清楼小刘
清楼小刘

实验二kNN算法之1NN分类

k-NN处理分类问题，即分类：多数投票原则，先将数据集处理成OneHot矩阵，计算测试文本与每一个训练文本的距离，如果k = 1，则找到最小的距离，则测试文本的分类对应于该训练文本的分类。在用C++实现时，通过好多次的debug，并且将最后生成的OneHot矩阵的每一行都输出到文本中去查看，再在OneHot矩阵每行测试文本尾中输出得到的类比结果，距离，分类。这里使用了欧式距离。

训练文本和测试文本形如：

documentId emotion words

1 5 sad mortar assault leav at least dead

2 4 joy goal delight for sheva

3 4 joy nigeria hostag fear dead is freed

4 3 fear bomber kill shopper

5 6 surprise veget not fruit slow brain declin

6 4 joy pm havana deal a good experi

7 4 joy kate is marri doherti

8 6 surprise nasa revisit life on mar question

9 4 joy happi birthdai ipod

10 4 joy alonso would be happi to retir with three titl

11 4 joy madonna s new tot happi at home in london

12 5 sad nicol kidman ask dad to help stop husband s drink

13 4 joy unit find good connect in win

14 4 joy runwai make good without make nice

15 5 sad we were arrog and stupid over iraq sai us diplomat

16 5 sad bad reason to be good

      有246个测试样本，为了方便我在我的源代码中直接使用246这个数字，不过也可以通过读取该文件数行数时得到这个结果，C++实现代码如下：

#include
#include
#include
#include 
#include
#include
#include
using namespace std;
struct Three_Var
{
	int i,j;
	bool operator<(Three_Var& t) {return i(Three_Var& t) {return i>t.i||(i==t.i&&j>t.j);}
	bool operator==(Three_Var& t) {return i==t.i&&j==t.j;}
};
bool Sort( Three_Var d1,Three_Var d2)//容器的比较函数  
{    
    return d1 < d2;//降序排列     
}   
vector< vector > NumsPerLines; 
int main()
{
	int index=0;//依次出现的（去重）词汇的对应下标 
	int Lines=0;//出现的行数 
	int ThreeVarNums=0;//三元组的个数 
	ifstream Input;
	Input.open("train.txt");//读取文件 
	string line;	//一个临时变量而已 
	map FirstIndex;//string是对应的词汇，int是它（无视重复下）第一次出现的在该map中的下标
	map repeatTimes; 
	vector NumsOfLines;//每行的词汇个数 （重复不算1个）
	vector smat;
	vector Emo;
	bool first = true;//因为训练文本第一行没用；
	while(getline(Input,line))
	{		
		if(first) {
			first = false;
			continue;
		} 
		stringstream ss;
		int temp,emotion;
		//几经周折注意到一个事实：用写字板或者dev_cpp打开时可以清楚地看见是一行一句话的，所以用stringstream
		//整行读入的特性会方便很多 
		ss.clear(); 
		ss.str(line);
		ss>>temp;  
		ss>>emotion;
		string dict; 
		string EMO; 
		ss>>EMO;
		Emo.push_back(emotion); //存储好train.txt每一行的情绪啊！ 
		map::iterator it1;
		map::iterator it2;
		repeatTimes.clear();
		while(ss>>dict)  //读入每行的数据集内容的词汇 
		{
			it1=FirstIndex.find(dict); //first元素的map查找函数 
			if(it1==FirstIndex.end())//迭代器到了end()，说明这个词还没出现过 
			{
				FirstIndex.insert(pair(dict,index));
				index++;  //维护map中的下标 
			}
			it2=repeatTimes.find(FirstIndex[dict]);//计算该词汇在数据集中重复出现的次数 
			if(it2==repeatTimes.end())//这个下标第一次出现的话，放进这个repaeatTimes中 
				repeatTimes.insert(pair(FirstIndex[dict],1));
				//第一个整数记录它在map中的下标，第二个整数记录它重复的次数 
			else
				it2->second++;//否则，维护好这个RepeatTimes即可。 
			temp++;//这行的词汇个数（重复不算1个） 
		}
		//读取完这行词汇了 
		vector  Temp_Vec;
		for(it2=repeatTimes.begin();it2!=repeatTimes.end();it2++)  //为了在vector中有序，借用这个map 
		{
			Three_Var item{Lines,it2->first};//利用机构体记录这个单词出现的行数，下标，重复次数 
			smat.push_back(item);
			ThreeVarNums++;//结构体vector中放入的个数 
			Temp_Vec.push_back(it2->first);//这个结构存储每一行拥有的字符串的下标； 
		}
		NumsPerLines.push_back(Temp_Vec);
		Lines++;  //第几行计数 
		NumsOfLines.push_back(temp);//记录好每行的词汇个数 
		if(Lines == 246){
			first = true;
			Input.close();
			Input.open("test.txt");
		}
	}
	cout<= 246){//test.txt来分类咯； 
			int MinLine = 0, MinDis = 999999; 
			for(int r = 0; r < 246; r++){ //与训练文本的每一行求欧式距离
			if(NumsPerLines[r].size() > 3)
			{
				int dis = 0, c = 0 , k = 0 , equals = 0; 
				for(; c < NumsPerLines[i].size() ; c++){ //当前行的字符串 
					for(; k < NumsPerLines[r].size(); k++){
						if(NumsPerLines[i][c] <  NumsPerLines[r][k]){
							break;
						}
						else if(NumsPerLines[i][c] ==  NumsPerLines[r][k]){
							equals++;
						}
					}
				}
				dis = NumsPerLines[i].size() + NumsPerLines[r].size() - equals * 2;
				if(dis < MinDis){
					MinDis = dis;
					MinLine = r;
					//cout<<"smaller, dis = "<

你可能感兴趣的:(人工智能)

  • Python常见的第三方库：requests、numpy、pandas 大数据张老师 pythonnumpypandas
    常见的第三方库：requests、numpy、pandasPython拥有丰富的第三方库，涵盖了数据分析、网络爬取、人工智能、科学计算等多个领域。其中，requests、numpy和pandas是最常用的三个库，分别用于网络请求、数值计算和数据处理。本节将详细介绍它们的基本功能，并通过示例代码帮助理解它们的使用方法。requests：处理网络请求的库requests是Python中用于处理HTTP
  • 人工智能与深度学习的应用案例解析及代码实现 accurater 人工智能深度学习科技机器人
    引言人工智能（AI）与深度学习（DeepLearning）作为21世纪最具变革性的技术之一，已渗透到医疗、金融、交通、制造等各个领域。深度学习通过多层神经网络模拟人类认知过程，显著提升了复杂任务的自动化水平。本文将从技术原理、核心应用案例及代码实现三个维度，系统解析其实际应用，并探讨未来挑战与发展方向。一、深度学习技术概述1.1核心技术框架深度学习基于深度神经网络（DNN），其核心在于通过多层非线
  • 人工智能之数学基础：对线性代数中逆矩阵的思考？ 每天五分钟玩转人工智能 机器学习深度学习之数学基础线性代数人工智能矩阵机器学习逆矩阵向量
    本文重点逆矩阵是线性代数中的一个重要概念，它在线性方程组、矩阵方程、动态系统、密码学、经济学和金融学以及计算机图形学等领域都有广泛的应用。通过了解逆矩阵的定义、性质、计算方法和应用，我们可以更好地理解和应用线性代数知识，解决各种实际问题。关于逆矩阵的思考现在我们有一个计算过程如上所示，我们知道矩阵的作用就是函数，向量a先经过矩阵1进行函数作用，然后再经过矩阵2函数作用最后可以得到输出向量c，这个过
  • 上线DeepSeek大模型，黄山“大位”智算中心正式点亮 人工智能
    2月28日，智启黄山，算领未来——黄山“大位”智算中心点亮仪式在黄山市大位人工智能计算中心举行，标志着黄山“大位”智算中心正式投入运营。同日，DeepSeek-R1大模型在黄山“大位”正式上线，通过“顶尖大模型+普惠算力底座”的深度融合，构建黄山市人工智能创新生态。黄山市委常委、副市长王恒来出席并致辞。他表示，黄山“大位”智算中心的点亮，是黄山市贯彻落实习近平总书记关于"人工智能是引领这一轮科技革
  • DeepSeek大模型如何提升论文与代码效率 智能计算研究中心 其他
    内容概要DeepSeek大模型作为人工智能领域的前沿成果，通过670亿参数的混合专家架构（Mixture-of-Experts,MoE），在多模态任务处理与专业场景应用中展现了显著优势。其核心技术突破体现在多语言处理能力、视觉语言理解模块以及深度优化的自然语言处理算法上，能够覆盖学术研究、代码开发、内容创作等多元场景。例如，在论文写作领域，模型通过智能选题推荐、文献综述生成及SEO关键词拓展功能，
  • Manus学习手册合集【建议收藏】 周师姐 学习pdf人工智能
    这两天，一款通用AI智能体Manus还没发布就火了，因为还在内测中，用户需要邀请码才能够体验，这就导致原本免费的邀请码在二手平台最高被炒到8万8。相比于之前爆火的DeepSeek和ChatGPT这类AI对话工具，Manus是全球首款真正意义上的通用人工智能！没错，就是科幻电影里面能够独立思考，自主运行的人工智能！！manus学习资料：https://pan.xunlei.com/s/VOKk8Cq
  • 10个热门AI API（2024年2月） 程序员后端
    人工智能（AI）在当今数字时代发挥着重要的作用，为企业带来了全新的机遇和变革。AI不再是一种陌生的科技概念，而是已经渗透到各行各业，成为推动创新和提升效率的关键引擎。其核心优势在于能够处理大规模的数据、执行复杂的任务、模拟人类思维过程，并以前所未有的方式改善业务流程。AIAPI作为连接企业和强大AI技术的桥梁，扮演着至关重要的角色。通过使用AIAPI，企业能够快速、轻松地将先进的人工智能功能集成到
  • 人工智能学习大纲 互联网搬砖老肖 AI原力计划工具使用人工智能学习
    前言人工智能正以惊人的速度发展，其潜力既令人兴奋，也引人深思。它既可能为解决全球性问题带来希望，也可能带来前所未有的挑战。人工智能时代的到来已是不可逆转的趋势，科幻电影中的某些场景或许将成为现实。我对人工智能的研究越深入，就越能感受到它的强大力量。我所担忧的不仅仅是它对就业市场的冲击，更是它可能对人类社会结构带来的深远影响。未来，对人工智能的理解可能像今天对电脑操作的掌握一样重要。掌握人工智能技术
  • Manus AI：全球首款通用型 AI Agent 的创新与挑战 萧鼎 python基础到进阶教程人工智能
    1.引言：AIAgent时代的到来人工智能正在从单纯的对话式助手进化为更高级的智能体（Agent），能够自主完成任务，而不仅仅是提供信息或建议。2025年3月6日，由中国团队Monica推出的ManusAI正式亮相，号称全球首款通用型AIAgent（自主智能体）。与传统的AI助手相比，Manus不仅能够理解用户的自然语言指令，还能拆解任务、自动执行，并交付完整的成果。这标志着AI进入了一个新的发展
  • AI与大数据融合：技术路径与行业赋能 互联网Ai好者 人工智能大数据
    在数字化浪潮中，数据已成为驱动社会与商业变革的核心生产要素。据IDC预测，2025年全球数据总量将增长至175ZB，其中物联网设备、社交媒体及企业数字化系统贡献了80%的增量数据。面对海量异构数据的处理需求，传统分析工具已显现出明显局限：Gartner研究指出，仅35%的企业能有效利用其数据资产。在此背景下，人工智能技术通过算法突破与算力跃迁，正重塑大数据价值挖掘范式，构建从数据感知到决策闭环的全
  • AI大模型在职业教育中的应用解决方案 中年猿人 人工智能ai学习
    1.引言随着新经济、新技术的加速发展和经济结构的不断调整，职业教育迎来了新的发展机遇与挑战。传统的职业教育模式难以满足日益个性化、多样化的学习需求，同时，技术快速更迭使得职业技能更新频率大幅提高。这些变化要求职业教育能够更加灵活、高效地适应劳动力市场的需求，并为学生提供与时俱进的技能培养。人工智能（AI）作为一种前沿的科技趋势，其大模型技术通过强大的数据处理能力和学习算法，在众多行业中均展现了巨大
  • 弹性算力革命：企业级GPU云服务如何重构AI与图形处理的效能边界
    企业级GPU云服务是一种面向企业用户，基于云计算技术，将强大的图形处理器（GPU）资源以服务的形式提供给企业的创新模式。通过这种模式，企业无需自行购置、安装和维护昂贵的GPU硬件设备，只需按需从云端获取GPU计算资源，就能满足自身多样化的业务需求。随着人工智能、大数据、深度学习、虚拟现实以及高性能计算等前沿技术在各行业的深入渗透，企业对于大规模并行计算能力的要求越来越高。GPU凭借其卓越的并行计算
  • 弹性算力革命：企业级GPU云服务如何重构AI与图形处理的效能边界
    企业级GPU云服务是一种面向企业用户，基于云计算技术，将强大的图形处理器（GPU）资源以服务的形式提供给企业的创新模式。通过这种模式，企业无需自行购置、安装和维护昂贵的GPU硬件设备，只需按需从云端获取GPU计算资源，就能满足自身多样化的业务需求。随着人工智能、大数据、深度学习、虚拟现实以及高性能计算等前沿技术在各行业的深入渗透，企业对于大规模并行计算能力的要求越来越高。GPU凭借其卓越的并行计算
  • 企业数据挖掘平台×DeepSeek强强联合，多种应用场景适用 泰迪智能科技01 DeepSeek数据挖掘人工智能
    企业数据挖掘建模平台简单易用，可提供代码方便定制，全面培训服务+丰富模型参考+专业建模人员支持服务。在科技飞速发展的今天，人工智能领域的每一次突破都如同投入湖面的巨石，激起层层波澜。DeepSeek作为大模型领域的璀璨新星，以其卓越的技术实力和创新的应用模式，成为了全球瞩目的焦点，也为高校教育、企业发展都带来了前所未有的机遇与变革。当数据挖掘平台×DeepSeek强强联合，又会碰撞出怎样的火花呢？
  • Paper Reading | AI & 数据库融合经典论文回顾 数据库人工智能阅读
    人工智能（AI）和数据库（DB）在过去的50年里得到了广泛的研究，随着数据库近年来的不断发展，数据库开始与人工智能结合，数据库和人工智能（AI）可以相互促进。一方面，AI可以使数据库更加智能化（AI4DB）。例如，传统的数据库优化技术无法满足大规模数据库实例、各种应用程序和多样化用户的高性能要求，尤其是在云上。幸运的是，基于机器学习的技术可以缓解这个问题。另一方面，数据库技术可以优化AI模型（DB
  • 人工智能基础知识 yzx991013 人工智能
    首先分为两大类：一：机器视觉cv1.特征比较明显2.经典模型：cnn，resnet，deepface，yolov（1-12），vi-transformer。缺点：不能解决收听问题。3.落地，无人识别，轨道追踪，无人驾驶，（主要解决看的东西）。二：自然语言处理nlp（语音识别）处理（文本）方面解决（说和听的问题），RNN，LSTM，attention，transformer（基于规则的翻译，超越普通
  • C、C++ 与 C# 的区别及应用场景 xl.liu c语言c++c#
    C、C++与C#的区别及应用场景随着信息技术的快速发展，编程语言的选择对于项目成功至关重要。C、C++和C#是三种广泛使用的编程语言，它们各自具有独特的特点和适用领域。本文将基于当前IT行业的发展趋势，探讨这三种语言之间的主要差异，以及它们各自的优缺点和应用场景。IT行业的现状和发展趋势在当今的IT行业中，云计算、大数据、人工智能（AI）以及物联网（IoT）等技术正在引领新一轮的技术革新。这些技术
  • Agentic：基于DeepSeek V3与R1的智能代理技术深度解析 weixin_40941102 人工智能
    引言人工智能的快速发展正在重塑我们的技术世界，而智能代理（Agentic）作为AI领域的新兴分支，正以其自主性、适应性和智能化特性吸引着越来越多的关注。与传统工具不同，Agentic技术赋予系统感知环境、推理决策并主动执行任务的能力，使其成为连接人类与数字世界的“智能助手”。在这一领域，DeepSeek推出了两款强大的模型：生成式文本模型DeepSeekV3和推理生成式文本模型DeepSeekR1
  • 探索智能边界：深度求索（DeepSeek）技术全景解析与实战指南 瘸 deepseekai人工智能深度学习agi开发者工具
    引言：智能时代的探路者在人工智能技术持续突破的2023年，一家名为深度求索（DeepSeek）的中国AI公司正在用独特的技术路径重新定义智能边界。这家专注实现AGI的年轻企业，凭借其开源的DeepSeek-R1系列模型和行业解决方案，正在开发者社区掀起新的技术浪潮。一、DeepSeek技术架构解析1.1模型体系全景图MoE架构创新：采用混合专家系统架构，实现135B参数的智能调度多模态融合：支持文
  • AI学习预备知识-数据操作（5）内存节省 羞涩的小吉他 AI开发学习之路人工智能学习
    AI学习预备知识-数据操作（5）内存节省提示：本系列持续更新中文章目录AI学习预备知识-数据操作（5）内存节省前言内存节省总结前言随着开始人工智能的学习越来越多，那么再学习过程中，我们应该有一定的基础知识储备，本系列为基础知识储备介绍，本文主要讲解AI学习储备知识–在数据操作过程中所需考虑到的内存节省。内存节省提示：默认使用python，数据操作使用mxnet在数据操作过程中运行一些操作可能会导致
  • Fine-grained Analysis of Stability and Generalization for Stochastic Bilevel Optimization 再给一碗吧 已发表论文分享机器学习理论知识泛化理论双层优化
    论文《Fine-grainedAnalysisofStabilityandGeneralizationforStochasticBilevelOptimization》IJCAI’2024《随机双层优化的细粒度稳定性和泛化性分析》会议介绍IJCAI（InternationalJointConferenceonArtificialIntelligence，国际人工智能联合会议）是人工智能领域的一个主
  • 从零理解人工智能：技术原理、底层逻辑与手写数字识别实战 北辰alk AI人工智能
    前些天发现了一个巨牛的人工智能学习网站，通俗易懂，风趣幽默，忍不住分享一下给大家。点击跳转到网站。https://www.captainbed.cn/north文章目录引言一、人工智能技术体系1.1核心技术栈二、神经网络底层逻辑2.1神经元数学模型2.2前向传播与反向传播三、手写数字识别实战（MNIST）3.1环境配置3.2数据预处理3.3CNN模型构建3.4模型训练与评估四、关键技术解析4.1卷
  • （24-1）DeepSeek中的强化学习：DeepSeek简介 码农三叔 强化学习从入门到实践transformer人工智能大模型架构强化学习DeepSeek
    在人工智能的浩瀚星空中，DeepSeek犹如一座巍峨的科技丰碑，熠熠生辉，引领着大模型时代的风云变幻。DeepSeek以卓越的创新精神和前沿的技术架构，突破常规极限，将海量知识与智能推理完美融合，展现出惊人的计算力与思维深度。4.1DeepSeek简介DeepSeek是一家成立于2023年的中国人工智能初创公司，专注于开发高效且经济的大型语言模型。其核心技术包括多头潜在注意力（Multi-head
  • 【人工智能】大模型的Scaling Laws（缩放定律），通过增加模型规模（如参数数量）、训练数据量和计算资源来提升模型性能。 本本本添哥 013-AIGC人工智能大模型人工智能深度学习机器学习
    缩放定律（ScalingLaws）是人工智能领域中关于大模型性能提升的重要理论，其核心思想是通过增加模型规模（如参数数量）、训练数据量和计算资源来提升模型性能。这一理论最早由OpenAI在2020年提出，并在随后的研究中得到了广泛验证和应用。ScalingLaws就像是指导手册一样，告诉我们在构建和训练AI模型时应该注意什么，以最经济有效的方式得到最好的成果。这有助于推动技术进步的同时也促进了可持
  • DeepSeek驱动的敏捷开发新范式：追逐太阳的鱼缸窗口效应——透明化开发与动态优化的生态重构 天街小雨润如苏同学 敏捷流程重构
    引言在数字化浪潮的冲击下，软件系统的复杂性已远超传统管理方法的承载极限。"鱼缸窗口"隐喻所指向的完全透明、动态可视的开发环境，与"追逐太阳"所象征的持续价值追寻，共同勾勒出敏捷开发的新边疆。DeepSeek作为认知增强型人工智能，通过构建光速反馈的信息生态与自适应优化机制，正在将这种隐喻转化为工程实践。本文揭示该技术如何重塑敏捷开发的底层逻辑，创造开发者、系统与环境三者共生的新型态。一、技术架构的
  • RK3568与掌静脉模块：解锁安防新未来 计算机学长 瑞星微芯片AndroidRK3568Android
    引言在当今数字化时代，随着人工智能和物联网技术的飞速发展，各类智能设备如雨后春笋般涌现，为我们的生活和工作带来了极大的便利。在这些智能设备的背后，高性能的处理器和先进的生物识别技术起着关键作用。RK3568处理器作为一款中高端的芯片，以其出色的性能和丰富的接口，在物联网、安防监控、智能家居等众多领域得到了广泛应用。而掌静脉模块作为一种高精度、高安全性的生物识别技术，正逐渐成为身份验证和安全控制领域
  • 蚂蚁集团可转正实习算法岗内推-自然语言 飞300 业界资讯自然语言处理
    具备极佳的工程实现能力，精通C/C++、Java、Pvthon、Perl等至少一门语言:对目前主流的深度学习平台:tensorflow、pytorch、mxnet等，至少对其中一个有上手经验;熟悉深度学习以及常见机器学习算法的原理与算法，能熟练运用聚类、分类、回归、排序等模型解决有挑战性的问题，有大数据处理的实战经验;有强烈求知欲，对人工智能领域相关技术有热情，内推链接：https://u.ali
  • 具身智能行业 [shenhonglei] 具身觉醒：智能进化的未来之路人工智能机器人
    具身智能行业综合分析资源下载-具身智能导图.xmind资源下载-具身智能导图.xmind一、行业概况定义与核心特征具身智能（EmbodiedAI）指通过物理实体（如机器人、自动驾驶设备等）与环境的动态交互，实现感知、认知和行动控制的智能系统。其核心特征是“知行合一”，强调通过实际交互提升智能水平，而非仅依赖数据训练。技术融合：结合人工智能（AI）、机器人技术、多模态大模型
  • 【AGI】中国大模型扛把子：通义家族 LeeZhao@ AIGC重塑生活神器agi人工智能AIGC面试自然语言处理语言模型
    中国大模型扛把子：通义家族引言一、通义千问的技术架构与模型谱系二、技术突破与性能优势三、开源生态与行业影响四、未来展望：从“千问时代”到通用智能五、通义家族大模型列表（1）多模态大模型（2）大语言模型结语引言在人工智能大模型领域，中国科技企业正以惊人的速度突破技术边界。阿里云推出的**通义千问（Qwen）**系列大模型，凭借其多层次的技术架构、多样化的模型生态及开源战略，已成为全球AI领域的重要标
  • 大语言模型对程序员行业的影响及未来发展走势分析 Hello kele 人工智能java人工智能AI编程
    随着人工智能技术的快速发展，特别是大语言模型（如DeepSeek、OpenAI、Grok等）的出现，对程序员这个行业产生了深远的影响。在这篇文章中，我们将探讨这些变化，分析影响，并展望未来的发展趋势。一、当前影响1.自动化代码生成大语言模型的一个直接影响是代码自动化的能力。这些模型可以理解代码上下文，并生成功能性代码。例如，GitHubCopilot已经成为许多开发者的辅助工具，能够根据注释或部分
  • java数字签名三种方式 知了ing javajdk
    以下3钟数字签名都是基于jdk7的 1，RSA String password="test"; // 1.初始化密钥 KeyPairGenerator keyPairGenerator = KeyPairGenerator.getInstance("RSA"); keyPairGenerator.initialize(51
  • Hibernate学习笔记 caoyong Hibernate
    1>、Hibernate是数据访问层框架，是一个ORM(Object Relation Mapping)框架，作者为:Gavin King 2>、搭建Hibernate的开发环境      a>、添加jar包:      aa>、hibernatte开发包中/lib/required/所
  • 设计模式之装饰器模式Decorator（结构型） 漂泊一剑客 Decorator
    1. 概述        若你从事过面向对象开发，实现给一个类或对象增加行为，使用继承机制，这是所有面向对象语言的一个基本特性。如果已经存在的一个类缺少某些方法，或者须要给方法添加更多的功能（魅力），你也许会仅仅继承这个类来产生一个新类—这建立在额外的代码上。      
  • 读取磁盘文件txt，并输入String 一炮送你回车库 String
    public static void main(String[] args) throws IOException {    String fileContent = readFileContent("d:/aaa.txt");    System.out.println(fileContent);   
  • js三级联动下拉框 3213213333332132 三级联动
    //三级联动 省/直辖市<select id="province"></select> 市/省直辖<select id="city"></select> 县/区 <select id="area"></select>
  • erlang之parse_transform编译选项的应用 616050468 parse_transform游戏服务器属性同步abstract_code
             最近使用erlang重构了游戏服务器的所有代码，之前看过C++/lua写的服务器引擎代码，引擎实现了玩家属性自动同步给前端和增量更新玩家数据到数据库的功能，这也是现在很多游戏服务器的优化方向，在引擎层面去解决数据同步和数据持久化，数据发生变化了业务层不需要关心怎么去同步给前端。由于游戏过程中玩家每个业务中玩家数据更改的量其实是很少
  • JAVA JSON的解析 darkranger java
    // { // “Total”：“条数”， // Code: 1, // // “PaymentItems”:[ // { // “PaymentItemID”:”支款单ID”, // “PaymentCode”:”支款单编号”, // “PaymentTime”:”支款日期”, // ”ContractNo”:”合同号”， //
  • POJ-1273-Drainage Ditches aijuans ACM_POJ
    POJ-1273-Drainage Ditches http://poj.org/problem?id=1273 基本的最大流，按LRJ的白书写的 #include<iostream> #include<cstring> #include<queue> using namespace std; #define INF 0x7fffffff int ma
  • 工作流Activiti5表的命名及含义 atongyeye 工作流Activiti
    activiti5 - http://activiti.org/designer/update在线插件安装 activiti5一共23张表 Activiti的表都以ACT_开头。 第二部分是表示表的用途的两个字母标识。 用途也和服务的API对应。 ACT_RE_*: 'RE'表示repository。 这个前缀的表包含了流程定义和流程静态资源 （图片，规则，等等）。 A
  • android的广播机制和广播的简单使用 百合不是茶 android广播机制广播的注册
          Android广播机制简介 在Android中，有一些操作完成以后，会发送广播，比如说发出一条短信，或打出一个电话，如果某个程序接收了这个广播，就会做相应的处理。这个广播跟我们传统意义中的电台广播有些相似之处。之所以叫做广播，就是因为它只负责“说”而不管你“听不听”，也就是不管你接收方如何处理。另外，广播可以被不只一个应用程序所接收，当然也可能不被任何应
  • Spring事务传播行为详解 bijian1013 javaspring事务传播行为
            在service类前加上@Transactional，声明这个service所有方法需要事务管理。每一个业务方法开始时都会打开一个事务。         Spring默认情况下会对运行期例外(RunTimeException)进行事务回滚。这
  • eidtplus operate 征客丶 eidtplus
    开启列模式: Alt+C 鼠标选择   OR   Alt+鼠标左键拖动 列模式替换或复制内容(多行): 右键-->格式-->填充所选内容-->选择相应操作 OR Ctrl+Shift+V(复制多行数据,必须行数一致) -------------------------------------------------------
  • 【Kafka一】Kafka入门 bit1129 kafka
    这篇文章来自Spark集成Kafka(http://bit1129.iteye.com/blog/2174765)，这里把它单独取出来，作为Kafka的入门吧   下载Kafka http://mirror.bit.edu.cn/apache/kafka/0.8.1.1/kafka_2.10-0.8.1.1.tgz 2.10表示Scala的版本，而0.8.1.1表示Kafka
  • Spring 事务实现机制 BlueSkator spring代理事务
    Spring是以代理的方式实现对事务的管理。我们在Action中所使用的Service对象，其实是代理对象的实例，并不是我们所写的Service对象实例。既然是两个不同的对象，那为什么我们在Action中可以象使用Service对象一样的使用代理对象呢？为了说明问题，假设有个Service类叫AService，它的Spring事务代理类为AProxyService，AService实现了一个接口
  • bootstrap源码学习与示例：bootstrap-dropdown（转帖） BreakingBad bootstrapdropdown
    bootstrap-dropdown组件是个烂东西，我读后的整体感觉。 一个下拉开菜单的设计： <ul class="nav pull-right"> <li id="fat-menu" class="dropdown">
  • 读《研磨设计模式》-代码笔记-中介者模式-Mediator 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/ /* * 中介者模式（Mediator）：用一个中介对象来封装一系列的对象交互。 * 中介者使各对象不需要显式地相互引用，从而使其耦合松散，而且可以独立地改变它们之间的交互。 * * 在我看来，Mediator模式是把多个对象（
  • 常用代码记录 chenjunt3 UIExcelJ#
      1、单据设置某行或某字段不能修改 //i是行号,"cash"是字段名称 getBillCardPanelWrapper().getBillCardPanel().getBillModel().setCellEditable(i, "cash", false); //取得单据表体所有项用以上语句做循环就能设置整行了 getBillC
  • 搜索引擎与工作流引擎 comsci 算法工作搜索引擎网络应用
          最近在公司做和搜索有关的工作，(只是简单的应用开源工具集成到自己的产品中)工作流系统的进一步设计暂时放在一边了，偶然看到谷歌的研究员吴军写的数学之美系列中的搜索引擎与图论这篇文章中的介绍，我发现这样一个关系(仅仅是猜想)   -----搜索引擎和流程引擎的基础--都是图论，至少像在我在JWFD中引擎算法中用到的是自定义的广度优先
  • oracle Health Monitor daizj oracleHealth Monitor
    About Health Monitor Beginning with Release 11g, Oracle Database includes a framework called Health Monitor for running diagnostic checks on the database. About Health Monitor Checks Health M
  • JSON字符串转换为对象 dieslrae javajson
        作为前言,首先是要吐槽一下公司的脑残编译部署方式,web和core分开部署本来没什么问题,但是这丫居然不把json的包作为基础包而作为web的包,导致了core端不能使用,而且我们的core是可以当web来用的(不要在意这些细节),所以在core中处理json串就是个问题.没办法,跟编译那帮人也扯不清楚,只有自己写json的解析了.   
  • C语言学习八结构体，综合应用，学生管理系统 dcj3sjt126com C语言
    实现功能的代码： # include <stdio.h> # include <malloc.h> struct Student { int age; float score; char name[100]; }; int main(void) { int len; struct Student * pArr; int i,
  • vagrant学习笔记 dcj3sjt126com vagrant
    想了解多主机是如何定义和使用的, 所以又学习了一遍vagrant   1. vagrant virtualbox 下载安装 https://www.vagrantup.com/downloads.html https://www.virtualbox.org/wiki/Downloads   查看安装在命令行输入vagrant     2.
  • 14.性能优化-优化-软件配置优化 frank1234 软件配置性能优化
    1.Tomcat线程池 修改tomcat的server.xml文件： <Connector port="8080" protocol="HTTP/1.1" connectionTimeout="20000" redirectPort="8443" maxThreads="1200" m
  • 一个不错的shell 脚本教程 入门级 HarborChung linuxshell
    一个不错的shell 脚本教程 入门级 建立一个脚本 　　Linux中有好多中不同的shell，但是通常我们使用bash (bourne again shell) 进行shell编程，因为bash是免费的并且很容易使用。所以在本文中笔者所提供的脚本都是使用bash（但是在大多数情况下，这些脚本同样可以在 bash的大姐，bourne shell中运行）。 　　如同其他语言一样
  • Spring4新特性——核心容器的其他改进 jinnianshilongnian spring动态代理spring4依赖注入
    Spring4新特性——泛型限定式依赖注入 Spring4新特性——核心容器的其他改进 Spring4新特性——Web开发的增强 Spring4新特性——集成Bean Validation 1.1(JSR-349)到SpringMVC  Spring4新特性——Groovy Bean定义DSL Spring4新特性——更好的Java泛型操作API  Spring4新
  • Linux设置tomcat开机启动 liuxingguome tomcatlinux开机自启动
    执行命令sudo gedit /etc/init.d/tomcat6 然后把以下英文部分复制过去。（注意第一句#!/bin/sh如果不写，就不是一个shell文件。然后将对应的jdk和tomcat换成你自己的目录就行了。 #!/bin/bash # # /etc/rc.d/init.d/tomcat # init script for tomcat precesses
  • 第13章 Ajax进阶（下） onestopweb Ajax
    index.html <!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd"> <html xmlns="http://www.w3.org/
  • Troubleshooting Crystal Reports off BW blueoxygen BO
    http://wiki.sdn.sap.com/wiki/display/BOBJ/Troubleshooting+Crystal+Reports+off+BW#TroubleshootingCrystalReportsoffBW-TracingBOE   Quite useful, especially this part: SAP BW connectivity For t
  • Java开发熟手该当心的11个错误 tomcat_oracle javajvm多线程单元测试
    #1、不在属性文件或XML文件中外化配置属性。比如，没有把批处理使用的线程数设置成可在属性文件中配置。你的批处理程序无论在DEV环境中，还是UAT（用户验收 测试）环境中，都可以顺畅无阻地运行，但是一旦部署在PROD 上，把它作为多线程程序处理更大的数据集时，就会抛出IOException，原因可能是JDBC驱动版本不同，也可能是#2中讨论的问题。如果线程数目 可以在属性文件中配置，那么使它成为
  • 正则表达式大全 yang852220741 html编程正则表达式
    今天向大家分享正则表达式大全，它可以大提高你的工作效率 正则表达式也可以被当作是一门语言，当你学习一门新的编程语言的时候，他们是一个小的子语言。初看时觉得它没有任何的意义，但是很多时候，你不得不阅读一些教程，或文章来理解这些简单的描述模式。 一、校验数字的表达式 数字：^[0-9]*$ n位的数字：^\d{n}$ 至少n位的数字：^\d{n,}$ m-n位的数字：^\d{m,n}$
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他