从入门到放弃之基于个人微博公共事件检测算法的研究与实现

　　毕设选择了这个题目，水平大概就是边做边学吧。当我注册了微博开放平台，下好了Java SDK搞了半天之后，才仔细一看，发现这是4年前的，或许能凑活着用吧。但这都不是重点，问题是第一步咋就GG了... ...

　　为什么我搞好了之后运行OAuth4Code之后，浏览器提示错误码：21322，将高级信息里的授权回调页改成官方默认的 https://api.weibo.com/oauth2/default.html 配置里边也改了，依然报这个错，而且也没有如网上所说的出来登录界面啊，这个报错是不是应该在登录之后哦？带着疑问我继续摸索中... ...

　　经过摸索，没出息登录界面应该是我用的浏览器已经登录过微博了，所以直接到了授权界面，然后redirect_URI由于我的误操作导致不一致，所以报错。此处有一个很重要的问题，我也是后知后觉，大概这就是菜吧... ...编译之后的配置文件config.properties也会在bin的目录中，当修改了其中的redirect_URI参数时，并不能直接运行得到修改后的结果，我的做法是删掉Project，修改对应参数并删除bin目录，再重新导入Project。最终总算是能获取token了，但是自己还是觉得有点莫名其妙，或许是因为我第一次配置的时候不小心导致两头不一致吧。

　　测试了ShowUser和CreatComment两个方法，一切正常。但当我调用timeline下的UpdateStatus方法时，报错10014，经查阅为“应用的接口访问权限受限”，所以没有发送微博的权限。

原文地址：https://www.cnblogs.com/theprimone/p/8268841.html

时间： 2024-08-29 09:58:58

从入门到放弃之基于个人微博公共事件检测算法的研究与实现的相关文章

车道线检测文献解读系列(一) 基于机器视觉的高速车道标志线检测算法的研究_李晗

作者背景 基于机器视觉的高速车道标志线检测算法的研究_李晗 东北大学车辆工程硕士学位论文 2006年 [GB/T 7714]李晗. 基于机器视觉的高速车道标志线检测算法的研究[D]. 东北大学, 2006. DOI:10.7666/d.y852642.` 论文结构一览 预处理 灰度化 [亮点]模式判别 选择日间模式还是夜间模式: 在每个检测周期开始时,首先判断采用日间模式还是夜间模式工作.摄像机视野中的上半部分为天空背景,天空亮度可以显著区分日间和夜间环境.由于天空的颜色为蓝离,日间天空的蓝色分

基于mindwave脑电波进行疲劳检测算法的设计(5)

时隔两个多月了,前段时间在弄Socket,就没有弄这个了.现在好了,花了几天的时间,终于又完成了一小部分了.这一小节主要讲α,β,δ,θ等等波段之间的关系.废话不多说,直接给出这几天的成果. 上一次,我们分析了attention(专注度)和meditation(冥想度)与疲劳之间的关系.如下图 上面的曲线上一小节已经简单说明了,现在要说明的是曲线的前半部分是普通测试,后面一小段两对线有点分离的部分是模拟闭眼休息状态,全身放轻松.从图中可以看出是否精神集中从专注度和冥想度是可以简单的看出来了. 接

4. 基于深度学习的目标检测算法的综述(转)

4. 基于深度学习的目标检测算法的综述(转) 原文链接:https://www.cnblogs.com/zyly/p/9250195.html 目录 一 相关研究 1.选择性搜索(Selective Search) 2.OverFeat 二.基于区域提名的方法 1.R-CNN 2.SPP-Net 3.Fast R-CNN 4.Faster R-CNN 5.R-FCN 三 端对端的方法 1.YOLO 2.SSD 四 总结 在前面几节中,我们已经介绍了什么是目标检测,以及如何进行目标检测,还提及了滑

第二十八节、基于深度学习的目标检测算法的综述

在前面几节中,我们已经介绍了什么是目标检测,以及如何进行目标检测,还提及了滑动窗口,bounding box.以及IOU,非极大值抑制等概念. 这里将会综述一下当前目标检测的研究成果,并对几个经典的目标检测算法进行概述,本文内容来自基于深度学习的目标检测,在后面几节里,会具体讲解每一种方法. 在深度度学习的目标检测算法兴起之前,传统的目标检测算法是怎样的呢? 传统的目标检测一般使用滑动窗口的框架,主要包括三个步骤: 利用不同尺寸的滑动窗口框住图中的某一部分作为候选区域: 提取候选区域相关的视觉特

基于mindwave脑电波进行疲劳检测算法的设计(4)

上一次的实验做到可以从pc端读取到MindWave传输过来的脑电波原始数据了. 我是先定义一个结构体,该结构体对应保存所有能从硬件中取到的原始数据. 1 struct FD_DATA 2 { 3 int battery;//电量 4 int poor_signal;//连接质量 5 int attention;//专注度 6 int meditation;//冥想度 7 int raw;//原始数据 8 int delta;//δ波段 9 int theta;//θ脑波 10 int alpha

论文：基于数据挖掘的网络入侵检测关键技术研究-郭春

目录 1.文章主要工作: 1.1 设计了一种适用于入侵检测的特征提取方法.(降维)DSFE:Distance-sum based feature extraction method; 1.2 设计了一种能够适用于入侵检测的样本约简方法.(样本约简,即缩减数据集中的样本数量) 1.3 设计了一种离群点挖掘的异常检测方法.(能够发现数据集中偏离大部分数据的离群值) 1.4 设计了一种包含三个检测模块的两层混合入侵检测模型. 1.文章主要工作: 1.1 设计了一种适用于入侵检测的特征提取方法.(降维)

身份证号码图像提取--基于canny边缘检测的连通域检测算法

在之前扫描二维码提取任务之后,工作中又需要将身份证图像中的身份证号码提取出来,然后给同事调用进行识别.之前的连通域检测算法比较"蛮力",因为它一旦检测出一个大的区域,那么这区域中的所有内部区域都将不复存在了.所以在连通域检测时,需要第一步去掉周围可能存在的白边,否则就会失败.后来笔者换了一个思路,如果检测一个区域时保存对应生成该区域的点,该区域不符合要求的话就将这些点擦掉,从而就不会影响到内部的区域了.于是就有了一下算法的诞生: (1)从左上角开始,从碰到的第一个白点开始探测最大的连通

基于深度学习的目标检测研究进展

前言 开始本文内容之前,我们先来看一下上边左侧的这张图,从图中你看到了什么物体?他们在什么位置?这还不简单,图中有一个猫和一个人,具体的位置就是上图右侧图像两个边框(bounding-box)所在的位置.其实刚刚的这个过程就是目标检测,目标检测就是"给定一张图像或者视频帧,找出其中所有目标的位置,并给出每个目标的具体类别". 目标检测对于人来说是再简单不过的任务,但是对于计算机来说,它看到的是一些值为0~255的数组,因而很难直接得到图像中有人或者猫这种高层语义概念,也不清楚目标出现在

从入门到放弃，.net构建博客系统（二）：依赖注入

文章目录:<从入门到放弃,.net构建博客系统> 从入门到放弃,.net构建博客系统(一):系统构建 从入门到放弃,.net构建博客系统(二):依赖注入 上一篇中有讲到项目启动时会进行ioc的依赖注入,但具体是怎么注入的呢?我们先一步步往下走 一.注册autofac配置 首先bootstraper会进行初始化,接着将当前mvc控制器工厂改为AutofacControllerFactory. 1 public class AutofacConfig 2 { 3 /// <summary&g