力，還需要具備一定的綜合素質(zhì)和能力。在2017年的特崗教師面試中，綜合素質(zhì)類面試題目主要考察應(yīng)聘者的綜合素質(zhì)、溝通能力、團(tuán)隊(duì)合作精神等方面，以確保招聘的特崗教師能夠勝任教育教學(xué)工作。
除了準(zhǔn)備面試題目外，應(yīng)聘者還應(yīng)了解一些面試技巧和注意事項(xiàng)，以提高面試的成功率。建議應(yīng)聘者在面試前充分準(zhǔn)備，熟悉自己的簡(jiǎn)歷和求職材料，展現(xiàn)出自信和積極的態(tài)度。同時(shí)，在回答問題時(shí)要清晰明了，表達(dá)準(zhǔn)確且簡(jiǎn)潔，避免答非所問或唐突回答。
在面試過程中，應(yīng)聘者要注意言行舉止得體，保持禮貌和謙虛的態(tài)度。與面試官的交流要主動(dòng)積極，展現(xiàn)自己的特長(zhǎng)和優(yōu)勢(shì)。最后，面試結(jié)束后要及時(shí)向面試官表達(dá)感謝，并對(duì)自己的表現(xiàn)進(jìn)行總結(jié)和反思，為下一次的面試做準(zhǔn)備。
總的來說，2017年特崗教師面試題目涉及專業(yè)知識(shí)、教學(xué)能力、綜合素質(zhì)等多個(gè)方面，是對(duì)求職者綜合能力的全面考驗(yàn)。通過充分的準(zhǔn)備和自信的表現(xiàn)，相信每一位應(yīng)聘者都能在面試中展現(xiàn)出自己的實(shí)力和魅力，順利躋身于特崗教師的行列。希望以上介紹對(duì)您有所幫助，祝您在未來的求職之路上取得成功！
在面試準(zhǔn)備過程中，了解并掌握常見的面試題是至關(guān)重要的。本文將介紹2017年Java面試中涉及到的百度云相關(guān)問題，幫助讀者更好地準(zhǔn)備面試。
百度云是百度公司推出的云計(jì)算服務(wù)平臺(tái)，為用戶提供云存儲(chǔ)、云計(jì)算、云數(shù)據(jù)庫等服務(wù)。在云計(jì)算領(lǐng)域，百度云擁有豐富的產(chǎn)品線，能夠滿足不同用戶的需求。
Java作為一種主流的編程語言，在百度云的應(yīng)用也非常廣泛。很多百度云的后端服務(wù)都是采用Java語言編寫的，因此熟練掌握J(rèn)ava語言對(duì)于在百度云工作的人來說至關(guān)重要。
以下是2017年Java面試中可能會(huì)涉及到的一些百度云相關(guān)題目示例：
在準(zhǔn)備面試時(shí)，除了熟悉Java語言和百度云的相關(guān)知識(shí)外，還應(yīng)該重點(diǎn)關(guān)注以下幾個(gè)方面：
通過本文的介紹，相信讀者對(duì)2017年Java面試題中涉及到的百度云相關(guān)內(nèi)容有了一定的了解。在面試準(zhǔn)備過程中，持續(xù)學(xué)習(xí)和提升自己的能力是非常重要的，希望讀者能夠取得理想的面試成績(jī)。
東華大學(xué)2017年入學(xué)的MPAcc會(huì)計(jì)碩士的聯(lián)考還沒有開始，2016年MPAcc的復(fù)試線：總分165/英語39/綜合78；2015年MPAcc的復(fù)試線：總分160/英語40/綜合80。東華大學(xué)MPAcc招在職學(xué)生，近幾年的的復(fù)試線與國(guó)家線都較為接近。
春季是大自然復(fù)蘇的季節(jié)，萬物復(fù)蘇，春花東華盛開。春天的花朵給人們帶來了希望、溫暖和喜悅。當(dāng)大地被春意填滿時(shí)，春花東華綻放的美麗景象成為了人們追尋的目標(biāo)。
春花東華是一個(gè)在中國(guó)文化中被廣泛引用的詞語，它意味著春天的花朵綻放在東方的國(guó)度中。東華指的是東方地區(qū)，廣義上代表了中國(guó)。這個(gè)詞語常常用來形容開放的場(chǎng)景、繁花盛開的景象，也代表了東方文明的濃厚底蘊(yùn)。
春花東華的美麗不僅僅體現(xiàn)在花朵的盛開，更體現(xiàn)在花的多樣性。春季是花卉品種最豐富的時(shí)候，各種花卉爭(zhēng)相競(jìng)艷。紅艷艷的玫瑰花、嬌嫩可人的櫻花、清新淡雅的牡丹花……每一種都展示著自己獨(dú)特的風(fēng)采。
春花東華的盛放是大自然的奇跡，也是氣候與環(huán)境的共同作用。春季氣溫適宜，陽光充足，降水充沛，給予了花朵充足的水分和營(yíng)養(yǎng)。此外，春季也是許多花卉的生長(zhǎng)季節(jié)，它們經(jīng)歷了冬眠期，迎來了新一輪的生長(zhǎng)。
除了氣候的影響，春花盛放背后還有種植者的努力和熱愛。農(nóng)民們耕耘田地、育苗培育，花藝師們精心設(shè)計(jì)、修剪和保養(yǎng)。他們的辛勤勞作和專業(yè)技藝，使得春花東華美麗綻放。
春花東華不僅僅是花的盛開，更是人們追尋美好的象征。它象征著希望與新生，代表了新一輪的開始與希冀。每一朵初綻的花朵都是自然界對(duì)人們的賜予，它們給人們帶來喜悅與快樂。
春花東華也代表著東方文化的獨(dú)特魅力。中國(guó)自古以來就被稱為“花的國(guó)度”，花朵在中國(guó)文化中有著重要的地位。從古代文人墨客的詩詞中，到現(xiàn)代人們對(duì)花藝的研究與創(chuàng)作，春花東華一直是藝術(shù)創(chuàng)作的源泉和靈感。
春花東華的美麗景象是人們追尋美好的一個(gè)象征。每年的春季，人們踏春賞花，欣賞大自然的美麗。走進(jìn)花海，置身于繁花叢中，感受春天的氣息，心情也會(huì)變得愉悅起來。
除了賞花，人們還可以通過種植春花來親身體驗(yàn)春花東華的美麗。不論是在家中的花壇里栽培，還是在公園中的花圃里育苗，都可以見證春花的生長(zhǎng)過程。從播種到綻放，從嫩芽到花瓣綻放，每個(gè)環(huán)節(jié)都是一個(gè)奇跡。
此外，還可以參加花卉展覽和花藝活動(dòng)，學(xué)習(xí)花卉的養(yǎng)護(hù)知識(shí)和花藝設(shè)計(jì)技巧。在專業(yè)花藝師的指導(dǎo)下，創(chuàng)作出屬于自己的花藝作品。通過親手打造美麗的花束或插花作品，將春花東華的美麗延續(xù)和傳遞。
春花東華不僅僅是大自然中的美，也是生活中的美好。無論是送給親人的鮮花，還是點(diǎn)綴生活的花卉裝飾，都能給人們帶來愉悅和幸福的感覺。花朵的香氣和色彩，營(yíng)造出浪漫的氛圍，使人心情舒暢。
此外，花卉還有很多功效，如放松心情、凈化空氣、促進(jìn)情感交流等。在繁忙的生活中，與花朵相伴，人們可以得到片刻的休憩和愉悅。同時(shí)，花卉的存在也給人們提供了交流和互動(dòng)的機(jī)會(huì)，增進(jìn)了人與人之間的感情。
春花東華是春季的美麗象征，也是追尋美好的象征。它不僅僅是花的綻放，更是希望、溫暖和喜悅。春花東華代表著東方文化的獨(dú)特魅力，是藝術(shù)創(chuàng)作的靈感來源。無論是賞花、種植花卉還是參與花藝活動(dòng)，都能讓人們親身感受到春花東華的美麗。
在生活中，春花東華將帶來幸福和愉悅。鮮花、花卉裝飾給人們帶來浪漫的氛圍；花卉養(yǎng)護(hù)和花藝創(chuàng)作給人們帶來放松和創(chuàng)造的樂趣。春花東華不僅僅是美的象征，更是一種生活態(tài)度和內(nèi)心的美好追求。
東華造型，作為中國(guó)頂尖的時(shí)尚學(xué)府之一，擁有悠久的歷史和卓越的聲譽(yù)。無論是從學(xué)術(shù)實(shí)力還是從學(xué)生培養(yǎng)效果來看，東華造型都憑借其杰出的表現(xiàn)脫穎而出。
東華造型致力于培養(yǎng)一流的時(shí)尚設(shè)計(jì)師、藝術(shù)家和創(chuàng)意人才，為行業(yè)輸送高素質(zhì)專業(yè)人才。學(xué)院擁有一支富有經(jīng)驗(yàn)和創(chuàng)造力的教師團(tuán)隊(duì)，他們對(duì)時(shí)尚和設(shè)計(jì)充滿熱情，深諳行業(yè)動(dòng)態(tài)和最新潮流。
學(xué)院為學(xué)生提供多種專業(yè)教育課程，涵蓋服裝設(shè)計(jì)、時(shí)裝表演、視覺傳達(dá)、工藝與藝術(shù)、時(shí)尚營(yíng)銷等領(lǐng)域。通過嚴(yán)謹(jǐn)?shù)膶W(xué)術(shù)訓(xùn)練和實(shí)踐經(jīng)驗(yàn)的積累，學(xué)生能夠全面掌握專業(yè)知識(shí)和技能，為未來的職業(yè)發(fā)展打下堅(jiān)實(shí)基礎(chǔ)。
東華造型以其卓越的學(xué)術(shù)實(shí)力而聞名，擁有一流的研究機(jī)構(gòu)和實(shí)驗(yàn)室，致力于時(shí)尚和設(shè)計(jì)領(lǐng)域的創(chuàng)新研究。學(xué)院與國(guó)內(nèi)外一些知名高校和設(shè)計(jì)機(jī)構(gòu)建立了廣泛的合作關(guān)系，推動(dòng)學(xué)術(shù)交流和合作研究。
教師團(tuán)隊(duì)在時(shí)尚和設(shè)計(jì)領(lǐng)域擁有豐富的研究經(jīng)驗(yàn)和廣泛的學(xué)術(shù)網(wǎng)絡(luò)，不斷探索前沿的設(shè)計(jì)理念和技術(shù)應(yīng)用。學(xué)院的研究成果經(jīng)常在國(guó)內(nèi)外學(xué)術(shù)期刊上發(fā)表，并在各類學(xué)術(shù)會(huì)議上展示與交流。
東華造型注重培養(yǎng)學(xué)生的創(chuàng)新精神和實(shí)踐能力，鼓勵(lì)學(xué)生積極參與各類設(shè)計(jì)競(jìng)賽、展覽和實(shí)習(xí)實(shí)踐。學(xué)院為學(xué)生提供廣闊的發(fā)展平臺(tái)，鼓勵(lì)他們積極探索、不斷創(chuàng)新，培養(yǎng)他們成為具有國(guó)際視野和創(chuàng)造力的時(shí)尚人才。
為了提高學(xué)生的綜合素質(zhì)，學(xué)院組織豐富多彩的校園活動(dòng)和文化交流，為學(xué)生提供交流和學(xué)習(xí)的機(jī)會(huì)。
東華造型積極推動(dòng)與國(guó)際高校和設(shè)計(jì)機(jī)構(gòu)的交流與合作，為學(xué)生提供廣闊的國(guó)際視野和交流平臺(tái)。學(xué)院與多所國(guó)際知名高校建立了合作關(guān)系，為學(xué)生提供參加交換學(xué)習(xí)項(xiàng)目的機(jī)會(huì)。
學(xué)院還定期舉辦國(guó)際研討會(huì)和學(xué)術(shù)講座，邀請(qǐng)國(guó)內(nèi)外著名的設(shè)計(jì)師、學(xué)者和行業(yè)精英來校進(jìn)行交流與講座。通過這些國(guó)際交流與合作，學(xué)生能夠更廣泛地了解國(guó)際時(shí)尚與設(shè)計(jì)潮流，增強(qiáng)與國(guó)際接軌的能力和競(jìng)爭(zhēng)力。
東華造型擁有龐大而活躍的校友網(wǎng)絡(luò)，校友遍布全國(guó)各地以及世界各地的時(shí)尚和設(shè)計(jì)行業(yè)。學(xué)院為校友提供多種服務(wù)和支持，為他們的職業(yè)發(fā)展和創(chuàng)新創(chuàng)業(yè)提供支持和幫助。
學(xué)院通過各種形式的校友活動(dòng)和校友資源共享平臺(tái)，促進(jìn)校友之間的聯(lián)系和合作。校友們也經(jīng)常回校進(jìn)行講座和經(jīng)驗(yàn)分享，為學(xué)生提供職業(yè)規(guī)劃和就業(yè)指導(dǎo)。
總之，東華造型以其卓越的教育質(zhì)量和卓越的學(xué)術(shù)實(shí)力在國(guó)內(nèi)外享有盛譽(yù)。通過綜合實(shí)力的不斷提升和國(guó)際交流與合作的推動(dòng)，東華造型將繼續(xù)為時(shí)尚和設(shè)計(jì)界培養(yǎng)更多優(yōu)秀的人才，為中國(guó)時(shí)尚產(chǎn)業(yè)的發(fā)展貢獻(xiàn)力量。
東華駕校一直以來都是許多想要學(xué)車的人心目中的首選，其雄厚的教學(xué)實(shí)力和優(yōu)質(zhì)的服務(wù)贏得了廣大學(xué)員的一致好評(píng)。作為一家專業(yè)的駕校，東華駕校一直致力于為學(xué)員提供最優(yōu)質(zhì)的教學(xué)體驗(yàn)，幫助他們快速掌握駕駛技能，順利通過考試。
在選擇學(xué)車的駕校時(shí)，很多人會(huì)對(duì)東華駕校贊賞有加。首先，東華駕校擁有一支經(jīng)驗(yàn)豐富、專業(yè)的教練團(tuán)隊(duì)，他們耐心細(xì)致的教學(xué)態(tài)度和豐富的教學(xué)經(jīng)驗(yàn)讓每位學(xué)員都能受益匪淺。其次，東華駕校的教學(xué)設(shè)施完善，配備先進(jìn)的模擬駕駛器材和專業(yè)的教學(xué)場(chǎng)地，為學(xué)員提供了良好的學(xué)習(xí)環(huán)境。
有許多學(xué)員在學(xué)習(xí)完駕駛課程后都紛紛發(fā)表了對(duì)東華駕校的高度評(píng)價(jià)。他們認(rèn)為，在東華駕校學(xué)車不僅僅是為了通過考試，更重要的是學(xué)到了實(shí)用的駕駛技能，并且在學(xué)習(xí)過程中得到了專業(yè)教練的指導(dǎo)和幫助。這些學(xué)員中有不少人在第一次考試中就成功拿到了駕照，這充分證明了東華駕校的教學(xué)質(zhì)量和效果。
作為一家一直致力于提供優(yōu)質(zhì)駕駛教學(xué)服務(wù)的駕校，東華駕校一直保持著對(duì)學(xué)員的高度負(fù)責(zé)態(tài)度，幫助他們?cè)趯W(xué)車過程中更好地掌握駕駛技能，安全上路。相信通過在東華駕校的學(xué)習(xí)，每位學(xué)員都能在駕駛技能上有所提升，成為一名合格的駕駛員。
2017年，東華理工大學(xué)長(zhǎng)江學(xué)院的錄取分?jǐn)?shù)線為578分，東華理工大學(xué)長(zhǎng)江分院，這是我們國(guó)家同類大學(xué)當(dāng)中相當(dāng)優(yōu)秀的學(xué)員，而且很多專業(yè)的系在國(guó)內(nèi)都享有盛名，東華理工大學(xué)長(zhǎng)江學(xué)院的學(xué)校領(lǐng)導(dǎo)班子是一個(gè)團(tuán)結(jié)的班子，奮進(jìn)的班子，他們帶領(lǐng)出一支非常優(yōu)秀的教師團(tuán)隊(duì)。
之前看了Mahout官方示例 20news 的調(diào)用實(shí)現(xiàn)；于是想根據(jù)示例的流程實(shí)現(xiàn)其他例子。網(wǎng)上看到了一個(gè)關(guān)于天氣適不適合打羽毛球的例子。
訓(xùn)練數(shù)據(jù)：
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
檢測(cè)數(shù)據(jù)：
sunny，hot，high，weak
結(jié)果：
Yes=》 0.007039
No=》 0.027418
于是使用Java代碼調(diào)用Mahout的工具類實(shí)現(xiàn)分類。
基本思想：
1. 構(gòu)造分類數(shù)據(jù)。
2. 使用Mahout工具類進(jìn)行訓(xùn)練，得到訓(xùn)練模型。
3。將要檢測(cè)數(shù)據(jù)轉(zhuǎn)換成vector數(shù)據(jù)。
4. 分類器對(duì)vector數(shù)據(jù)進(jìn)行分類。
接下來貼下我的代碼實(shí)現(xiàn)=》
1. 構(gòu)造分類數(shù)據(jù)：
在hdfs主要?jiǎng)?chuàng)建一個(gè)文件夾路徑 /zhoujainfeng/playtennis/input 并將分類文件夾 no 和 yes 的數(shù)據(jù)傳到hdfs上面。
數(shù)據(jù)文件格式，如D1文件內(nèi)容： Sunny Hot High Weak
2. 使用Mahout工具類進(jìn)行訓(xùn)練，得到訓(xùn)練模型。
3。將要檢測(cè)數(shù)據(jù)轉(zhuǎn)換成vector數(shù)據(jù)。
4. 分類器對(duì)vector數(shù)據(jù)進(jìn)行分類。
這三步，代碼我就一次全貼出來；主要是兩個(gè)類 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";
/*
* 測(cè)試代碼
*/
public static void main(String[] args) {
//將訓(xùn)練數(shù)據(jù)轉(zhuǎn)換成 vector數(shù)據(jù)
makeTrainVector();
//產(chǎn)生訓(xùn)練模型
makeModel(false);
//測(cè)試檢測(cè)數(shù)據(jù)
BayesCheckData.printResult();
}
public static void makeCheckVector(){
//將測(cè)試數(shù)據(jù)轉(zhuǎn)換成序列化文件
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參數(shù)是，是否遞歸刪除的意思
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("文件序列化失敗！");
System.exit(1);
}
//將序列化文件轉(zhuǎn)換成向量文件
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參數(shù)是，是否遞歸刪除的意思
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("序列化文件轉(zhuǎn)換成向量失敗！");
System.out.println(2);
}
}
public static void makeTrainVector(){
//將測(cè)試數(shù)據(jù)轉(zhuǎn)換成序列化文件
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參數(shù)是，是否遞歸刪除的意思
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("文件序列化失敗！");
System.exit(1);
}
//將序列化文件轉(zhuǎn)換成向量文件
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參數(shù)是，是否遞歸刪除的意思
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("序列化文件轉(zhuǎn)換成向量失敗！");
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參數(shù)是，是否遞歸刪除的意思
fs.delete(out, true);
}
if(fs.exists(label)){
//boolean參數(shù)是，是否遞歸刪除的意思
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("生成訓(xùn)練模型失敗！");
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("檢測(cè)數(shù)據(jù)構(gòu)造成vectors初始化時(shí)報(bào)錯(cuò)。。。。");
System.exit(4);
}
}
/**
* 加載字典文件，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;
}
/**
* 加載df-count目錄下TermDoc頻率文件，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時(shí)表示總文檔數(shù)
for (Multiset.Entry<String> entry : words.entrySet()) {
String word = entry.getElement();
int count = entry.getCount();
Integer wordId = dictionary.get(word); // 需要從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);
}
// 利用貝葉斯算法開始分類,并提取得分最好的分類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("檢測(cè)所屬類別是："+getCheckResult());
}
}
1. 請(qǐng)介紹一下WebGIS的概念和作用，以及在實(shí)際應(yīng)用中的優(yōu)勢(shì)和挑戰(zhàn)。
WebGIS是一種基于Web技術(shù)的地理信息系統(tǒng)，通過將地理數(shù)據(jù)和功能以可視化的方式呈現(xiàn)在Web瀏覽器中，實(shí)現(xiàn)地理空間數(shù)據(jù)的共享和分析。它可以用于地圖瀏覽、空間查詢、地理分析等多種應(yīng)用場(chǎng)景。WebGIS的優(yōu)勢(shì)包括易于訪問、跨平臺(tái)、實(shí)時(shí)更新、可定制性強(qiáng)等，但也面臨著數(shù)據(jù)安全性、性能優(yōu)化、用戶體驗(yàn)等挑戰(zhàn)。
2. 請(qǐng)談?wù)勀赪ebGIS開發(fā)方面的經(jīng)驗(yàn)和技能。
我在WebGIS開發(fā)方面有豐富的經(jīng)驗(yàn)和技能。我熟悉常用的WebGIS開發(fā)框架和工具，如ArcGIS API for JavaScript、Leaflet、OpenLayers等。我能夠使用HTML、CSS和JavaScript等前端技術(shù)進(jìn)行地圖展示和交互設(shè)計(jì)，并能夠使用后端技術(shù)如Python、Java等進(jìn)行地理數(shù)據(jù)處理和分析。我還具備數(shù)據(jù)庫管理和地理空間數(shù)據(jù)建模的能力，能夠設(shè)計(jì)和優(yōu)化WebGIS系統(tǒng)的架構(gòu)。
3. 請(qǐng)描述一下您在以往項(xiàng)目中使用WebGIS解決的具體問題和取得的成果。
在以往的項(xiàng)目中，我使用WebGIS解決了許多具體問題并取得了顯著的成果。例如，在一次城市規(guī)劃項(xiàng)目中，我開發(fā)了一個(gè)基于WebGIS的交通流量分析系統(tǒng)，幫助規(guī)劃師們?cè)u(píng)估不同交通方案的效果。另外，在一次環(huán)境監(jiān)測(cè)項(xiàng)目中，我使用WebGIS技術(shù)實(shí)現(xiàn)了實(shí)時(shí)的空氣質(zhì)量監(jiān)測(cè)和預(yù)警系統(tǒng)，提供了準(zhǔn)確的空氣質(zhì)量數(shù)據(jù)和可視化的分析結(jié)果，幫助政府和公眾做出相應(yīng)的決策。
4. 請(qǐng)談?wù)勀鷮?duì)WebGIS未來發(fā)展的看法和期望。
我認(rèn)為WebGIS在未來會(huì)繼續(xù)發(fā)展壯大。隨著云計(jì)算、大數(shù)據(jù)和人工智能等技術(shù)的不斷進(jìn)步，WebGIS將能夠處理更大規(guī)模的地理數(shù)據(jù)、提供更豐富的地理分析功能，并與其他領(lǐng)域的技術(shù)進(jìn)行深度融合。我期望未來的WebGIS能夠更加智能化、個(gè)性化，為用戶提供更好的地理信息服務(wù)，助力各行各業(yè)的決策和發(fā)展。
