- 凸优化学习之旅
还有你Y
最优化学习
目录标题专业名词MM算法CCP算法:代码说明SCA算法:连续松弛梯度投影算法分支定界搜索法凸问题辨别OA算法λ-representationADMM算法代码说明BCD算法BCD(BlockCoordinateDescent)代码示例与ADMM的区别总结2024年5月6日15:15:26专业名词DC问题:DifferenceofConvex。Difference理解为差,convex是凸,DC问题就
- 运筹系列35:凸优化接口cvxpy
IE06
运筹学
1.凸优化问题1.1QP问题目标函数二阶,约束一阶,称为Quadraticprogramming1.2.QCQP目标二阶,约束二阶,QuadraticalConstraintQuadraticProgramming。1.3.SOCPsecondorderconeprogram,本质上还是一个QP问题(约束条件进行平方)。1.4DCP一个问题能够由目标函数和一系列约束构造。如果问题遵从DCP规则,这
- 基于 Python 和 cvxpy 求解 SOCP 二阶锥规划问题
- Easy
优化python数学建模线性代数自动驾驶机器人
cvxpy:Python功能包,为凸优化提供方便使用的用户接口,适配多种求解器SOCP:Second-OrderConeProgramming,二阶锥规划convexoptimization-凸优化,nonlinearoptimization-非线性优化timecomplexity-时间复杂度,polynomial-time-多项式时间Euclideannorm-欧几里德范数文章目录什么是SOCP
- 机器学习 | 凸/非凸目标函数 |非凸目标函数导致求解陷入局部最优
stone_fall
图像处理与机器学习
数学中最优化问题的一般表述是求取x∗∈χx^{*}\in\chix∗∈χ,使f(x∗)=min{f(x):x∈χ}f(x^{*})=min\{f(x):x\in\chi\}f(x∗)=min{f(x):x∈χ},其中x是n维向量,χ\chiχ是x的可行域,f是χ\chiχ上的实值函数。凸优化问题是指χ\chiχ是闭合的凸集且f是χ\chiχ上的凸函数的最优化问题,这两个条件任一不满足则该问题即为非
- Task10-向前分布算法和梯度提升决策树
沫2021
1.前向分步算法前项分布算法可以解决分类问题,也可以解决回归问题。(1)Adaboost的加法模型:在Adaboost的基础上,将多个基分类器合并为一个复杂分类器,是通过计算每个基分类器的加权和。通常情况下这是一个复杂的优化问题,很难通过简单的凸优化的相关知识进行解决。而前向分步算法可以用来求解这种方式的问题,它的基本思路是:因为学习的是加法模型,如果从前向后,每一步只优化一个基函数及其系数,逐步
- 优化|复杂度分析——用于凸约束非凸优化问题的光滑化近似点增广拉格朗日算法
运筹OR帷幄
算法机器学习人工智能
1.简介对于无约束的非凸优化问题,算法复杂度的下界为Ω(1/ϵ2)\Omega(1/\epsilon^2)Ω(1/ϵ2);在目标函数光滑时,这个下界可以通过标准梯度下降算法来取到.对于带约束的非凸优化问题,这个下界依旧适用;到这里,我们自然会提出疑问:它是否也能通过某个一阶算法来取到?对此,本文[1]^{[1]}[1]作出了回答.文中介绍了一种简单的一阶算法——光滑化近似点增广拉格朗日方法(Smo
- 03 凸优化理论-凸函数
Jay Morein
优化理论与随机控制算法
03凸函数目录3.1凸函数的定义、性质(凸函数的判定)、示例3.2保凸运算3.4拟凸函数3.5对数凸函数3.3共轭函数3.6关于广义不等式的凸性3.1凸函数的定义、性质和例子(一)凸函数的定义&扩展值延伸3.1.1定义Def1凸函数的定义、几何含义定理1:仿射函数等价于既凸又凹函数。定理2(凸性由函数在直线上的性质刻画)*:凸函数的充要条件是与其定义域相交的任何直线上都是凸的。(可以将函数限制在直
- 凸优化问题:基础定义
TensorME
数学理论凸优化
“一旦将一个实际问题表述为凸优化问题,大体上意味着相应问题已经得到彻底解决,这是非凸的优化问题所不具有的性质。”——《译者序》“事实上,优化问题的分水岭不是线性与非线性,而是凸性与非凸性”——Rockafellar1什么是凸优化什么是凸优化?抛开凸优化中的种种理论和算法不谈,纯粹的看优化模型,凸优化就是:1、在最小化(最大化)的要求下,2、目标函数是一个凸函数(凹函数),3、同时约束条件所形成的可
- 深度学习|拉格朗日对偶及KKT条件推导
科研工作站
深度学习KKT对偶仿射
目录1主要内容2问题提出3对偶推导4KKT条件1主要内容在电力系统优化过程中,风光等分布式能源出力和负荷的不确定性(即源荷不确定性)形成了电力系统方向的研究热点,每个研究人员都试图通过自己的方法将研究推进的更深入一些,在理论研究的深层次上,离不开鲁棒优化,包括两阶段鲁棒优化、分布鲁棒优化算法等,鲁棒优化的基础知识是拉格朗日对偶和KKT条件,给大家推荐个课程——凌青老师的《凸优化》,该课程系统性讲解
- CVX工具包(for matlab)
夕夕夕夕嘻嘻嘻嘻
编程工具matlabcvx优化
CVX工具包(formatlab)CVX是斯坦福的教授StephenP.Bold等人开发的一个基于Matlab的凸优化工具包,能够解决诸如线性规划,二次规划,整数规划(需要license)等等优化问题,且使用非常的人性化。比如,求解最小二乘法等问题。Installation支持32/64位的Linux,MACOSX,Windows系统。可戳官方下载链接:http://cvxr.com/cvx/do
- Matlab中CVX工具箱使用
Upsame
MatlabCVXMatlab
Matlab中CVX工具箱使用CVX是一个凸优化解决工具,需要在Matlab上使用。CVX让Matlab变成一个模型语言,可以使用Matlab的标准语法完成优化问题的求解。安装下载官方安装包,解压缩到任意路径,建议和Matlab放到一起。打开Matlab,切换路径到CVX的存放路径,Matlab中运行cvx_setup命令即完成安装。cdC:\personal\cvxcvx_setupCVX支持的
- 【笔记】认识凸优化
假装有头像
笔记
凸优化凸优化是一类特殊的数学优化问题,其基本思路是凸优化的基本思路是通过利用凸性质,将优化问题转化为在凸集上定义的凸函数的最优化问题,从而能够借助凸优化的理论和算法来高效求解。凸优化问题相对于一般的优化问题更易于求解以下是凸优化的基本思路和特点:凸集:凸优化中的关键概念之一是凸集。凸集是一个具有凸性质的集合,即对于集合中的任意两点,连接它们的线段仍然在集合内部。凸优化通常涉及到在凸集上定义的优化问
- 自动驾驶轨迹规划之碰撞检测(二)
无意2121
自动驾驶轨迹规划算法游戏引擎算法自动驾驶
欢迎大家关注我的B站:偷吃薯片的Zheng同学的个人空间-偷吃薯片的Zheng同学个人主页-哔哩哔哩视频(bilibili.com)目录1.基于凸优化2.具身足迹3.ESDF自动驾驶轨迹规划之碰撞检测(一)-CSDN博客大家可以先阅读之前的博客1.基于凸优化以此为代表的算法则是OBCA无论是自车还是障碍物都可以表示为凸多边形,因此可以表示为多个超平面围成的空间同时,自车与障碍物的避撞表达式就可以写
- 深度学习数学知识点
搬砖成就梦想
深度学习人工智能
一、线性代数二、概率论三、微积分四、凸优化参考资料一、线性代数书籍&视频李宏毅线性代数MITLinearAlgebra知识点1)线性空间及线性变换2)矩阵的基本概念3)状态转移矩阵4)特征向量5)矩阵的相关乘法6)矩阵的QR分解7)对称矩阵、正交矩阵、正定矩阵8)矩阵的SVD分解9)矩阵的求导10)矩阵映射/投影11)矩阵的秩12)矩阵的特征值和特征空间二、概率论书籍&视频MITIntroduct
- 凸优化—常见分式规划解决方法及代码实现
兜兜转转m
通信仿真和学习算法
分式规划是凸优化中常见的问题,例如最大化能效等。这篇博客介绍了single-ratio分式规划的二种常见方法。1、Quadratictransform2、Dinkelbach'sTransform优化问题一个简单的优化问题如何使用上述二种方法来计算呢?Quadratictransform代码复现%%方法2:QuadraticTransform求解max(x/(x^2+1))s.tx>=0iter_
- 凸优化: 障碍函数法
QQ_AHAO
凸优化算法机器学习
上一节讲到了等式消除的牛顿法,这一节我们讲一般约束问题的障碍函数法。首先我们利用对数阀函数来近似替代示性函数,用来消去不等式约束。最终使得问题变为等式约束的牛顿法,然后消除法消去等式约束,再利用牛顿法进行迭代求解。例题:求解过程:以上都是笔者个人学习方法,如有不妥之处,欢迎大家批判指正,后续有时间,笔者会分享更多的凸优化学习方法给大家。
- 凸优化: 惩罚函数之内罚函数法(等式消除的newton法,一般约束问题的障碍函数法)
QQ_AHAO
凸优化其他经验分享机器学习
目录0.说明:1.等式约束的newton法:2.障碍函数法0.说明:相信不少小伙伴在学习内罚函数时会遇到不少障碍,接下来我将从结合个人学习过程,通过例题给小伙伴们讲解一下自己的见解,因为其理论知识在《凸优化》(王书宁译)介绍的很详细,所以我只介绍在例题中如何应用。由于外罚函数和内点法的不等式约束问题在网上都可以找到例题和求解方法,而且也相对较简单,所以在此我就多做赘述了。就讲述一下较难的等式消除的
- 深度卷积神经网络
sendmeasong_ying
深度学习cnn深度学习机器学习
目录1.AlexNet2.代码实现1.AlexNet(1)特征提取(2)选择核函数来计算相关性:怎么判断在高维空间里面两个点是如何相关的,如果是线性模型就是做内积。(3)凸优化问题(4)漂亮的定理丢弃法的作用就是因为模型太大了,使用它来对模型做正则。Relu相比于sigmoid梯度确实更大,Maxpooling使用的是最大值,因此输出的值比较大,梯度就比较大,训练就更加容易。输入是224*224,
- 凸优化Convex Optimization期末复习重点和考试笔记(一)凸集+凸函数
Q小Q琪
学习机器学习笔记人工智能
最近被凸优化考试整疯了,梳理出来一些复习重点和知识点笔记,希望能够帮助到有缘人!总共有四章重点,我分两个博客放哈~第一部分:凸集第二部分:凸函数以上是凸集和凸函数两章的期末复习笔记。
- 凸优化Convex Optimization期末复习重点和考试笔记(二)凸优化+对偶
Q小Q琪
学习机器学习人工智能笔记
接博客【凸优化ConvexOptimization期末复习重点和考试笔记(一)凸集+凸函数】第三部分:凸优化第四部分:对偶几种典型的凸函数以上就是凸优化和对偶函数部分,以及几种常见的凸函数。我们就考到这所以后面的没有整理,自己整理的有些地方可能有小错,希望大佬批评指正
- 【凸优化】【长链剖分】【2019冬令营模拟1.8】tree
YiPeng_Deng
题解凸优化长链剖分DP二分树形DP学习小计凸优化长链剖分树形DP预留数组空间二分
PROMBLEM给你一棵树,你需要在树上选择恰好m条点不相交的、长度至少为k的路径,使得路径所覆盖的点权和尽可能大。求最大点权和。数据保证有解。SOLUTION这是一道综合的题目,考察凸优化、长链剖分、树形DP、以及关于数组空间的优化首先引进凸优化凸优化就是关于答案可以表示成一个凸函数f(x),x是题目给出的参数,并且这个函数的斜率成下降的趋势(反过来也可以)假设我们已知的函数的最大值是f(m’)
- MATLAB中CVX工具箱解决凸优化问题的基本知识——语法、变量声明、目标函数、约束条件、cvx编程错误及解决方法
小易吾
MATLABCVX专栏matlab开发语言
提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档文章目录前言一、语法二、变量声明三、目标函数四、约束条件五、函数六、cvx特有的数学运算表达式七、常见错误八、进阶阅读参考资料前言本文是在最近学习MATLABCVX工具箱解决凸优化问题时学到的一些知识点,分享出来供大家参考。进行CVX编程时,会遇到各种各样意想不到又难以解决的报错问题,如果编程过程中遇到了很多cvxbug和错误,可以阅
- 凸优化 3:最优化方法
Debroon
#凸优化算法
凸优化3:最优化方法最优化方法适用场景对比费马引理一阶优化算法梯度下降最速下降二阶优化算法牛顿法Hessian矩阵Hessian矩阵的逆Hessian矩阵和梯度的区别牛顿法和梯度下降法的区别拟牛顿法DFP、BFGS/L-BFGS数值优化算法坐标下降法SMO算法基于导数的函数优化解析优化算法/精确解无约束问题-求解驻点方程有等式约束问题-拉格朗日乘数法有等式和不等式约束问题-KKT条件基于随机数函数
- 一句话总结卷积神经网络
城市中迷途小书童
一句话总结卷积神经网络核心:一个共享权重的多层复合函数。卷积神经网络在本质上也是一个多层复合函数,但和普通神经网络不同的是它的某些权重参数是共享的,另外一个特点是它使用了池化层。训练时依然采用了反向传播算法,求解的问题不是凸优化问题。和全连接神经网络一样,卷积神经网络是一个判别模型,它既可以用于分类问题,也可以用用于回归问题,并且支持多分类问题。
- 一篇文章讲清楚凸优化问题
小树modelwiki
人工智能算法支持向量机svm机器学习
本篇文章摘录自数模百科——支持向量机模型-凸优化问题。你是一个快递公司的老板,你们公司有三种车型:小货车,中型卡车和大货车。每种车型都有它的优点和缺点。小货车一次可以运少量的货物,运费便宜,但运送大量货物就需要多次往返;大货车一次可以运很多货物,可如果货物不多,就会浪费运输成本;中型卡车则介于两者之间。现在,你有一批货物需要运送,你要选择何种组合的车型才能在满足运送需求的同时,使得运输成本最低。你
- 【数模百科】支持向量机中的线性SVM讲解以及实现办法
小树modelwiki
支持向量机算法机器学习
本篇文章来源于线性SVM-数模百科,里面有完整的关于支持向量机SVM模型的讲解,还有数据处理、应用、优缺点等重要知识点。首先,强烈建议大家把我之前的文章读一遍。一篇文章讲清楚凸优化问题-CSDN博客快速理解对偶问题-CSDN博客支持向量机SVM模型里的二元线性分类是什么-CSDN博客支持向量机SVM中的核技巧(核函数)应该怎么理解-CSDN博客读完之后,我们开始今天的内容。你在一个屋子里举行了一个
- Convex Formulation for Learning from Positive and Unlabeled Data
zealscott
UnbiasedPUlearning.该论文在之前PUlearning中使用非凸函数作为loss的基础上,对正类样本和未标记样本使用不同的凸函数loss,从而将其转为凸优化问题。结果表明,该loss(doublehingeloss)与非凸loss(ramp)精度几乎一致,但大大减少了计算量。IntrodutionBackground论文首先强调了PU问题的重要性,举了几个例子:Automaticf
- 最优化理论期末复习笔记 Part 2
hijackedbycsdn
笔记最优化凸优化
数学基础线性代数从行的角度从列的角度行列式的几何解释向量范数和矩阵范数向量范数矩阵范数的更强的性质的意义几种向量范数诱导的矩阵范数1范数诱导的矩阵范数无穷范数诱导的矩阵范数2范数诱导的矩阵范数各种范数之间的等价性向量与矩阵序列的收敛性函数的可微性与展开一维优化问题牛顿莱布尼茨公式对多维的拓展Lipschitz连续中值定理凸优化问题凸函数的判断f在D一阶可微正定矩阵f在D二阶可微无约束问题的最优性条
- Convex optimization 3.1 --- 凸优化问题 part1
expectmorata
#CVXMATHoptimization
1introduction在前面两个章节,回顾了凸集、凸函数、凸集和凸函数联系。从这章开始认识凸优化问题。其中,关于各种典型的类别的凸优化问题,主要参考了[2]。2凸优化问题2.1优化问题的标准形式2.1.1优化问题的最优解优化问题的最优解解集可能存在两种极端情况2.1.2优化问题的解集可行解如果xix_ixi满足fi(x)、hi(x)f_i(x)、h_i(x)fi(x)、hi(x),则称xix_
- 最优化理论期末复习笔记 Part 1
hijackedbycsdn
笔记最优化凸优化
数学基础线性代数从行的角度从列的角度行列式的几何解释向量范数和矩阵范数向量范数矩阵范数的更强的性质的意义几种向量范数诱导的矩阵范数1范数诱导的矩阵范数无穷范数诱导的矩阵范数2范数诱导的矩阵范数各种范数之间的等价性向量与矩阵序列的收敛性函数的可微性与展开一维优化问题牛顿莱布尼茨公式对多维的拓展Lipschitz连续中值定理凸优化问题凸函数的判断f在D一阶可微正定矩阵f在D二阶可微无约束问题的最优性条
- jquery实现的jsonp掉java后台
知了ing
javajsonpjquery
什么是JSONP?
先说说JSONP是怎么产生的:
其实网上关于JSONP的讲解有很多,但却千篇一律,而且云里雾里,对于很多刚接触的人来讲理解起来有些困难,小可不才,试着用自己的方式来阐释一下这个问题,看看是否有帮助。
1、一个众所周知的问题,Ajax直接请求普通文件存在跨域无权限访问的问题,甭管你是静态页面、动态网页、web服务、WCF,只要是跨域请求,一律不准;
2、
- Struts2学习笔记
caoyong
struts2
SSH : Spring + Struts2 + Hibernate
三层架构(表示层,业务逻辑层,数据访问层) MVC模式 (Model View Controller)
分层原则:单向依赖,接口耦合
1、Struts2 = Struts + Webwork
2、搭建struts2开发环境
a>、到www.apac
- SpringMVC学习之后台往前台传值方法
满城风雨近重阳
springMVC
springMVC控制器往前台传值的方法有以下几种:
1.ModelAndView
通过往ModelAndView中存放viewName:目标地址和attribute参数来实现传参:
ModelAndView mv=new ModelAndView();
mv.setViewName="success
- WebService存在的必要性?
一炮送你回车库
webservice
做Java的经常在选择Webservice框架上徘徊很久,Axis Xfire Axis2 CXF ,他们只有一个功能,发布HTTP服务然后用XML做数据传输。
是的,他们就做了两个功能,发布一个http服务让客户端或者浏览器连接,接收xml参数并发送xml结果。
当在不同的平台间传输数据时,就需要一个都能解析的数据格式。
但是为什么要使用xml呢?不能使json或者其他通用数据
- js年份下拉框
3213213333332132
java web ee
<div id="divValue">test...</div>测试
//年份
<select id="year"></select>
<script type="text/javascript">
window.onload =
- 简单链式调用的实现技术
归来朝歌
方法调用链式反应编程思想
在编程中,我们可以经常遇到这样一种场景:一个实例不断调用它自身的方法,像一条链条一样进行调用
这样的调用你可能在Ajax中,在页面中添加标签:
$("<p>").append($("<span>").text(list[i].name)).appendTo("#result");
也可能在HQ
- JAVA调用.net 发布的webservice 接口
darkranger
webservice
/**
* @Title: callInvoke
* @Description: TODO(调用接口公共方法)
* @param @param url 地址
* @param @param method 方法
* @param @param pama 参数
* @param @return
* @param @throws BusinessException
- Javascript模糊查找 | 第一章 循环不能不重视。
aijuans
Way
最近受我的朋友委托用js+HTML做一个像手册一样的程序,里面要有可展开的大纲,模糊查找等功能。我这个人说实在的懒,本来是不愿意的,但想起了父亲以前教我要给朋友搞好关系,再加上这也可以巩固自己的js技术,于是就开始开发这个程序,没想到却出了点小问题,我做的查找只能绝对查找。具体的js代码如下:
function search(){
var arr=new Array("my
- 狼和羊,该怎么抉择
atongyeye
工作
狼和羊,该怎么抉择
在做一个链家的小项目,只有我和另外一个同事两个人负责,各负责一部分接口,我的接口写完,并全部测联调试通过。所以工作就剩下一下细枝末节的,工作就轻松很多。每天会帮另一个同事测试一些功能点,协助他完成一些业务型不强的工作。
今天早上到公司没多久,领导就在QQ上给我发信息,让我多协助同事测试,让我积极主动些,有点责任心等等,我听了这话,心里面立马凉半截,首先一个领导轻易说
- 读取android系统的联系人拨号
百合不是茶
androidsqlite数据库内容提供者系统服务的使用
联系人的姓名和号码是保存在不同的表中,不要一下子把号码查询来,我开始就是把姓名和电话同时查询出来的,导致系统非常的慢
关键代码:
1, 使用javabean操作存储读取到的数据
package com.example.bean;
/**
*
* @author Admini
- ORACLE自定义异常
bijian1013
数据库自定义异常
实例:
CREATE OR REPLACE PROCEDURE test_Exception
(
ParameterA IN varchar2,
ParameterB IN varchar2,
ErrorCode OUT varchar2 --返回值,错误编码
)
AS
/*以下是一些变量的定义*/
V1 NUMBER;
V2 nvarc
- 查看端号使用情况
征客丶
windows
一、查看端口
在windows命令行窗口下执行:
>netstat -aon|findstr "8080"
显示结果:
TCP 127.0.0.1:80 0.0.0.0:0 &
- 【Spark二十】运行Spark Streaming的NetworkWordCount实例
bit1129
wordcount
Spark Streaming简介
NetworkWordCount代码
/*
* Licensed to the Apache Software Foundation (ASF) under one or more
* contributor license agreements. See the NOTICE file distributed with
- Struts2 与 SpringMVC的比较
BlueSkator
struts2spring mvc
1. 机制:spring mvc的入口是servlet,而struts2是filter,这样就导致了二者的机制不同。 2. 性能:spring会稍微比struts快。spring mvc是基于方法的设计,而sturts是基于类,每次发一次请求都会实例一个action,每个action都会被注入属性,而spring基于方法,粒度更细,但要小心把握像在servlet控制数据一样。spring
- Hibernate在更新时,是可以不用session的update方法的(转帖)
BreakingBad
Hibernateupdate
地址:http://blog.csdn.net/plpblue/article/details/9304459
public void synDevNameWithItil()
{Session session = null;Transaction tr = null;try{session = HibernateUtil.getSession();tr = session.beginTran
- 读《研磨设计模式》-代码笔记-观察者模式
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;
import java.util.Observable;
import java.util.Observer;
/**
* “观
- 重置MySQL密码
chenhbc
mysql重置密码忘记密码
如果你也像我这么健忘,把MySQL的密码搞忘记了,经过下面几个步骤就可以重置了(以Windows为例,Linux/Unix类似):
1、关闭MySQL服务
2、打开CMD,进入MySQL安装目录的bin目录下,以跳过权限检查的方式启动MySQL
mysqld --skip-grant-tables
3、新开一个CMD窗口,进入MySQL
mysql -uroot
 
- 再谈系统论,控制论和信息论
comsci
设计模式生物能源企业应用领域模型
再谈系统论,控制论和信息论
偶然看
- oracle moving window size与 AWR retention period关系
daizj
oracle
转自: http://tomszrp.itpub.net/post/11835/494147
晚上在做11gR1的一个awrrpt报告时,顺便想调整一下AWR snapshot的保留时间,结果遇到了ORA-13541这样的错误.下面是这个问题的发生和解决过程.
SQL> select * from v$version;
BANNER
-------------------
- Python版B树
dieslrae
python
话说以前的树都用java写的,最近发现python有点生疏了,于是用python写了个B树实现,B树在索引领域用得还是蛮多了,如果没记错mysql的默认索引好像就是B树...
首先是数据实体对象,很简单,只存放key,value
class Entity(object):
'''数据实体'''
def __init__(self,key,value)
- C语言冒泡排序
dcj3sjt126com
算法
代码示例:
# include <stdio.h>
//冒泡排序
void sort(int * a, int len)
{
int i, j, t;
for (i=0; i<len-1; i++)
{
for (j=0; j<len-1-i; j++)
{
if (a[j] > a[j+1]) // >表示升序
- 自定义导航栏样式
dcj3sjt126com
自定义
-(void)setupAppAppearance
{
[[UILabel appearance] setFont:[UIFont fontWithName:@"FZLTHK—GBK1-0" size:20]];
[UIButton appearance].titleLabel.font =[UIFont fontWithName:@"FZLTH
- 11.性能优化-优化-JVM参数总结
frank1234
jvm参数性能优化
1.堆
-Xms --初始堆大小
-Xmx --最大堆大小
-Xmn --新生代大小
-Xss --线程栈大小
-XX:PermSize --永久代初始大小
-XX:MaxPermSize --永久代最大值
-XX:SurvivorRatio --新生代和suvivor比例,默认为8
-XX:TargetSurvivorRatio --survivor可使用
- nginx日志分割 for linux
HarborChung
nginxlinux脚本
nginx日志分割 for linux 默认情况下,nginx是不分割访问日志的,久而久之,网站的日志文件将会越来越大,占用空间不说,如果有问题要查看网站的日志的话,庞大的文件也将很难打开,于是便有了下面的脚本 使用方法,先将以下脚本保存为 cutlog.sh,放在/root 目录下,然后给予此脚本执行的权限
复制代码代码如下:
chmo
- Spring4新特性——泛型限定式依赖注入
jinnianshilongnian
springspring4泛型式依赖注入
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
- centOS安装GCC和G++
liuxihope
centosgcc
Centos支持yum安装,安装软件一般格式为yum install .......,注意安装时要先成为root用户。
按照这个思路,我想安装过程如下:
安装gcc:yum install gcc
安装g++: yum install g++
实际操作过程发现,只能有gcc安装成功,而g++安装失败,提示g++ command not found。上网查了一下,正确安装应该
- 第13章 Ajax进阶(上)
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/
- How to determine BusinessObjects service pack and fix pack
blueoxygen
BO
http://bukhantsov.org/2011/08/how-to-determine-businessobjects-service-pack-and-fix-pack/
The table below is helpful. Reference
BOE XI 3.x
12.0.0.
y BOE XI 3.0 12.0.
x.
y BO
- Oracle里的自增字段设置
tomcat_oracle
oracle
大家都知道吧,这很坑,尤其是用惯了mysql里的自增字段设置,结果oracle里面没有的。oh,no 我用的是12c版本的,它有一个新特性,可以这样设置自增序列,在创建表是,把id设置为自增序列
create table t
(
id number generated by default as identity (start with 1 increment b
- Spring Security(01)——初体验
yang_winnie
springSecurity
Spring Security(01)——初体验
博客分类: spring Security
Spring Security入门安全认证
首先我们为Spring Security专门建立一个Spring的配置文件,该文件就专门用来作为Spring Security的配置