1. 已是平生行逆境，更堪末路踐危機?！甏?宋 作者： 陸游《次韻范參政書懷》
2. 步步常由逆境行，極知造物欲其成?！甏?宋 作者： 陸游《逆境》
3. 逆境嗟行遍，閑愁幸掃空。———年代： 宋 作者： 陸游《遣懷》
4. 吾生行逆境，平地九折?！甏?宋 作者： 陸游《贈湖上父老十八韻》
5. 虛堂回古味，逆境見真情?！甏?宋 作者： 葉茵《偶成》
6. 彥修但自修，逆境堪進德?！甏?宋 作者： 熊禾《送稅官仇副使詩十首》
7. 已嘆嫠居久，何堪逆境頻。———年代： 宋 作者： 樓鑰《百四從妹挽詞》
8. 逆境須同順境寬，熟仁堅志這中觀?！甏?宋 作者： 蔡格《山居十三首》
知難而上應該為猴子。傳說中孫悟空是由猴子轉化而來，也就是孫悟空是猴子的化身。而在名著西游記里，孫悟空為了保護唐生去西天取經，歷盡艱難險阻與各種妖魔鬼怪殊死搏斗而勇往直前。
有時它的所作所為反被唐生誤會，而它也毫無怨言知難而上
知難而上，好事來。是說明知道事情有難度，還堅持去做。那么好的事情就一定會到來。明知山有虎，偏向虎山行。歌詞唱的好:不經歷風雨，怎么見彩虹？沒有人可以隨隨便便成功。不怕困難，勇往直前，知難而上的頑強的意志，不輕易退縮的精神和堅持不懈的性格是做事情成功的關鍵。
知難而上應該為猴子。傳說中孫悟空是由猴子轉化而來，也就是孫悟空是猴子的化身。而在名著西游記里，孫悟空為了保護唐生去西天取經，歷盡艱難險阻與各種妖魔鬼怪殊死搏斗而勇往直前。有時它的所作所為反被唐生誤會，而它也毫無怨言知難而上。
好像是卦辭吧，就說要潔身自好，遇到困難要迎難而上。
知難而上好事來，生肖是虎。
擴展資料：
屬馬人知難而上
屬相為馬的人，他們從小就有著很頑強的意志，他們做事情不會輕易退縮，這種堅持不懈的性格使得屬相為馬的人不會被今后的生活所磨滅。身邊的朋友都清楚，屬相為馬的人性格可能比較倔強，脾氣也比較大，但是做人做事很利落，行為行動也令人佩服，敢說敢做，從來不會忽悠別人，渾身都充滿了陽光朝氣。屬相為馬的人就是這樣，自身所發(fā)出來的氣質是別人所沒有的，也會學不來的，任何困難對他們來說都不足畏懼，他們可以一一的克服，不畏困難并且戰(zhàn)勝它們。
屬牛人知難而上
屬牛的人并算不上聰明，他們也不擅長去交際，但他們卻能在復雜的社會之中生存，靠的就是超強的忍耐力，不管發(fā)生什么，他們總是能夠把困難扛在身上，雖然自己也會累，但不曾想過放棄，這就是他們最大的亮點之一，也是他們能夠成功的原因。
屬羊人知難而上
屬相為羊的人，在平時看來他們總是大大咧咧的，還有點古靈精怪，但是在做事情方面他們特別會動歪腦筋，他們的小聰明總是會有奇思妙想。尤其是遇到困難時候，屬相為羊的人可以靠自己的才智去克服，對于屬相為羊的人來說，不愿意落后他人，總是比別人更努力一點點，即便困難重重，也要去面對，不退縮，不后退。屬相為羊的人就是這樣，意志力頑強，天生的強者。
屬兔人知難而上
屬相為兔的人，他們天生就有一種毅力，這是別人學不會的，面對生活中的困難，他們也從來不會低頭，即便前面的路再怎么坎坷，屬相為兔的人所到之處都會暢通無阻。這是源于他們的毅力，那種堅持不懈以及堅定的性格。在屬相為兔的眼里，所有的困難都是可以克服的，他們?yōu)榱诉_到自己想要的生活，即使撞得遍體鱗傷也不在乎，他們的斗志不減，無論在社會中從事哪種工作，他們都會盡自己最大的努力，成為行業(yè)中的精英。
面對困難人們一定要有好的態(tài)度，不能輕易就放棄的，如果一個人遇到很小的問題就會放棄，這樣的人是不能做大事的，他們也是一個不容易成功的人，即使很努力也不能改變自己的生活，而一個知難而上的人是讓人們佩服的，他們真的很努力。
錢鍾書去世后，有一次費孝通去看望楊絳。
楊絳讓他進了屋，聊完天，送他走時說：
樓梯不好走，你以后也不要知難而上了。
有人說楊絳太自戀了，人家費孝通可能就是來安慰一下剛剛失去丈夫的楊絳，沒有追求她的意思。
其實這種話有一定的道理，畢竟人家費孝通大老遠爬個樓看望你，你送人家出門來個一語雙關，潛臺詞就是你不要知難而上追我了。
人家要真沒這個意思，豈不破壞了二人之間的友誼，費孝通可能心說說楊絳怎么這么自戀呢。
看過一些NTR文學，許多女主都是含蓄的，不容易拒絕別人的，然而黃毛卻都是懂得心理學，知道循序漸進，直到最后才露出真正的目的，這時女孩子早已淪陷。
所以學習楊絳的話很有必要，有時候就得瓜田李下一點，就得自戀一點，防人之心不可無。
費孝通看望楊絳，就跟留學生問路一樣，的確無可厚非。
楊絳走之前說這話，可能與費孝通以前追過她有關系，可能兩人談話說了些什么，總之楊絳覺得費孝通越界了，注意是自己覺得即可。
楊絳立刻不卑不亢，一語雙關說：
樓梯不好走，你也不要知難而上了。
費孝通也不傻，他要再來，絕對得吃閉門羹。
所以這一切的一切建立在大家都是聰明人，要是楊絳一聽這不是社會學大家費孝通嗎，我立馬買個一樓。要是費孝通一聽，立刻給楊絳裝電梯，那也挺惡心。
到問題來，女生傻，留學生也是暴露了，所以苦主現在還可以先發(fā)制人。
怎么辦呢，趕快爬樓梯跑路啊。
女主太傻了，你也不要知難而上。
之前看了Mahout官方示例 20news 的調用實現；于是想根據示例的流程實現其他例子。網上看到了一個關于天氣適不適合打羽毛球的例子。
訓練數據：
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
檢測數據：
sunny，hot，high，weak
結果：
Yes=》 0.007039
No=》 0.027418
于是使用Java代碼調用Mahout的工具類實現分類。
基本思想：
1. 構造分類數據。
2. 使用Mahout工具類進行訓練，得到訓練模型。
3。將要檢測數據轉換成vector數據。
4. 分類器對vector數據進行分類。
接下來貼下我的代碼實現=》
1. 構造分類數據：
在hdfs主要創(chuàng)建一個文件夾路徑 /zhoujainfeng/playtennis/input 并將分類文件夾 no 和 yes 的數據傳到hdfs上面。
數據文件格式，如D1文件內容： Sunny Hot High Weak
2. 使用Mahout工具類進行訓練，得到訓練模型。
3。將要檢測數據轉換成vector數據。
4. 分類器對vector數據進行分類。
這三步，代碼我就一次全貼出來；主要是兩個類 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";
/*
* 測試代碼
*/
public static void main(String[] args) {
//將訓練數據轉換成 vector數據
makeTrainVector();
//產生訓練模型
makeModel(false);
//測試檢測數據
BayesCheckData.printResult();
}
public static void makeCheckVector(){
//將測試數據轉換成序列化文件
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("序列化文件轉換成向量失??！");
System.out.println(2);
}
}
public static void makeTrainVector(){
//將測試數據轉換成序列化文件
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("序列化文件轉換成向量失??！");
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參數是，是否遞歸刪除的意思
fs.delete(out, true);
}
if(fs.exists(label)){
//boolean參數是，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("生成訓練模型失??！");
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("檢測數據構造成vectors初始化時報錯。。。。");
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時表示總文檔數
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("檢測所屬類別是："+getCheckResult());
}
}
1. 請介紹一下WebGIS的概念和作用，以及在實際應用中的優(yōu)勢和挑戰(zhàn)。
WebGIS是一種基于Web技術的地理信息系統，通過將地理數據和功能以可視化的方式呈現在Web瀏覽器中，實現地理空間數據的共享和分析。它可以用于地圖瀏覽、空間查詢、地理分析等多種應用場景。WebGIS的優(yōu)勢包括易于訪問、跨平臺、實時更新、可定制性強等，但也面臨著數據安全性、性能優(yōu)化、用戶體驗等挑戰(zhàn)。
2. 請談談您在WebGIS開發(fā)方面的經驗和技能。
我在WebGIS開發(fā)方面有豐富的經驗和技能。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等前端技術進行地圖展示和交互設計，并能夠使用后端技術如Python、Java等進行地理數據處理和分析。我還具備數據庫管理和地理空間數據建模的能力，能夠設計和優(yōu)化WebGIS系統的架構。
3. 請描述一下您在以往項目中使用WebGIS解決的具體問題和取得的成果。
在以往的項目中，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)劃項目中，我開發(fā)了一個基于WebGIS的交通流量分析系統，幫助規(guī)劃師們評估不同交通方案的效果。另外，在一次環(huán)境監(jiān)測項目中，我使用WebGIS技術實現了實時的空氣質量監(jiān)測和預警系統，提供了準確的空氣質量數據和可視化的分析結果，幫助政府和公眾做出相應的決策。
4. 請談談您對WebGIS未來發(fā)展的看法和期望。
我認為WebGIS在未來會繼續(xù)發(fā)展壯大。隨著云計算、大數據和人工智能等技術的不斷進步，WebGIS將能夠處理更大規(guī)模的地理數據、提供更豐富的地理分析功能，并與其他領域的技術進行深度融合。我期望未來的WebGIS能夠更加智能化、個性化，為用戶提供更好的地理信息服務，助力各行各業(yè)的決策和發(fā)展。
這塊您需要了解下stm32等單片機的基本編程和簡單的硬件設計，最好能夠了解模電和數電相關的知識更好，還有能夠會做操作系統，簡單的有ucos，freeRTOS等等。最好能夠使用PCB畫圖軟件以及keil4等軟件。希望對您能夠有用。
