执念斩长河
执念斩长河

概率论与数理统计--事件的运算规律及性质

本博文源于国防科技大学的《概率论与数理统计》。

随机实验

随机实验：对随机现象的观测

样本

试验的每一个结果称为一个样本。

样本空间

所有可能出现的结果的集合称为样本控件。

随机事件

随机试验一些特定的结果的集合。通常用大写字母A,B,…表示。

事件的运算

将事件的运算与集合运算做一一对应关系。

集合A属于集合B

事件A必然导致事件B发生

A=B

集合A属于集合B，集合B属于集合A

A∪B

集合A与B的和事件，表示事件A与B至少有一个发生。
概率论与数理统计--事件的运算规律及性质_第1张图片

A∩B

事件A与B的积事件，表示事件A与B同时发生，也常记为AB
概率论与数理统计--事件的运算规律及性质_第2张图片

对立/必然/不可能/互斥

Ā称为A的对立事件，表示事件A不发生。特别S称为必然事件，∅称为不可能事件。单点集{s}称为基本事件。若AB=∅，则称事件A与B互斥。

事件的运算定律

交换律

在这里插入图片描述

结合律

在这里插入图片描述

分配律

在这里插入图片描述
概率论与数理统计--事件的运算规律及性质_第3张图片

德摩根律

概率论与数理统计--事件的运算规律及性质_第4张图片

可列

是指一个无穷集S，其元素可与自然数形成一一对应，因此可表为
在这里插入图片描述

第二讲习题

题目1

概率论与数理统计--事件的运算规律及性质_第5张图片
题目中，A事件 甲同学考试及格，乙同学考试不及格，甲乙两个共同发生，只要先拆开取个反就行了。

题目2

概率论与数理统计--事件的运算规律及性质_第6张图片
根据定义可知，若A事情发生导致D事件发生为
集合A属于集合D，那么同时发生就是集合AB属于集合C咯

题目3

概率论与数理统计--事件的运算规律及性质_第7张图片
模拟场景掷骰子
A 掷出{2,4}
B掷出{2}
C 掷出{4}
A选项显然不成立
顺次用其他事情模拟会发现，D是正确的

题目4

概率论与数理统计--事件的运算规律及性质_第8张图片
A与B至少有一个发生必然导致B发生，肯定是B的集合大于A，
A 掷出 {2}
B 掷出{2，4}
A 的对立 与B同时发生明显与题目不等价

题目5

概率论与数理统计--事件的运算规律及性质_第9张图片
B显然成立。
A掷出{1，2，3}
B掷出{4，5，6}
c掷出{2}
BC = 空集合

你可能感兴趣的:(线代概率)

  • 机器学习5——非参数估计 平和男人杨争争 山东大学机器学习期末复习机器学习概率论算法
    非参数估计在参数估计中我们已经提到，想要估计后验概率P(ωi∣x)=p(x∣ωi)p(ωi)p(x)P\left(\omega_i\midx\right)=\frac{p\left(x\mid\omega_i\right)p\left(\omega_i\right)}{p(x)}P(ωi∣x)=p(x)p(x∣ωi)p(ωi)，就需要估计类条件概率p(x∣ωi)p\left(x\mid\omega
  • 机器学习4——参数估计之贝叶斯估计 平和男人杨争争 山东大学机器学习期末复习机器学习人工智能
    贝叶斯估计问题建模：后验概率公式：P(ωi∣x,D)=P(x∣ωi,Di)P(ωi)∑j=1cP(x∣ωj,Dj)P(ωj)P\left(\omega_i\mid\mathbf{x},\mathcal{D}\right)=\frac{P\left(\mathbf{x}\mid\omega_i,\mathcal{D}_i\right)P\left(\omega_i\right)}{\sum_{j=1
  • 高斯混合模型（Gaussian Mixture Model, GMM） 不想秃头的程序 神经网络语音识别人工智能深度学习网络
    高斯混合模型（GaussianMixtureModel,GMM）是一种概率模型，用于表示数据点由多个高斯分布（GaussianDistribution）混合生成的过程。它广泛应用于聚类分析、密度估计、图像分割、语音识别等领域，尤其适合处理非球形簇或多模态数据。以下是GMM的详细介绍：一、核心思想GMM假设数据是由多个高斯分布混合生成的，每个高斯分布代表一个簇（Cluster），并引入隐变量（Lat
  • 高斯混合模型GMM&K均值（十三-1）——K均值是高斯混合模型的特例 phoenix@Capricornus 模式识别与机器学习均值算法机器学习算法
    EM算法与K均值算法的关系K均值可以看成是高斯混合模型的特例。对K均值算法与EM算法进行比较后，可以发现它们之间有很大的相似性。K均值算法将数据点硬（hard）分配到聚类中，每个数据点唯一地与一个聚类相关联，而EM算法基于后验概率进行软（soft）分配。事实上，可以从EM算法推导出K均值算法。考虑一个高斯混合模型，其中混合分量的协方差矩阵由σ2I{\sigma^2}Iσ2I给出，其中σ2{\sig
  • 小公司的实习值得去吗，学到东西的概率大吗？ cpp辅导的阿甘 c++
    THELASTTIME初创公司值不值得去，能不能学到东西。其实可以首先对什么样的实习公司，什么样的公司实习排序。然后值不值得，在针对目前自身一个情况进行分析。实习公司分析实习最主要加分的公司无非就是那些大厂、知名厂、以及一些行业的龙头企业。毕竟大家毕业也都是想去这些公司嘛，知名公司可以拿的出手，并且薪资也高。如果这个求职的时候，大家有过一段同等级的公司的实习，面试官会认为你已经被同级水平的公司筛选
  • 基于大模型的短暂性脑缺血发作（TIA）全流程预测与诊疗辅助系统技术方案大纲 LCG元 大模型医疗研究-方案大纲方案大纲人工智能深度学习机器学习
    目录一、系统核心目标二、系统架构模块三、实验验证证据链系统架构流程图关键技术创新点一、系统核心目标构建多模态数据融合的TIA预测-干预-管理闭环，覆盖术前预警、术中决策、术后康复全周期二、系统架构模块1.术前预测模块高危人群筛查模型输入：电子健康记录(EHR)、基因数据、可穿戴设备实时监测特征工程：血压波动模式、颈动脉斑块稳定性评分TIA发作概率预测72小时预警模型（LSTM+Transforme
  • 详解3DGS 一碗姜汤 计算机视觉人工智能计算机视觉
    4可微分的3D高斯splatting核心目标与表示选择我们的目标是从无法线的稀疏SfM点出发，优化出一种能够实现高质量新视角合成的场景表示。为此，我们选择3D高斯作为基本图元，它兼具可微分的体表示特性和非结构化的显式表示优势，既能支持优化过程，又能实现快速渲染。高斯参数与投影模型3D高斯定义高斯由世界空间中的均值（位置）μ\muμ和协方差矩阵∑\sum∑定义，其概率密度函数为：G(x)=e−12(
  • 线性代数和c语言先学哪个,线性代数和哪个更有用？ 段丞博 线性代数和c语言先学哪个
    一、从数学与应用数学这个专业来分析下“线性代数”和“高等数学”这两块的内容，无论哪块知识在“考研究生数学科目中的考试”都会涉汲到的，而且有些专业的考试也包括概率论与数理统计这块知识。线性代数和哪个更有用?1、线性代数内容：行列式、矩阵、向量、线性方程组、特征值和特征向量、二次型。2、高等数学内容：函数·极限·连续、导数与微分、不定积分、定积分及广义积分、中值定理的证明、常微分方程、一元微积分的应用
  • 对SPM12的认识（二）
    对SPM12的认识（二）四、SegmentDataChannel体积（Volumes）偏差正则化（Biasregularisation）偏差的FWHM（BiasFWHM）保存偏差校正图像（SaveBiasCorrected）Tissues组织组织概率图（Tissueprobabilitymap）高斯数（Num.Gaussians）原始组织（NativeTissue）变形组织（WarpedTissu
  • ICBDDM2025：大数据与数字化管理前沿峰会 鸭鸭鸭进京赶烤 学术会议大数据图像处理计算机视觉AI编程人工智能机器人考研
    在选择大学专业时，可以先从自身兴趣、能力和职业规划出发，初步确定几个感兴趣的领域。然后结合外部环境因素，如专业前景、教育资源和就业情况等，对这些专业进行深入的分析和比较。大数据专业：是一个热门且前沿的学科领域，它涉及到数据的收集、存储、处理、分析和应用等多个方面。课程设置基础课程数学基础：高等数学、线性代数、概率论与数理统计等。这些课程为大数据分析提供了必要的数学工具，例如线性代数在机器学习算法中
  • 图14CLIP 模型在 “分布偏移场景” 下的鲁棒性优化策略｜学习笔记 学渣67656 笔记人工智能
    一、先明确：左图的核心对比维度左图的横轴是“模型在标准分布上的准确率”，纵轴是“模型在分布偏移数据集上的准确率”，本质是对比“不同模型/策略在“标准性能”与“鲁棒性”之间的权衡，图中每条曲线代表一类模型/策略的“标准性能-鲁棒性”趋势，而红色箭头标注的“AdapttoImageNet”是一种“干预策略”，作用于CLIP模型后，使其性能点落在对应曲线上。二、左图中6条曲线的含义（按图例颜色+模型类型
  • 手把手教你学Simulink——汽车工程场景实例：车联网(V2X)通信技术的仿真 小蘑菇二号 手把手教你学MATLAB专栏手把手教你学Simulink汽车simulink
    目录一、引言教程目标二、准备工作三、实现步骤详解✅步骤1：创建Simulink模型✅步骤2：添加车辆与通信环境模型添加信道模型：✅步骤3：设计发送端数据源：编码器：调制器：✅步骤4：设计接收端解调器：解码器：✅步骤5：连接各模块并设置仿真参数示例连线代码：设置仿真参数：✅步骤6：结果可视化计算误比特率：✅步骤7：完整框图结构示意（文字版）四、运行仿真并测试效果五、结论与拓展方向✅本章收获：手把手教
  • Linux学习总结（81）—— Linux 权限详解 一杯甜酒 Linuxlinux运维Linux权限linux文件系统linux文件权限
    前言我们在使用Linux的过程中，或多或少都会遇到一些关于使用者和群组的问题，比如最常见的你想要在某个路径下执行某个指令，会经常出现这个错误提示。permissiondenied。反正我大概率见到这个错误都是在使用FTP传输文件的时候，等了半天传输百分比还是零，我说网络这么慢么？怎么都不传输呢？其实我不知道，这是由于权限问题所致。我一般的修复方式是直接赋予777权限，或者直接使用su管理员登录，遇
  • 含分布式电源的半不变量法概率潮流计算 chao189844 算法matlab
    含分布式电源的半不变量法概率潮流计算程序CMPPF_IEEE34/calcuVD.m,399CMPPF_IEEE34/CalGCI.m,461CMPPF_IEEE34/CalM8.m,390CMPPF_IEEE34/CalPdf.m,694CMPPF_IEEE34/CM_MC_PLF.m,30546CMPPF_IEEE34/dataIn.m,3964CMPPF_IEEE34/formACY.m,2
  • 华为OD机试 - 中文分词模拟器（Java 2024 D卷 100分） 哪 吒 华为od中文分词java
    华为OD机试2024D卷题库疯狂收录中，刷题点这里专栏导读本专栏收录于《华为OD机试（JAVA）真题（D卷+C卷+A卷+B卷）》。刷的越多，抽中的概率越大，每一题都有详细的答题思路、详细的代码注释、样例测试，发现新题目，随时更新，全天CSDN在线答疑。一、题目描述给定一个连续不包含空格字符的字符串，该字符串仅包含英文小写字母及英文标点符号（逗号、句号、分号），同时给定词库，对该字符串进行精确分
  • Python 逻辑回归：开启分类问题的智慧之门 海燕李 python逻辑回归开发语言scikit-learn
    一、逻辑回归的魅力之源在机器学习的璀璨星空中，逻辑回归宛如一颗耀眼的明星，照亮了分类问题的求解之路。它之所以备受青睐，是因为其独特的理论架构和广泛的适用性。逻辑回归虽名为“回归”，但本质上是一种用于分类的强大算法。它巧妙地将线性关系与分类任务相结合，通过构建一个概率模型，来预测样本属于某个类别的可能性。这种对概率的估计能力，使得它在众多领域中脱颖而出。例如，在医疗诊断中，可预测患者是否患有某种疾病
  • 第九课：大白话教你朴素贝叶斯 顽强卖力 机器学习-深度学习-神经网络算法python大数据数据分析
    这节课咱们来聊聊朴素贝叶斯（NaiveBayes），这个算法名字听起来像是个“天真无邪的数学小天才”，但其实它是个超级实用的分类工具！我会用最接地气的方式，从定义讲到代码实战，保证你笑着学会，还能拿去忽悠朋友！一：朴素贝叶斯是啥？——当概率论遇上“天真”假设1.1定义：贝叶斯定理的“偷懒版”问题：你想判断一封邮件是不是垃圾邮件，或者一条评论是不是好评。贝叶斯定理（原版）：[P(A|B)=\frac
  • 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
  • 从0开始学习R语言--Day31--概率图模型 Chef_Chen 学习
    在探究变量之间的相关性时，由于并不是每次分析数据时所用的样本集都能囊括所有的情况，所以单纯从样本集去下判断会有武断的嫌疑；同样的，我们有时候也想要在数据样本不够全面时就能对结果有个大概的了解。例如医生在给患者做诊断时，有些检查需要耗费的时间很久，但仅仅凭借一些其他的症状，他就可以对病人患某种病有个大概的猜想，从而先做出一些措施来降低风险，毕竟等到疾病真正发生时可能会来不及。概率图模型便是能够同时进
  • 贝叶斯算法：从概率推断到智能决策的基石 weixin_47233946 算法算法
    ##引言在人工智能与机器学习的蓬勃发展中，贝叶斯算法以其独特的概率推理方式和动态更新的特性，在垃圾邮件过滤、疾病诊断、推荐系统等关键领域展现出强大的应用价值。本文将从概率论基础出发，深入解析贝叶斯算法的核心思想及其实现方式，揭示这一统计学方法如何演变为现代智能系统的决策利器。---##一、贝叶斯定理：概率之门的钥匙###1.1基本公式表述贝叶斯定理的数学表达式揭示事件间的关联关系：$$P(A|B)
  • 清风数学建模个人笔记--模糊综合评价 fvdj0 数学建模笔记
    目录一、量二、分类三、模糊函数的三种表示方法四、应用：模糊综合评价（评判）一、量①确定性：经典数学（几何、代数）②不确定性：随机性（概率论、随机过程）灰性（灰色系统）模糊性（模糊数学）二、分类：偏小型：年轻、小、冷中间型：中年、中、暖偏大型：年老、大、热三、模糊函数的三种表示方法（1）模糊统计法（设计调查问卷，不推荐，主观性最弱）（2）借助已有的尺度（需要已有的指标，并能收集到数据）论域模糊集隶属
  • 华为OD机试 - 最多等和不相交连续子序列 - 贪心算法（Python/JS/C/C++ 2025 B卷 100分） 哪 吒 华为od贪心算法python2025B卷华为OD机试
    2025B卷华为OD机试统一考试题库清单（持续收录中）以及考点说明（Python/JS/C/C++）。专栏导读本专栏收录于《华为OD机试真题（Python/JS/C/C++）》。刷的越多，抽中的概率越大，私信哪吒，备注华为OD，加入华为OD刷题交流群，每一题都有详细的答题思路、详细的代码注释、3个测试用例、为什么这道题采用XX算法、XX算法的适用场景，发现新题目，随时更新。一、题目描述给定一个数列
  • 华为OD机试 - 仿LISP运算（Python/JS/C/C++ 2025 B卷 200分） 哪 吒 华为odpythonjavascript华为OD机试2025B卷
    2025B卷华为OD机试统一考试题库清单（持续收录中）以及考点说明（Python/JS/C/C++）。专栏导读本专栏收录于《华为OD机试真题（Python/JS/C/C++）》。刷的越多，抽中的概率越大，私信哪吒，备注华为OD，加入华为OD刷题交流群，每一题都有详细的答题思路、详细的代码注释、3个测试用例、为什么这道题采用XX算法、XX算法的适用场景，发现新题目，随时更新。一、题目描述LISP语言
  • 蚁群算法及其改进——全局路径规划 ~夕上林~ 优化算法算法
    文章目录蚁群算法运行机制公式原理转移概率信息素更新步骤改进精英蚂蚁策略遗传算法+ACO程序参考文献蚁群算法蚁群算法（AntColonyOptimization,ACO）是由意大利学者MarcoDorigo于1992年提出的一种群智能优化算法，其核心思想源于对蚂蚁群体觅食行为的仿生学模拟。通过模拟蚂蚁群体在觅食过程中通过信息素进行间接通信的行为机制，利用正反馈原理动态调整路径选择策略，最终在复杂搜索
  • OSS客户端签名直传实践：Web端安全上传TB级文件方案（含STS临时授权） 大熊计算机 #阿里云前端安全
    1.核心问题与架构设计（1）传统上传方案的瓶颈分析传统服务端中转上传存在三大致命缺陷：\begin{aligned}&\text{上传耗时}=\frac{\text{文件大小}}{\min(\text{客户端带宽},\text{服务端带宽})}\times2\\&\text{存储成本}=\text{临时存储}+\text{持久化存储}\\&\text{安全风险}=\text{长期密钥泄露概率}\t
  • （二十一）YOLO 全解析：从实时目标检测到多任务视觉智能 只有左边一个小酒窝 深度学习YOLO目标检测人工智能深度学习计算机视觉
    1YOLO的发展脉络与技术定位1.1发展脉络YOLOv1（2015年）：将目标检测重新定义为单一回归问题，把输入图像划分为S×S网格，每个网格单元负责预测固定数量的边界框及对应的类别概率，直接从像素回归预测物体的边界框坐标和类别概率。但存在小目标检测能力弱、定位精度不足等局限。YOLOv2（2016年）：引入批量归一化、锚框、维度集群等技术，还提出了高分辨率分类器、直接位置预测、细粒度特征融合、多
  • 小公司的实习值得去吗，学到东西的概率大吗？ 程序员
    THELASTTIME初创公司值不值得去，能不能学到东西。其实可以首先对什么样的实习公司，什么样的公司实习排序。然后值不值得，在针对目前自身一个情况进行分析。实习公司分析实习最主要加分的公司无非就是那些大厂、知名厂、以及一些行业的龙头企业。毕竟大家毕业也都是想去这些公司嘛，知名公司可以拿的出手，并且薪资也高。如果这个求职的时候，大家有过一段同等级的公司的实习，面试官会认为你已经被同级水平的公司筛选
  • MySQL面试篇章—MySQL锁机制 itzzan MySQL面试篇章mysql面试
    文章目录MySQL的锁机制表级锁&行级锁排它锁和共享锁InnoDB行级锁行级锁间隙锁意向共享锁和意向排它锁InnoDB表级锁死锁锁的优化建议MVCC多版本并发控制MyISAM表级锁表级锁并发插入优化锁调度优化MySQL的锁机制表级锁&行级锁表级锁：对整张表加锁，开销小，加锁快，不会出现死锁；但是锁粒度大，发生锁冲突的概率高，并发度低行级锁：对某行记录加锁，开销大，加锁慢，会出现死锁；但是锁粒度小，
  • 服务器数据迁移 张小九99 Linux技巧服务器运维人工智能linux
    写在前面：为满足业务需求，我们采购了一台新的高性能服务器，现在想把旧服务器中的用户文件以及conda环境等迁移到新服务器中去。为了保证迁移过程尽可能不出错，并且迁移后新的服务器可以直接使用，以下方案提供一个稳健、可复用、最小出错概率的迁移方案，适用于：✅将用户的数据文件和环境配置（zsh,conda等）分开迁移✅保留.zshrc、.oh-my-zsh/配置✅保留~/.cache/torch/hub
  • AI大模型学习路线（2025最新）神仙级大模型教程分享，非常详细收藏这一篇就够！ AI大模型-大飞 人工智能学习语言模型大模型大模型学习LLMAI大模型
    大模型学习路线图前排提示，文末有大模型AGI-CSDN独家资料包哦！第一阶段：基础知识准备在这个阶段，您需要打下坚实的数学基础和编程基础，这是学习任何机器学习和深度学习技术所必需的。1.数学基础线性代数：矩阵运算、向量空间、特征值与特征向量等。概率统计：随机变量、概率分布、贝叶斯定理等。微积分：梯度、偏导数、积分等。学习资料书籍：GilbertStrang，《线性代数及其应用》SheldonRos
  • Spring4.1新特性——Spring MVC增强 jinnianshilongnian spring 4.1
    目录 Spring4.1新特性——综述 Spring4.1新特性——Spring核心部分及其他 Spring4.1新特性——Spring缓存框架增强 Spring4.1新特性——异步调用和事件机制的异常处理 Spring4.1新特性——数据库集成测试脚本初始化 Spring4.1新特性——Spring MVC增强 Spring4.1新特性——页面自动化测试框架Spring MVC T
  • mysql 性能查询优化 annan211 javasql优化mysql应用服务器
    1 时间到底花在哪了？ mysql在执行查询的时候需要执行一系列的子任务，这些子任务包含了整个查询周期最重要的阶段，这其中包含了大量为了 检索数据列到存储引擎的调用以及调用后的数据处理，包括排序、分组等。在完成这些任务的时候，查询需要在不同的地方 花费时间，包括网络、cpu计算、生成统计信息和执行计划、锁等待等。尤其是向底层存储引擎检索数据的调用操作。这些调用需要在内存操
  • windows系统配置 cherishLC windows
    删除Hiberfil.sys ：使用命令powercfg -h off 关闭休眠功能即可： http://jingyan.baidu.com/article/f3ad7d0fc0992e09c2345b51.html 类似的还有pagefile.sys msconfig 配置启动项 shutdown 定时关机 ipconfig 查看网络配置 ipconfig /flushdns
  • 人体的排毒时间 Array_06 工作
    ======================== ||  人体的排毒时间是什么时候？|| ======================== 转载于： http://zhidao.baidu.com/link?url=ibaGlicVslAQhVdWWVevU4TMjhiKaNBWCpZ1NS6igCQ78EkNJZFsEjCjl3T5EdXU9SaPg04bh8MbY1bR
  • ZooKeeper cugfy zookeeper
    Zookeeper是一个高性能，分布式的，开源分布式应用协调服务。它提供了简单原始的功能，分布式应用可以基于它实现更高级的服务，比如同步， 配置管理，集群管理，名空间。它被设计为易于编程，使用文件系统目录树作为数据模型。服务端跑在java上，提供java和C的客户端API。 Zookeeper是Google的Chubby一个开源的实现，是高有效和可靠的协同工作系统，Zookeeper能够用来lea
  • 网络爬虫的乱码处理 随意而生 爬虫网络
    下边简单总结下关于网络爬虫的乱码处理。注意，这里不仅是中文乱码，还包括一些如日文、韩文 、俄文、藏文之类的乱码处理，因为他们的解决方式 是一致的，故在此统一说明。     网络爬虫，有两种选择，一是选择nutch、hetriex，二是自写爬虫，两者在处理乱码时，原理是一致的，但前者处理乱码时，要看懂源码后进行修改才可以，所以要废劲一些；而后者更自由方便，可以在编码处理
  • Xcode常用快捷键 张亚雄 xcode
    一、总结的常用命令：     隐藏xcode command+h     退出xcode command+q     关闭窗口 command+w     关闭所有窗口 command+option+w     关闭当前
  • mongoDB索引操作 adminjun mongodb索引
    一、索引基础：    MongoDB的索引几乎与传统的关系型数据库一模一样，这其中也包括一些基本的优化技巧。下面是创建索引的命令：    > db.test.ensureIndex({"username":1})    可以通过下面的名称查看索引是否已经成功建立： &nbs
  • 成都软件园实习那些话 aijuans 成都 软件园 实习
    无聊之中，翻了一下日志，发现上一篇经历是很久以前的事了，悔过~~ 　　断断续续离开了学校快一年了，习惯了那里一天天的幼稚、成长的环境，到这里有点与世隔绝的感觉。不过还好，那是刚到这里时的想法，现在感觉在这挺好，不管怎么样，最要感谢的还是老师能给这么好的一次催化成长的机会，在这里确实看到了好多好多能想到或想不到的东西。 　　都说在外面和学校相比最明显的差距就是与人相处比较困难，因为在外面每个人都
  • Linux下FTP服务器安装及配置 ayaoxinchao linuxFTP服务器vsftp
    检测是否安装了FTP [root@localhost ~]# rpm -q vsftpd 如果未安装：package vsftpd is not installed  安装了则显示：vsftpd-2.0.5-28.el5累死的版本信息   安装FTP 运行yum install vsftpd命令，如[root@localhost ~]# yum install vsf
  • 使用mongo-java-driver获取文档id和查找文档 BigBird2012 driver
    注：本文所有代码都使用的mongo-java-driver实现。   在MongoDB中，一个集合（collection）在概念上就类似我们SQL数据库中的表（Table），这个集合包含了一系列文档（document）。一个DBObject对象表示我们想添加到集合（collection）中的一个文档（document），MongoDB会自动为我们创建的每个文档添加一个id，这个id在
  • JSONObject以及json串 bijian1013 jsonJSONObject
    一.JAR包简介     要使程序可以运行必须引入JSON-lib包，JSON-lib包同时依赖于以下的JAR包：     1.commons-lang-2.0.jar     2.commons-beanutils-1.7.0.jar     3.commons-collections-3.1.jar &n
  • [Zookeeper学习笔记之三]Zookeeper实例创建和会话建立的异步特性 bit1129 zookeeper
    为了说明问题，看个简单的代码，   import org.apache.zookeeper.*; import java.io.IOException; import java.util.concurrent.CountDownLatch; import java.util.concurrent.ThreadLocal
  • 【Scala十二】Scala核心六：Trait bit1129 scala
    Traits are a fundamental unit of code reuse in Scala. A trait encapsulates method and field definitions, which can then be reused by mixing them into classes. Unlike class inheritance, in which each c
  • weblogic version 10.3破解 ronin47 weblogic
    版本：WebLogic Server 10.3 说明：%DOMAIN_HOME%：指WebLogic Server 域(Domain）目录 例如我的做测试的域的根目录 DOMAIN_HOME=D:/Weblogic/Middleware/user_projects/domains/base_domain 1.为了保证操作安全，备份%DOMAIN_HOME%/security/Defa
  • 求第n个斐波那契数 BrokenDreams
            今天看到群友发的一个问题：写一个小程序打印第n个斐波那契数。         自己试了下，搞了好久。。。基础要加强了。           &nbs
  • 读《研磨设计模式》-代码笔记-访问者模式-Visitor bylijinnan java设计模式
    声明： 本文只为方便我个人查阅和理解，详细的分析以及源代码请移步 原作者的博客http://chjavach.iteye.com/ import java.util.ArrayList; import java.util.List; interface IVisitor { //第二次分派，Visitor调用Element void visitConcret
  • MatConvNet的excise 3改为网络配置文件形式 cherishLC matlab
    MatConvNet为vlFeat作者写的matlab下的卷积神经网络工具包，可以使用GPU。 主页： http://www.vlfeat.org/matconvnet/ 教程： http://www.robots.ox.ac.uk/~vgg/practicals/cnn/index.html 注意：需要下载新版的MatConvNet替换掉教程中工具包中的matconvnet： http
  • ZK Timeout再讨论 chenchao051 zookeepertimeouthbase
    http://crazyjvm.iteye.com/blog/1693757 文中提到相关超时问题，但是又出现了一个问题，我把min和max都设置成了180000，但是仍然出现了以下的异常信息： Client session timed out, have not heard from server in 154339ms for sessionid 0x13a3f7732340003
  • CASE WHEN 用法介绍 daizj sqlgroup bycase when
    CASE WHEN 用法介绍 1. CASE WHEN 表达式有两种形式 --简单Case函数  CASE sex  WHEN '1' THEN '男'  WHEN '2' THEN '女'  ELSE '其他' END  --Case搜索函数  CASE WHEN sex = '1' THEN
  • PHP技巧汇总:提高PHP性能的53个技巧 dcj3sjt126com PHP
    PHP技巧汇总:提高PHP性能的53个技巧　　用单引号代替双引号来包含字符串，这样做会更快一些。因为PHP会在双引号包围的字符串中搜寻变量，　　单引号则不会，注意：只有echo能这么做，它是一种可以把多个字符串当作参数的函数译注：　　PHP手册中说echo是语言结构，不是真正的函数，故把函数加上了双引号)。　　1、如果能将类的方法定义成static，就尽量定义成static，它的速度会提升将近4倍
  • Yii框架中CGridView的使用方法以及详细示例 dcj3sjt126com yii
    CGridView显示一个数据项的列表中的一个表。 表中的每一行代表一个数据项的数据,和一个列通常代表一个属性的物品(一些列可能对应于复杂的表达式的属性或静态文本)。　　CGridView既支持排序和分页的数据项。排序和分页可以在AJAX模式或正常的页面请求。使用CGridView的一个好处是,当用户浏览器禁用JavaScript,排序和分页自动退化普通页面请求和仍然正常运行。 实例代码如下：
  • Maven项目打包成可执行Jar文件 dyy_gusi assembly
    Maven项目打包成可执行Jar文件 在使用Maven完成项目以后，如果是需要打包成可执行的Jar文件，我们通过eclipse的导出很麻烦，还得指定入口文件的位置，还得说明依赖的jar包，既然都使用Maven了，很重要的一个目的就是让这些繁琐的操作简单。我们可以通过插件完成这项工作，使用assembly插件。具体使用方式如下： 1、在项目中加入插件的依赖： <plugin>
  • php常见错误 geeksun PHP
    1.  kevent() reported that connect() failed (61: Connection refused) while connecting to upstream, client: 127.0.0.1, server: localhost, request: "GET / HTTP/1.1", upstream: "fastc
  • 修改linux的用户名 hongtoushizi linuxchange password
    Change Linux Username 更改Linux用户名，需要修改4个系统的文件： /etc/passwd /etc/shadow /etc/group /etc/gshadow 古老/传统的方法是使用vi去直接修改，但是这有安全隐患（具体可自己搜一下），所以后来改成使用这些命令去代替： vipw vipw -s vigr vigr -s   具体的操作顺
  • 第五章 常用Lua开发库1-redis、mysql、http客户端 jinnianshilongnian nginxlua
    对于开发来说需要有好的生态开发库来辅助我们快速开发，而Lua中也有大多数我们需要的第三方开发库如Redis、Memcached、Mysql、Http客户端、JSON、模板引擎等。 一些常见的Lua库可以在github上搜索，https://github.com/search?utf8=%E2%9C%93&q=lua+resty。   Redis客户端 lua-resty-r
  • zkClient 监控机制实现 liyonghui160com zkClient 监控机制实现
             直接使用zk的api实现业务功能比较繁琐。因为要处理session loss，session expire等异常，在发生这些异常后进行重连。又因为ZK的watcher是一次性的，如果要基于wather实现发布/订阅模式，还要自己包装一下，将一次性订阅包装成持久订阅。另外如果要使用抽象级别更高的功能，比如分布式锁，leader选举
  • 在Mysql 众多表中查找一个表名或者字段名的 SQL 语句 pda158 mysql
    在Mysql 众多表中查找一个表名或者字段名的 SQL 语句： 　　方法一：SELECT table_name, column_name from information_schema.columns WHERE column_name LIKE 'Name'; 　　方法二：SELECT column_name from information_schema.colum
  • 程序员对英语的依赖 Smile.zeng 英语程序猿
    1、程序员最基本的技能，至少要能写得出代码，当我们还在为建立类的时候思考用什么单词发牢骚的时候，英语与别人的差距就直接表现出来咯。 2、程序员最起码能认识开发工具里的英语单词，不然怎么知道使用这些开发工具。 3、进阶一点，就是能读懂别人的代码，有利于我们学习人家的思路和技术。 4、写的程序至少能有一定的可读性，至少要人别人能懂吧... 以上一些问题，充分说明了英语对程序猿的重要性。骚年
  • Oracle学习笔记(8) 使用PLSQL编写触发器 vipbooks oraclesql编程活动Access
        时间过得真快啊，转眼就到了Oracle学习笔记的最后个章节了，通过前面七章的学习大家应该对Oracle编程有了一定了了解了吧，这东东如果一段时间不用很快就会忘记了，所以我会把自己学习过的东西做好详细的笔记，用到的时候可以随时查找，马上上手！希望这些笔记能对大家有些帮助！     这是第八章的学习笔记，学习完第七章的子程序和包之后
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他