owolf
owolf

奇异值分解（SVD）

        PCA的实现一般有两种 ：一种是用特征值分解去实现的，一种是用奇异值分解去实现的。特征值分解和奇异值分解的目的都是一样，就是提取出一个矩阵最重要的特征。

一、特征分解

奇异值分解（SVD）_第1张图片

        一个矩阵就相当于一个线性变换，因为一个矩阵乘以一个向量后得到的向量，其实就相当于将这个向量进行了线性变换。

        分解得到的Σ矩阵是一个对角阵，里面的特征值是由大到小排列的，表示的是这个特征到底有多重要，这些特征值所对应的特征向量就是描述这个特征是什么（从主要的变化到次要的变化排列）。

二、奇异值分解

奇异值分解（SVD）_第2张图片
奇异值分解（SVD）_第3张图片
奇异值分解（SVD）_第4张图片

SVD的性质：

奇异值分解（SVD）_第5张图片

SVD计算举例：

奇异值分解（SVD）_第6张图片

参考文章：奇异值的物理意义是什么？

奇异值分解(SVD)原理与在降维中的应用

你可能感兴趣的:(奇异值分解（SVD）)

  • 60天python训练营打卡day20 tan90�= python60天打卡python开发语言
    学习目标：60天python训练营打卡学习内容：DAY20奇异值SVD分解奇异值分解这个理论，对于你未来无论是做图像处理、信号处理、特征提取、推荐系统等都非常重要，所以需要单独抽出来说一下这个思想。—甚至我在非常多文章中都看到单独用它来做特征提取（伪造的很高大上），学会这个思想并不复杂没学过线代的不必在意，推导可以不掌握，关注输入输出即可。今天这期有点类似于帮助大家形成闭环—考研数学不是白考的知识
  • Python 训练营打卡 Day 20-奇异值SVD分解 帮关下月亮 python训练营python算法开发语言
    一.奇异值分解（SVD）的输入和输出输入：一个任意的矩阵A，尺寸为m×n（其中m是行数，n是列数，可以是矩形矩阵，不必是方阵）奇异值分解（SVD）得到的三个矩阵U、Σ和V^T各有其特定的意义和用途，下面我简要说明它们的作用：U（奇异值向量矩阵）：是一个m×m的正交矩阵，列向量是矩阵AA^T的特征向量作用：表示原始矩阵A在行空间（样本空间）中的主方向或基向量。简单来说，U$的列向量描述了数据在行维度
  • 疏锦行Python打卡 DAY 20 奇异值SVD分解 橘子夏与单车少年k Python60天打卡训练营pythonnumpy开发语言
    importnumpyasnp#创建一个矩阵A(5x3)A=np.array([[1,2,3],[4,5,6],[7,8,9],[10,11,12],[13,14,15]])print("原始矩阵A:")print(A)#进行SVD分解U,sigma,Vt=np.linalg.svd(A,full_matrices=False)print("\n奇异值sigma:")print(sigma)#保留
  • Python打卡训练营day20-奇异值SVD分解 sak77 python打卡训练营python机器学习奇异值分解SVD
    知识点回顾：线性代数概念回顾（可不掌握）奇异值推导（可不掌握）奇异值的应用特征降维：对高维数据减小计算量、可视化数据重构：比如重构信号、重构图像（可以实现有损压缩，k越小压缩率越高，但图像质量损失越大）降噪：通常噪声对应较小的奇异值。通过丢弃这些小奇异值并重构矩阵，可以达到一定程度的降噪效果。推荐系统：在协同过滤算法中，用户-物品评分矩阵通常是稀疏且高维的。SVD(或其变种如FunkSVD,SVD
  • MATLAB实现的基于SVD的数字图像水印技术 张锦云
    本文还有配套的精品资源，点击获取简介：在数字图像处理中，SVD水印技术是一种有效的版权保护方法。它利用SVD算法在MATLAB环境下嵌入和提取水印，确保图像质量的同时隐藏信息。本文介绍了在MATLAB中实现SVD水印的步骤，包括图像预处理、SVD分解、水印嵌入、图像重构、水印提取和代码注释等关键环节。实践中涉及的技术点包括图像处理、SVD函数使用、数据编码策略、数值稳定性和图像质量评估。1.数字图
  • AI推荐系统演进史：从协同过滤到图神经网络与强化学习的融合 万米商云 人工智能神经网络深度学习
    每一次滑动手机屏幕，电商平台向你推荐心仪商品的背后，是超过百亿量级的浮点运算。从早期的“猜你喜欢”到如今的“比你更懂你”，商品推荐引擎已悄然完成从简单规则到深度智能的技术跃迁。一、协同过滤：推荐系统的基石与演进协同过滤（CollaborativeFiltering）作为推荐系统的“古典方法”，其核心思想朴素却有力：相似的人喜欢相似的东西。早期的矩阵分解技术（如2009年的SVD算法）将用户-物品交
  • 矩阵分解相关知识点总结（四） 嵙杰 数学基础矩阵分解特征值SVD分解
    文章目录四、矩阵的满秩分解五、矩阵的奇异值分解书接上上文矩阵分解相关知识点总结（二）四、矩阵的满秩分解  设A∈Crm×n(r>0)A\inC_r^{m\timesn}(r>0)A∈Crm×n(r>0)，存在矩阵F∈Crm×rF\inC_r^{m\timesr}F∈Crm×r和G∈Crr×nG\inC_r^{r\timesn}G∈Crr×n，使得A=FG(7)\color{#F00}A=FG\ta
  • 矩阵的奇异值（Singular Values） 幼儿园大哥~ 扩展知识矩阵算法线性代数
    矩阵的奇异值（SingularValues）是奇异值分解（SVD）过程中得到的一组重要特征值。它们在许多应用中非常重要，如信号处理、数据压缩和统计学等。以下是对奇异值及其计算和性质的详细解释：奇异值分解（SVD）奇异值分解是矩阵分解的一种方法，它将任意一个实数或复数矩阵分解为三个特定矩阵的乘积。具体来说，对于一个m×nm\timesnm×n的矩阵M\mathbf{M}M，其奇异值分解表示为：M=U
  • 矩阵特征值和奇异值之间的关系 hxyzs 矩阵机器学习线性代数
    矩阵的特征值和奇异值是线性代数中重要的概念，它们之间存在一定的关系。对于一个方阵，其特征值是该矩阵在空间中的特殊向量方向上的缩放因子。特征值可以通过解矩阵的特征值问题得到，即找到满足方程Ax=λx的非零向量x和标量λ。而对于一个非方阵的矩阵，它的奇异值则是矩阵的秩和特征向量的相对缩放因子。奇异值分解（SVD）可以将矩阵分解为三个部分：U、Σ和V^T，其中U和V是正交矩阵，Σ是一个对角矩阵，对角线上
  • cortex-debug怎么提取添加.svd文件进行外设查看 c++小白，瞎写博客 vscode单片机
    找到厂家提供的keil的pack包，改后缀成zip以压缩文件打开，把svd文件移出来，添加"svdFile"项
  • 共现矩阵的SVD降维与低维词向量计算详解 幽· NLP与机器学习矩阵线性代数
    共现矩阵的SVD降维与低维词向量计算详解1.原始共现矩阵构建根据用户提供的共现对：句子1:(I,like),(like,apples)句子2:(I,like),(like,bananas)词汇表：[I,like,apples,bananas]窗口大小=2（假设共现对直接作为矩阵的非零元素），共现矩阵(M)如下（忽略单词自身的共现，即对角线为0）：IlikeapplesbananasI0200lik
  • 深入详解矩阵分解（SVD在推荐系统中的应用） 猿享天开 人工智能数学基础专讲矩阵线性代数
    深入详解矩阵分解（SVD在推荐系统中的应用）矩阵分解是数据科学、机器学习和人工智能中的核心技术之一，尤其在推荐系统中展现出强大的应用潜力。本文将从基础数学概念开始，逐步深入到奇异值分解（SVD）的理论、计算过程、在推荐系统中的具体应用，并扩展到矩阵分解在人工智能其他领域的应用。通过详细的解释和具体的实例，帮助初学者全面掌握和理解矩阵分解的原理和应用。一、矩阵基础知识1.1什么是矩阵？矩阵是一个按照
  • Diffusers代码学习：Stable Video Diffusion duhaining1976 AIGC
    稳定视频扩散（SVD）是一种强大的图像到视频生成模型，可以根据输入图像生成2-4秒的高分辨率（576x1024）视频。有此模型的两个变体，SVD和SVD-XT。SVDCheckpoint被训练以生成14帧视频，并且SVD-XTCheckpoint点被进一步微调以生成25帧视频。下面将在本指南中使用SVD-XTCheckpoint。importosos.environ["HF_ENDPOINT"]=
  • 深入详解线性代数基础知识：理解矩阵与向量运算、特征值与特征向量，以及矩阵分解方法（如奇异值分解SVD和主成分分析PCA）在人工智能中的应用 猿享天开 人工智能数学基础专讲线性代数人工智能矩阵特征向量
    深入详解线性代数基础知识在人工智能中的应用线性代数是人工智能，尤其是机器学习和深度学习领域的基石。深入理解矩阵与向量运算、特征值与特征向量，以及矩阵分解方法（如奇异值分解SVD和主成分分析PCA），对于数据降维、特征提取和模型优化至关重要。本文将详细探讨这些线性代数的核心概念及其在人工智能中的应用，并辅以示例代码以助理解。1.矩阵与向量运算线性代数中的矩阵与向量运算是理解高维数据处理和模型训练的基
  • 如何深入学习MATLAB的高级应用？ tyatyatya MATLAB教程学习matlab开发语言
    文章目录要深入学习MATLAB的高级应用，需要在掌握基础语法后，系统性地学习特定领域的工具箱和算法，并通过实战项目提升能力。以下是分阶段的学习路径和资源推荐：一、深化核心技能高级矩阵运算与线性代数matlab%稀疏矩阵处理A=sparse([100;020;003]);%创建稀疏矩阵spy(A);%可视化稀疏结构%特征值分解与SVD[V,D]=eig(A);%特征值分解[U,S,V]=svd(A)
  • 【图像处理基石】如何入门AI计算机视觉？ AndrewHZ 图像处理基石人工智能图像处理计算机视觉深度学习AIPyTorch
    入门AI计算机视觉需要从基础理论、工具方法和实战项目三个维度逐步推进，以下是系统化的学习路径和建议：一、夯实基础：核心知识储备1.数学基础（必备）线性代数：矩阵运算、特征值分解、奇异值分解（SVD）——理解神经网络中的线性变换。概率论与统计：概率分布、贝叶斯定理、假设检验——支撑模型训练中的不确定性分析。微积分：导数、梯度、链式法则——深度学习优化（如反向传播）的核心。推荐资源：教材：《线性代数及
  • 技术剖析|线性代数之特征值分解，支撑AI算法的数学原理 AI算力那些事儿 技术剖析线性代数人工智能算法
    目录一、特征值分解的数学本质1、基本定义与核心方程2、几何解释与线性变换3、可对角化条件与分解形式二、特征值分解的计算方法1、特征多项式与代数解法2、数值计算方法3、计算实例与验证三、特征值分解在AI中的关键应用1、主成分分析(PCA)与数据降维2、图分析与网络科学3、矩阵分析与优化问题4、图像处理与信号分析四、特征值分解的扩展与相关技术1、奇异值分解(SVD)的关联2、广义特征值问题3、现代算法
  • day 20 lcccyyy1 60天计划python
    利用SVD奇异值分解进行降维奇异值分解（SVD）将原始矩阵A分解为A=UΣVᵀ，可完全重构A且无信息损失。实际应用中，常筛选排序靠前的奇异值及对应向量实现降维或数据压缩：1.排序特性：Σ矩阵对角线上奇异值降序排列，大值代表主要信息，小值代表次要信息或噪声，其大小反映对A的贡献程度。2.筛选规则：选前k个奇异值（k小于矩阵秩），常见规则有固定数量、累计方差贡献率达阈值、按奇异值下降“拐点”截断。3.
  • SVD奇异值分解 zx43 python训练营打卡内容机器学习人工智能python笔记
    知识点回顾：线性代数概念回顾（可不掌握）奇异值推导（可不掌握）奇异值的应用特征降维：对高维数据减小计算量、可视化数据重构：比如重构信号、重构图像（可以实现有损压缩，k越小压缩率越高，但图像质量损失越大）降噪：通常噪声对应较小的奇异值。通过丢弃这些小奇异值并重构矩阵，可以达到一定程度的降噪效果。推荐系统：在协同过滤算法中，用户-物品评分矩阵通常是稀疏且高维的。SVD(或其变种如FunkSVD,SVD
  • 2024 AI 人工智能完整学习路线表 AI天才研究院 人工智能学习
    十六大阶段概述阶段阶段名称实战项目收益第一阶段python基础与科学计算模块√泰坦尼克号数据分析案例√可视化剖析逻辑回归损失函数案例算法先行，技术随后。学习人工智能领域基础知识熟练掌握，打好坚实的内功基础。第二阶段AI数学知识√梯度下降和牛顿法推导√SVD奇异值分解应用第三阶段线性回归算法√代码实现梯度下降求解多元线性回归√保险花销预测案例第四阶段线性分类算法√分类鸢尾花数据集√音乐曲风分类√SV
  • SVD求解两个点集之间的刚体运动，即旋转矩阵和平移向量。 咆哮的阿杰 机器学习Python矩阵算法线性代数
    问题描述给出两个点集A和B，求解点集之间的刚体变化，包含scale，rotation，translate。使其A经过变换之后，可以和B在空间上对齐。原理SVD可以用于求解上述问题。假设有A点集A∈Rn×3A\inR^{n\times3}A∈Rn×3,B点集B∈Rn×3B\inR^{n\times3}B∈Rn×3，优化的目标是：argminR,t ∣∣R×A+T−B∣∣\underset{R,t}{
  • 文本主题模型之潜在语义索引(LSI) 多尝试多记录多积累
    好文章的搬运工：https://www.cnblogs.com/pinard/p/6805861.html先对矩阵做SVD分解，然后利用V矩阵，计算LSI，LSI得到的文本主题矩阵可以用于文本相似度计算。而计算方法一般是通过余弦相似度。需要选取主题的k值。LSI是最早出现的主题模型了，它的算法原理很简单，一次奇异值分解就可以得到主题模型，同时解决词义的问题，非常漂亮。但是LSI有很多不足，导致它在
  • 【arXiv 2024】HiFiVFS: High Fidelity Video Face Swapping 旋转的油纸伞 人脸相关前沿研究从入门到实战计算机视觉人工智能职场和发展算法机器学习
    【arXiv2024】HiFiVFS:HighFidelityVideoFaceSwapping一、前言文章核心观点Abstract文章的背景，动机思路，主要的贡献点分别是什么？详细介绍文章实现的整个过程，包括具体的细节。本文相对于SVD做出的改进有哪些？详细地介绍Fine-grainedAttributesLearning的整个流程。详细地介绍DetailedIdentityLearning的整
  • C++手动实现奇异值分解（SVD）算法：从理论到代码实践 xMathematics c++算法开发语言
    C++手动实现奇异值分解（SVD）算法：从理论到代码实践项目背景与SVD核心概念在矩阵分解的广阔领域中，奇异值分解（SVD）宛如一颗璀璨的明星，占据着核心地位。它是一种强大且通用的矩阵分解技术，能够将任意矩阵分解为特定形式，为众多领域的问题解决提供了有力工具。手动实现SVD具有不可忽视的价值，它能让我们深入理解算法的底层逻辑，而不仅仅是停留在调用库函数的表面应用。矩阵分解的基本形式是将一个矩阵分解
  • 【技巧】chol分解时，矩阵非正定时的临时补救措施，以MATLAB为例 MATLAB卡尔曼 MATLAB技巧矩阵matlab线性代数
    针对非正定矩阵无法进行标准Cholesky分解的解决方案及MATLAB代码实现，结合不同应用场景的需求分层解析文章目录数值修正方法修正Cholesky分解LDL分解矩阵变换与重构特征值修正乘积法构造正定矩阵替代分解与降维方法QR分解与SVD主成分分析（PCA）应用场景与选择建议MATLAB实用工具与验证数值修正方法修正Cholesky分解通过添加微小正数到对角线元素，强制矩阵正定：function
  • Open3D(C++) 四元数奇异值分解 点云侠 Open3D学习c++矩阵开发语言3d计算机视觉线性代数
    目录一、算法原理1、原理概述2、实现过程3、参考文献二、代码实现三、结果展示本文由CSDN点云侠原创，原文链接。如果你不是在点云侠的博客中看到该文章，那么此处便是不要脸的爬虫。一、算法原理1、原理概述  四元数矩阵的奇异值分解是将一个四元数矩阵分解成三个部分的乘积，即：Q=UΣV
  • 机器学习实践——利用SVD简化数据 还迷来 机器学习实战
    SVD（奇异值分解）优点:简化数据，去除噪音，提高算法的结果缺点：数据的转换可能难以理解利用SVD，我们可以使用小得多的数据集来表示原始数据集，这样做实际上是去除了噪声和冗余信息，以此达到了优化数据、提高结果的目的。SVD的应用LSA（隐形语义分析）在LSA中，矩阵是由文档和词语组成的，当我们应用SVD时，就会构建出多个奇异值，这些奇异值就代表了文档中的主题或概念，这一特点可以用于更高效的文档搜索
  • 青少年编程与数学 02-015 大学数学知识点 02课题、线性代数 明月看潮生 编程与数学第02阶段线性代数青少年编程机器学习编程与数学
    青少年编程与数学02-015大学数学知识点02课题、线性代数一、向量与矩阵二、行列式三、线性方程组四、向量空间五、线性变换六、内积空间七、正交变换与对称矩阵八、二次型九、奇异值分解十、应用实例总结线性代数是数学的一个重要分支，广泛应用于物理、计算机科学、工程、经济学等领域。这里是线性代数的主要知识点详细汇总。一、向量与矩阵向量定义：向量是具有大小和方向的量，可以表示为有序数组。运算：加法：对应分量
  • SVD 算法 G_Water_ 算法
    SVD算法1.基本概念与背景2.SVD的数学基础3.SVD的步骤4.SVD的应用场景5.SVD的优点6.SVD的局限7.实现SVD的步骤1.导入必要的库：2.读取数据并计算协方差矩阵：3.求解特征值和奇异向量：4.构造U、Σ和VTV^{T}VT矩阵：5.应用SVD进行降维或去噪：8.示例：文本降维01.计算协方差矩阵：02.求解SVD03.构造U和VTV^{T}VT：04.矩阵分解与重建：05.应
  • ai文本视频生成svd模型。 ai问道武曲 ai视频生成人工智能aiAI作画AIGCstablediffusion
    其实说白了还是先文生图然后再图生视频啦。更像炼丹抽卡了。人物动作会出大问题，还得是动作捕捉驱动数字人靠谱些。
  • java Illegal overloaded getter method with ambiguous type for propert的解决 zwllxs javajdk
    好久不来iteye,今天又来看看，哈哈,今天碰到在编码时，反射中会抛出 Illegal overloaded getter method with ambiguous type for propert这么个东东，从字面意思看，是反射在获取getter时迷惑了，然后回想起java在boolean值在生成getter时，分别有is和getter，也许我们的反射对象中就有is开头的方法迷惑了jdk，
  • IT人应当知道的10个行业小内幕 beijingjava 工作互联网
    10. 虽然IT业的薪酬比其他很多行业要好，但有公司因此视你为其“佣人”。 　　尽管IT人士的薪水没有互联网泡沫之前要好，但和其他行业人士比较，IT人的薪资还算好点。在接下的几十年中，科技在商业和社会发展中所占分量会一直增加，所以我们完全有理由相信，IT专业人才的需求量也不会减少。 　　然而，正因为IT人士的薪水普遍较高，所以有些公司认为给了你这么多钱，就把你看成是公司的“佣人”，拥有你的支配
  • java 实现自定义链表 CrazyMizzz java数据结构
    1.链表结构   链表是链式的结构 2.链表的组成    链表是由头节点，中间节点和尾节点组成    节点是由两个部分组成：       1.数据域       2.引用域 3.链表的实现 &nbs
  • web项目发布到服务器后图片过一会儿消失 麦田的设计者 struts2上传图片永久保存
      作为一名学习了android和j2ee的程序员，我们必须要意识到，客服端和服务器端的交互是很有必要的，比如你用eclipse写了一个web工程，并且发布到了服务器（tomcat）上，这时你在webapps目录下看到了你发布的web工程，你可以打开电脑的浏览器输入http://localhost:8080/工程/路径访问里面的资源。但是，有时你会突然的发现之前用struts2上传的图片
  • CodeIgniter框架Cart类 name 不能设置中文的解决方法 IT独行者 CodeIgniterCart框架　
    今天试用了一下CodeIgniter的Cart类时遇到了个小问题，发现当name的值为中文时，就写入不了session。在这里特别提醒一下。 在CI手册里也有说明，如下： $data = array( 'id' => 'sku_123ABC', 'qty' => 1, '
  • linux回收站 _wy_ linux回收站
    今天一不小心在ubuntu下把一个文件移动到了回收站，我并不想删，手误了。我急忙到Nautilus下的回收站中准备恢复它，但是里面居然什么都没有。     后来我发现这是由于我删文件的地方不在HOME所在的分区，而是在另一个独立的Linux分区下，这是我专门用于开发的分区。而我删除的东东在分区根目录下的.Trash-1000/file目录下，相关的删除信息（删除时间和文件所在
  • jquery回到页面顶端 知了ing htmljquerycss
    html代码： <h1 id="anchor">页面标题</h1> <div id="container">页面内容</div> <p><a href="#anchor" class="topLink">回到顶端</a><
  • B树、B-树、B+树、B*树 矮蛋蛋 B树
    原文地址： http://www.cnblogs.com/oldhorse/archive/2009/11/16/1604009.html B树        即二叉搜索树：        1.所有非叶子结点至多拥有两个儿子（Left和Right）； &nb
  • 数据库连接池 alafqq 数据库连接池
    http://www.cnblogs.com/xdp-gacl/p/4002804.html @Anthor:孤傲苍狼 数据库连接池 用MySQLv5版本的数据库驱动没有问题，使用MySQLv6和Oracle的数据库驱动时候报如下错误： java.lang.ClassCastException: $Proxy0 cannot be cast to java.sql.Connec
  • java泛型 百合不是茶 java泛型
    泛型 在Java SE 1.5之前，没有泛型的情况的下，通过对类型Object的引用来实现参数的“任意化”，任意化的缺点就是要实行强制转换，这种强制转换可能会带来不安全的隐患   泛型的特点：消除强制转换 确保类型安全 向后兼容   简单泛型的定义：      泛型：就是在类中将其模糊化，在创建对象的时候再具体定义 class fan
  • javascript闭包[两个小测试例子] bijian1013 JavaScriptJavaScript
    一.程序一 <script> var name = "The Window"; var Object_a = { 　　name : "My Object", 　　getNameFunc : function(){ var that = this; 　　　　return function(){ 　　　　
  • 探索JUnit4扩展：假设机制（Assumption） bijian1013 javaAssumptionJUnit单元测试
    一.假设机制（Assumption）概述        理想情况下，写测试用例的开发人员可以明确的知道所有导致他们所写的测试用例不通过的地方，但是有的时候，这些导致测试用例不通过的地方并不是很容易的被发现，可能隐藏得很深，从而导致开发人员在写测试用例时很难预测到这些因素，而且往往这些因素并不是开发人员当初设计测试用例时真正目的，
  • 【Gson四】范型POJO的反序列化 bit1129 POJO
    在下面这个例子中，POJO(Data类)是一个范型类，在Tests中，指定范型类为PieceData，POJO初始化完成后，通过 String str = new Gson().toJson(data); 得到范型化的POJO序列化得到的JSON串，然后将这个JSON串反序列化为POJO   import com.google.gson.Gson; import java.
  • 【Spark八十五】Spark Streaming分析结果落地到MySQL bit1129 Stream
    几点总结： 1. DStream.foreachRDD是一个Output Operation，类似于RDD的action，会触发Job的提交。DStream.foreachRDD是数据落地很常用的方法 2. 获取MySQL Connection的操作应该放在foreachRDD的参数（是一个RDD[T]=>Unit的函数类型)，这样，当foreachRDD方法在每个Worker上执行时，
  • NGINX + LUA实现复杂的控制 ronin47 nginx lua
    安装lua_nginx_module 模块 lua_nginx_module 可以一步步的安装，也可以直接用淘宝的OpenResty Centos和debian的安装就简单了。。 这里说下freebsd的安装： fetch http://www.lua.org/ftp/lua-5.1.4.tar.gz tar zxvf lua-5.1.4.tar.gz cd lua-5.1.4 ma
  • java-递归判断数组是否升序 bylijinnan java
    public class IsAccendListRecursive { /*递归判断数组是否升序 * if a Integer array is ascending,return true * use recursion */ public static void main(String[] args){ IsAccendListRecursiv
  • Netty源码学习-DefaultChannelPipeline2 bylijinnan javanetty
    Netty3的API http://docs.jboss.org/netty/3.2/api/org/jboss/netty/channel/ChannelPipeline.html 里面提到ChannelPipeline的一个“pitfall”： 如果ChannelPipeline只有一个handler（假设为handlerA）且希望用另一handler（假设为handlerB） 来
  • Java工具之JPS chinrui java
    JPS使用     熟悉Linux的朋友们都知道，Linux下有一个常用的命令叫做ps（Process Status)，是用来查看Linux环境下进程信息的。同样的，在Java Virtual Machine里面也提供了类似的工具供广大Java开发人员使用，它就是jps（Java Process Status)，它可以用来
  • window.print分页打印 ctrain window
    function init() { var tt = document.getElementById("tt"); var childNodes = tt.childNodes[0].childNodes; var level = 0; for (var i = 0; i < childNodes.length; i++) {
  • 安装hadoop时 执行jps命令Error occurred during initialization of VM daizj jdkhadoopjps
    在安装hadoop时，执行JPS出现下面错误   [slave16][email protected]:/tmp/hsperfdata_hdfs# jps Error occurred during initialization of VM java.lang.Error: Properties init: Could not determine current working
  • PHP开发大型项目的一点经验 dcj3sjt126com PHP重构
    一、变量 最好是把所有的变量存储在一个数组中，这样在程序的开发中可以带来很多的方便，特别是当程序很大的时候。变量的命名就当适合自己的习惯，不管是用拼音还是英语，至少应当有一定的意义，以便适合记忆。变量的命名尽量规范化，不要与PHP中的关键字相冲突。 二、函数 PHP自带了很多函数，这给我们程序的编写带来了很多的方便。当然，在大型程序中我们往往自己要定义许多个函数，几十
  • android笔记之--向网络发送GET/POST请求参数 dcj3sjt126com android
    使用GET方法发送请求 private static boolean sendGETRequest (String path, Map<String, String> params) throws Exception{ //发送地http://192.168.100.91:8080/videoServi
  • linux复习笔记 之bash shell (3) 通配符 eksliang linux 通配符linux通配符
    转载请出自出处： http://eksliang.iteye.com/blog/2104387 在bash的操作环境中有一个非常有用的功能，那就是通配符。 下面列出一些常用的通配符，如下表所示 符号 意义 * 万用字符，代表0个到无穷个任意字符 ? 万用字符，代表一定有一个任意字符 [] 代表一定有一个在中括号内的字符。例如：[abcd]代表一定有一个字符，可能是a、b、c
  • Android关于短信加密 gqdy365 android
    关于Android短信加密功能，我初步了解的如下（只在Android应用层试验）：     1、因为Android有短信收发接口，可以调用接口完成短信收发；         发送过程：APP（基于短信应用修改）接受用户输入号码、内容——>APP对短信内容加密——>调用短信发送方法Sm
  • asp.net在网站根目录下创建文件夹 hvt .netC#hovertreeasp.netWeb Forms
    假设要在asp.net网站的根目录下建立文件夹hovertree,C#代码如下： string m_keleyiFolderName = Server.MapPath("/hovertree"); if (Directory.Exists(m_keleyiFolderName)) { //文件夹已经存在 return; } else { try { D
  • 一个合格的程序员应该读过哪些书 justjavac 程序员书籍
    编者按：2008年8月4日，StackOverflow 网友 Bert F 发帖提问：哪本最具影响力的书，是每个程序员都应该读的？ “如果能时光倒流，回到过去，作为一个开发人员，你可以告诉自己在职业生涯初期应该读一本， 你会选择哪本书呢？我希望这个书单列表内容丰富，可以涵盖很多东西。” 很多程序员响应，他们在推荐时也写下自己的评语。 以前就有国内网友介绍这个程序员书单，不过都是推荐数
  • 单实例实践 跑龙套_az 单例
       1、内部类 public class Singleton { private static class SingletonHolder { public static Singleton singleton = new Singleton(); } public Singleton getRes
  • PO VO BEAN 理解 q137681467 VODTOpo
    PO：      全称是 persistant object持久对象 最形象的理解就是一个PO就是数据库中的一条记录。 好处是可以把一条记录作为一个对象处理，可以方便的转为其它对象。     BO：     全称是 business object:业务对象 主要作用是把业务逻辑封装为一个对象。这个对
  • 战胜惰性，暗自努力 金笛子 努力
    偶然看到一句很贴近生活的话：“别人都在你看不到的地方暗自努力，在你看得到的地方，他们也和你一样显得吊儿郎当，和你一样会抱怨，而只有你自己相信这些都是真的，最后也只有你一人继续不思进取。”很多句子总在不经意中就会戳中一部分人的软肋，我想我们每个人的周围总是有那么些表现得“吊儿郎当”的存在，是否你就真的相信他们如此不思进取，而开始放松了对自己的要求随波逐流呢？ 我有个朋友是搞技术的，平时嘻嘻哈哈，以
  • NDK/JNI二维数组多维数组传递 wenzongliang 二维数组jniNDK
    多维数组和对象数组一样处理，例如二维数组里的每个元素还是一个数组 用jArray表示，直到数组变为一维的，且里面元素为基本类型，去获得一维数组指针。给大家提供个例子。已经测试通过。 Java_cn_wzl_FiveChessView_checkWin( JNIEnv* env,jobject thiz,jobjectArray qizidata) { jint i,j; int s
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他