ANTennaaa
ANTennaaa

Python实现谱聚类 SpectralClustering

  • 致敬吴恩达老师

  • 对于kmeans等聚类方法，往往局限于欧氏空间的特征关系。如果对于流形上分布的数据使用全局欧氏空间特征，算法就不会收敛，比如下面的moon数据集。

  • 思想：把聚类问题转换成图切割问题，通过图论方法完成优化，得出聚类结果。
    Python实现谱聚类 SpectralClustering_第1张图片
    *由于模块较多，不便于直接贴出来。代码见个人资源下载链接。
    *运行方法：直接运行 spectral_moon_data.py 即可得到上面的效果！

  • 整体流程：

  1. 利用点对相似性，构建亲和度矩阵
  2. 构建拉普拉斯矩阵
  3. 求拉普拉斯矩阵最小特征值对应的特征向量
  4. 由这些特征向量构成样本的新特征，使用K_Means等聚类方法完成最后的聚类

（以上是引用的模式识别课程PPT

解释一下第四点，聚类完后，要根据索引映射到原始数据集，就可以了。具体实现可以下载我的代码进行学习。

Liu Yaohua 2019.11.28 in UCAS

你可能感兴趣的:(模式识别)

  • K-means 算法的介绍与应用 小魏冬琅 matlab算法kmeans机器学习
    目录引言K-means算法的基本原理表格总结：K-means算法的主要步骤K-means算法的MATLAB实现优化方法与改进K-means算法的应用领域表格总结：K-means算法的主要应用领域结论引言K-means算法是一种经典的基于距离的聚类算法，在数据挖掘、模式识别、图像处理等多个领域中得到了广泛应用。其核心思想是将相似的数据对象聚类到同一个簇中，而使得簇内对象的相似度最大、簇间的相似度最小
  • OpenCV3最常用的基本操作 HeoLis
    OpenCV介绍OpenCV的全称是OpenSourceComputerVisionLibrary，是一个跨平台的计算机视觉库。OpenCV是由英特尔公司发起并参与开发，以BSD许可证授权发行，可以在商业和研究领域中免费使用。OpenCV可用于开发实时的图像处理、计算机视觉以及模式识别程序。该程序库也可以使用英特尔公司的IPP进行加速处理。以上是维基百科关于OpenCV的介绍，简单来说它就是处理图
  • EI检索-机器视觉、图像处理与影像技术国际学术会议（MVIPIT 2023）邀您参会！ 诗远Yolanda 图像处理人工智能计算机视觉
    机器视觉是计算机学科的一个重要分支，它综合了光学、机械、电子、计算机软硬件等方面的技术，涉及到计算机、图像处理、模式识别、人工智能、信号处理、光机电一体化等多个领域。而图像处理等技术的快速发展也推动了机器视觉的发展。机器视觉在我国具有广泛的工业应用，核心功能包括：测量，检测，识别，定位等。第一届机器视觉、图像处理与影像技术国际学术会议（MVIPIT2023）将于2023年7月26日-28日在浙江杭
  • Java在智能数据挖掘系统的应用 lizi88888 java数据挖掘开发语言
    智能数据挖掘系统是利用机器学习、统计分析等技术从大量数据中自动或半自动地发现模式和知识的系统。Java作为一种流行的编程语言，因其强大的性能和丰富的生态系统，在智能数据挖掘领域的应用非常广泛。本文将探讨Java在智能数据挖掘系统中的应用，并提供示例代码。智能数据挖掘系统概述智能数据挖掘系统通常具备以下功能：数据预处理：包括数据清洗、归一化、特征选择等。模式识别：识别数据中的模式，如分类、聚类、关联
  • 图形几何算法 -- 凸包算法 CAD三维软件二次开发 算法学习算法c#3d几何学
    前言常用凸包算法包括GrahamScan算法和JarvisMarch(GiftWrapping)算法，在这里要简单介绍的是GrahamScan算法。1、概念凸包是一个点集所包围的最小的凸多边形。可以想象用一根绳子围绕着一群钉子，绳子所形成的轮廓便是这些钉子的凸包。在计算几何中，凸包得到了广泛的应用，涉及领域包括模式识别、图像处理和优化问题等。2、算法原理凸包算法的目标是从给定的点集（在二维平面中）
  • 深度学习入门：使用 PyTorch 构建和训练你的第一个神经网络 Mr' 郑 深度学习pytorch神经网络
    引言深度学习是机器学习的一个分支，它利用多层非线性处理单元（即神经网络）来解决复杂的模式识别问题。PyTorch是一个强大的深度学习框架，它提供了灵活的API和动态计算图，非常适合初学者和研究者使用。安装PyTorch确保安装了Python和pip。然后通过以下命令安装PyTorch：pipinstalltorchtorchvision导入库我们需要导入一些必要的库：importtorchimpo
  • 机器学习算法深度总结(5)-逻辑回归 婉妃
    1.模型定义逻辑回归属于基于概率分类的学习法.基于概率的模式识别是指对模式x所对应的类别y的后验概率禁行学习.其所属类别为后验概率最大时的类别:预测类别的后验概率,可理解为模式x所属类别y的可信度.逻辑回归(logistic),使用线性对数函数对分类后验概率进行模型化:上式,分母是满足概率总和为1的约束条件的正则化项,参数向量维数为:考虑二分类问题:使用上述关系式,logistic模型的参数个数从
  • 计算机视觉概念科普 极客代码 玩转AI人工智能图像处理计算机视觉深度学习
    计算机视觉（ComputerVision,CV）是一门多学科交叉的科学，旨在让计算机具备“看”的能力，即通过图像或视频数据来理解世界。它结合了信号处理、图像处理、模式识别、机器学习等多个领域的技术，让计算机能够执行诸如识别、分类、追踪等复杂的视觉任务。本文将深入探讨计算机视觉的核心概念和技术。一、计算机视觉概述计算机视觉是一门研究如何让计算机“看”世界并从中获取信息的科学。它主要关注如何处理、分析
  • 机器学习（ML）算法分类 活蹦乱跳酸菜鱼 机器学习
    机器学习（ML）算法是一个广泛而多样的领域，涵盖了多种用于数据分析和模式识别的技术。以下是一些常见的机器学习算法分类及其具体算法：一、监督学习算法监督学习算法使用标记（即已知结果）的训练数据来训练模型，以便对新数据进行预测。线性回归：用于建立连续变量之间的关系，通过拟合一条直线或超平面来预测新数据的输出值。逻辑回归：虽然名称中包含“回归”，但实际上是用于分类问题，特别是二分类问题。通过将线性回归模
  • 让数据说话：人工智能与六西格玛的完美结合 张驰课堂 人工智能六西格玛
    当人工智能与六西格玛结合，企业可以充分利用人工智能技术的数据处理、预测分析和智能决策支持能力，实现数据驱动的决策、质量控制和流程优化，从而提高企业的效率和竞争力。下面张驰咨询给大家具体的介绍：1、数据驱动决策六西格玛侧重于数据分析和决策制定，而人工智能可以提供更强大的数据处理和分析能力。通过人工智能技术，可以自动收集和整理大量的数据，并进行有效的数据挖掘和模式识别。这些数据分析结果可以为六西格玛项
  • 神经网络（深度学习，计算机视觉，得分函数，损失函数，前向传播，反向传播，激活函数） MarkHD 深度学习神经网络计算机视觉
    神经网络，特别是深度学习，在计算机视觉等领域有着广泛的应用。以下是关于你提到的几个关键概念的详细解释：神经网络：神经网络是一种模拟人脑神经元结构的计算模型，用于处理复杂的数据和模式识别任务。它由多个神经元（或称为节点）组成，这些神经元通过权重和偏置进行连接，并可以学习调整这些参数以优化性能。深度学习：深度学习是神经网络的一个子领域，主要关注于构建和训练深度神经网络（即具有多个隐藏层的神经网络）。通
  • 基于Python和OpenCV的产品码识别与验证案例 GT开发算法工程师 pythonopencv开发语言人工智能计算机视觉
    引言：本案例展示了如何使用Python结合OpenCV库来实现产品码的识别与验证。首先，通过图像预处理技术（如灰度化、二值化、降噪等）优化产品码图像，然后利用OpenCV中的模板匹配或机器学习算法（如SVM、神经网络等）来定位并识别产品码。目录原理：代码部分：注意：原理：产品码识别与验证的核心在于图像处理与模式识别技术。首先，通过图像处理技术提取出产品码区域，去除背景干扰，增强产品码的可识别性。然
  • 《模式识别与机器学习》第一章 CS_Zero 机器学习人工智能
    C1符号含义x\boldxx：向量，曲线拟合问题中的x坐标数值序列。元素个数为N。t\boldtt：向量，曲线拟合问题中的y坐标(target)数值序列。w\boldww：向量，曲线拟合问题中的待估计的参数，即M阶多项式的各阶系数。β\betaβ：标量，协方差的倒数，表示样本的精度。α\alphaα：标量，同上，曲线拟合例子中的先验的精度。多项式曲线拟合E(w)=12∑n=1N{y(xn,w)−t
  • 六、图像的几何变换 云峰天际 计算机视觉人工智能opencv人工智能计算机视觉
    文章目录前言一、镜像变换二、缩放变换前言在计算机视觉中，图像几何变换是指对图像进行平移、旋转、缩放、仿射变换和镜像变换等操作，以改变图像的位置、尺寸、形状或视角，而不改变图像的内容。这些变换在图像处理、模式识别、机器人视觉、医学影像处理等领域具有广泛的应用。通过图像几何变换，可以实现图像的校正、配准、增强和重建等功能，为后续的图像分析和理解提供了重要的基础。一、镜像变换水平镜像（水平翻转）其原理是
  • RBF神经网络中的RBF的英文全称是什么，是用来干什么的？ 神笔馬良 神经网络人工智能深度学习
    问题描述：RBF神经网络中的RBF的英文全称是什么，是用来干什么的？问题解答：RBF神经网络中的RBF是径向基函数（RadialBasisFunction）的缩写。径向基函数是一种在机器学习和模式识别中常用的函数类型，它们通常用于构建非线性模型。在RBF神经网络中，径向基函数被用作隐藏层的激活函数，用来将输入数据从输入空间映射到一个高维的特征空间，从而实现非线性的数据拟合和模式识别。具体来说，径向
  • 用脑想问题还是用心驱动脑? 风口猪炒股指标 抢财猫股票课堂我的思想大火拼脑心关系
    昨天回答了几个朋友的问题，我发现提问题的人很少，这让我想起之前讲的小妞子的故事，我问了她好几个月的同一句话：你有问题吗？结果她很反感，嘿嘿。其实吧，我讲的很多东西都是实的，反而我们感知不到的日常以为真的东西其实是不真实的。比如说眼见为实，真正是眼睛看到的是你认识的真实的吗？不是，因为你脑子里有模式识别了才被识别出来，如果脑子里没有模式就无法识别，即便眼睛看到了也会忽略掉。那追问下去，如果脑子无法识
  • 【专题】2023年中国手术机器人行业专题报告PDF合集分享（附原数据表）
    原文链接：https://tecdat.cn/?p=34144仿生机器人作为一类结合了仿生学原理的机器人，具备自主决策和规划行动的能力，正逐渐进入大众视野。它们的核心技术要素包括感知与认知技术、运动与控制技术、人机交互技术和自主决策技术。阅读原文，获取专题报告合集全文，解锁文末68份仿生机器人相关行业研究报告。感知与认知技术涵盖了各种传感器的应用、模式识别和情感理解等高级认知能力，而运动与控制技术
  • 计算机视觉主要知识点 superdont 计算机视觉人工智能
    计算机视觉是指利用计算机和算法来解析和理解图片和视频中的内容。这是一个跨学科领域，融合了计算机科学、图像处理、机器学习和模式识别等多方面的技术。以下是一些计算机视觉入门的基本知识点：图像基础：像素：图片的最基本组成单元，包含了颜色信息。色彩空间：如RGB（红、绿、蓝）、HSV（色调、饱和度、明度）等，不同色彩空间代表图像色彩的方式不同。图像类型：位图（Bitmap）与矢量图（Vector），位图由
  • 探索未来：集成存储器计算(IMC)与深度神经网络(DNN)的机遇与挑战 繁依Fanyi dnn人工智能神经网络深度学习机器学习gitwindows
    开篇部分：人工智能、深度神经网络与内存计算的交汇在当今数字化时代，人工智能（AI）已经成为科技领域的一股强大力量，而深度神经网络（DNN）则是AI的核心引擎之一。DNN是一种模仿人类神经系统运作方式的计算模型，通过层层堆叠的神经元网络来实现复杂的模式识别和数据处理任务。从图像识别、语音识别到自然语言处理，DNN已经在各个领域展现了惊人的能力。然而，随着DNN模型的不断演进和复杂化，对计算资源的需求
  • 机器学习系列——（十七）聚类 飞影铠甲 机器学习机器学习聚类人工智能
    引言在当今数据驱动的时代，机器学习已经成为了解锁数据潜能的关键技术之一。其中，聚类作为机器学习领域的一个重要分支，广泛应用于数据挖掘、模式识别、图像分析等多个领域。本文旨在深入探讨聚类技术的原理、类型及其应用，为读者提供一个全面而深入的了解。一、什么是聚类？聚类是一种无监督学习（UnsupervisedLearning）技术，它的目标是将相似的对象分组到一起，形成簇（Cluster）。与有监督学习
  • 「论文搬运」王亦洲课题组 CVPR 2021 入选论文解读：时间序列疾病预测的因果隐马尔可夫模型 Sternstunden 论文计算机视觉人工智能深度学习cvpr
    本文是对发表于计算机视觉和模式识别领域的顶级会议CVPR2021的论文“CausalHiddenMarkovModelforTimeSeriesDiseaseForecasting（时间序列疾病预测的因果隐马尔可夫模型）”的解读。该论文由北京大学王亦洲课题组与深睿医疗等单位合作，针对时间序列疾病预测的问题，提出了因果隐马尔可夫模型描述疾病的动态发展过程，并使用基于VAE的变分框架进行学习。通过对图
  • 探秘深度学习的巅峰之作：ResNet101与其在图像识别领域的革命性应用 程序员Chino的日记 深度学习人工智能
    引言深度学习和图像识别的世界已经被深度卷积神经网络的引入所革命化，而在这些网络中，ResNet101架构作为一个重要的里程碑脱颖而出。本文旨在详细探讨ResNet101架构、其设计、功能和应用。ResNet革命2015年在计算机视觉和模式识别会议（CVPR）上介绍的ResNet（残差网络）家族，标志着深度学习图像识别的一个转折点。这些网络引入了残差学习的概念，解决了深度神经网络中的梯度消失问题，使
  • LSTM进行时间序列预测还有哪些创新点，有什么推荐的好发论文的模型和代码？ 电力系统爱好者 lstm人工智能rnn
    LSTM进行时间序列预测还有哪些创新点，有什么推荐的好发论文的模型和代码？时间序列分析是处理时间相关数据的一种方法，常用于预测、趋势分析和模式识别等应用。下面是一些常见的时间序列分析方法和相应的MATLAB代码示例：移动平均法：%计算简单移动平均data=[1,2,3,4,5,6];windowSize=3;movingAverage=movmean(data,windowSize);自回归模型（
  • 机器学习简要概述 @Duang~ 机器学习机器学习人工智能算法
    一、基本概念及应用传统机器学习算法首先需要对数据进行特征提取，采用分类器（如决策树、人工神经网络、贝叶斯、集成学习、支持向量机等）进行分类。机器学习：特征提取+分类器分类特征提取难，制约发展。深度学习出现，一定程度解决了特征提取的难题，机器学习繁荣起来。机器学习+数据库=数据挖掘+工业应用=模式识别+图像处理=机器视觉+语音处理=语音识别+文本处理=自然语言处理二、数据集及模型数据集的划分：方法：
  • 大脑的工作原理 珊珊_带你重返年轻
    今天继续阅读《微习惯》第二章，大脑的工作原理。今天这一章有点烧脑。大脑分成两个部分-潜意识部分和意识部分。重复就是（潜意识）大脑使用的语言。建立习惯的目标是用重复来改变大脑。事实上改变习惯的两个关键点是重复和回报，如果有回报，大脑更愿意重复做一件事。我们的行为中有45%是自动完成的，无须思考的。大脑是由执行决策和进行自动行为模式识别的两部分组成的系统。前额皮层的管理功能相当活跃，反应灵敏，但同时也
  • 计算机视觉比较有名的期刊和会议 anycedo
    中文SCI级：《物理学报》《红外与毫米波学报》etc.（IF比较低，也不是特别专门针对计算机视觉）EI级：《自动化学报》《光学精密工程》《电子学报》《软件学报》《计算机研究与发展》《计算机学报》《计算机辅助设计与图形学学报》《系统工程与电子技术》、一些大学的学报，etc.（质量参差不齐）中文核心《中国图象图形学报》《模式识别与人工智能》《机器人》《图学学报》《电光与控制》etc.国际会议1.ICC
  • 工信部颁发的《计算机视觉处理设计开发工程师》中级证书 人工智能技术与咨询 人工智能计算机视觉自然语言处理
    计算机视觉（ComputerVision）是一门研究如何让计算机能够理解和分析数字图像或视频的学科。简单来说，计算机视觉的目标是让计算机能够像人类一样对视觉信息进行处理和理解。为实现这个目标，计算机视觉结合了图像处理、机器学习、模式识别、计算几何等多个领域的理论和技术。计算机视觉在许多领域和行业中具有广泛应用，如自动驾驶、医疗影像分析、无人机、智能监控、虚拟现实（VR）和增强现实（AR）等。随着深
  • 【大厂AI课学习笔记】1.5 AI技术领域（2）语音识别 giszz 学习笔记人工智能人工智能学习笔记
    今天来梳理语音识别相关的关键技术和发展脉络。语音识别：定义、关键技术、技术发展、应用场景与商业化成功一、语音识别的定义语音识别，也称为自动语音识别（ASR），是指将人类的语音转换为机器可读的文本或命令的技术。它是人机交互的重要组成部分，旨在让计算机能够理解并执行人类的语音指令。语音识别技术涉及到信号处理、模式识别、自然语言处理等多个领域的知识。二、关键技术信号处理和特征提取：语音信号是一种复杂的时
  • 深度学习在智能交互中的应用：人与机器的和谐共生 wd90119 深度学习人工智能
    深度学习与人类的智能交互是当前人工智能领域研究的热点之一。深度学习作为机器学习的一个重要分支，具有强大的特征学习和模式识别能力，可以模拟人脑的神经网络进行数据分析和预测。而人类的智能交互则是指人类与机器之间的信息交流和操作互动，包括语音识别、图像识别、自然语言处理等技术。深度学习与人类的智能交互相结合，可以实现更加自然、高效和智能的人机交互方式。例如，通过深度学习的语音识别技术，机器可以理解和识别
  • 深度学习的进展 csdn_aspnet 深度学习人工智能
    一、深度学习的基本原理和算法：深度学习是一种基于神经网络的机器学习方法，其基本原理是模仿人脑神经网络的结构和功能，通过多层次的神经网络模型来实现对数据的学习和模式识别。以下是深度学习的基本原理和算法：1、输入层：深度学习的输入层接收原始数据，这可以是图像、文本、音频等各种形式的数据。2、隐藏层：深度学习的核心是多层的隐藏层。每一层都由大量的神经元（节点）组成，每个神经元都与上一层的所有神经元相连，
  • 继之前的线程循环加到窗口中运行 3213213333332132 javathreadJFrameJPanel
    之前写了有关java线程的循环执行和结束，因为想制作成exe文件，想把执行的效果加到窗口上，所以就结合了JFrame和JPanel写了这个程序，这里直接贴出代码，在窗口上运行的效果下面有附图。 package thread; import java.awt.Graphics; import java.text.SimpleDateFormat; import java.util
  • linux 常用命令 BlueSkator linux命令
    1.grep 相信这个命令可以说是大家最常用的命令之一了。尤其是查询生产环境的日志，这个命令绝对是必不可少的。 但之前总是习惯于使用 （grep -n 关键字 文件名 ）查出关键字以及该关键字所在的行数，然后再用 （sed -n  '100,200p' 文件名），去查出该关键字之后的日志内容。 但其实还有更简便的办法，就是用（grep  -B n、-A n、-C n 关键
  • php heredoc原文档和nowdoc语法 dcj3sjt126com PHPheredocnowdoc
    <!doctype html> <html lang="en"> <head> <meta charset="utf-8"> <title>Current To-Do List</title> </head> <body> <?
  • overflow的属性 周华华 JavaScript
    <!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/1999/xhtml&q
  • 《我所了解的Java》——总体目录 g21121 java
            准备用一年左右时间写一个系列的文章《我所了解的Java》，目录及内容会不断完善及调整。         在编写相关内容时难免出现笔误、代码无法执行、名词理解错误等，请大家及时指出，我会第一时间更正。    &n
  • [简单]docx4j常用方法小结 53873039oycg docx
            本代码基于docx4j-3.2.0，在office word 2007上测试通过。代码如下:         import java.io.File; import java.io.FileInputStream; import ja
  • Spring配置学习 云端月影 spring配置
    首先来看一个标准的Spring配置文件 applicationContext.xml <?xml version="1.0" encoding="UTF-8"?> <beans xmlns="http://www.springframework.org/schema/beans" xmlns:xsi=&q
  • Java新手入门的30个基本概念三 aijuans java新手java 入门
    17.Java中的每一个类都是从Object类扩展而来的。　　18.object类中的equal和toString方法。　　equal用于测试一个对象是否同另一个对象相等。　　toString返回一个代表该对象的字符串,几乎每一个类都会重载该方法,以便返回当前状态的正确表示.(toString 方法是一个很重要的方法)　　 19.通用编程:任何类类型的所有值都可以同object类性的变量来代替。　
  • 《2008 IBM Rational 软件开发高峰论坛会议》小记 antonyup_2006 软件测试敏捷开发项目管理IBM活动
    我一直想写些总结,用于交流和备忘,然都没提笔,今以一篇参加活动的感受小记开个头,呵呵! 其实参加《2008 IBM Rational 软件开发高峰论坛会议》是9月4号,那天刚好调休.但接着项目颇为忙,所以今天在中秋佳节的假期里整理了下. 参加这次活动是一个朋友给的一个邀请书,才知道有这样的一个活动,虽然现在项目暂时没用到IBM的解决方案,但觉的参与这样一个活动可以拓宽下视野和相关知识.
  • PL/SQL的过程编程,异常,声明变量,PL/SQL块 百合不是茶 PL/SQL的过程编程异常PL/SQL块声明变量
    PL/SQL;    过程; 符号; 变量; PL/SQL块; 输出; 异常;     PL/SQL 是过程语言(Procedural Language)与结构化查询语言(SQL)结合而成的编程语言PL/SQL 是对 SQL 的扩展,sql的执行时每次都要写操作
  • Mockito(三)--完整功能介绍 bijian1013 持续集成mockito单元测试
            mockito官网：http://code.google.com/p/mockito/，打开documentation可以看到官方最新的文档资料。 一.使用mockito验证行为 //首先要import Mockito import static org.mockito.Mockito.*; //mo
  • 精通Oracle10编程SQL(8)使用复合数据类型 bijian1013 oracle数据库plsql
    /* *使用复合数据类型 */ --PL/SQL记录 --定义PL/SQL记录 --自定义PL/SQL记录 DECLARE TYPE emp_record_type IS RECORD( name emp.ename%TYPE, salary emp.sal%TYPE, dno emp.deptno%TYPE ); emp_
  • 【Linux常用命令一】grep命令 bit1129 Linux常用命令
    grep命令格式   grep [option] pattern [file-list]     grep命令用于在指定的文件(一个或者多个,file-list)中查找包含模式串(pattern)的行,[option]用于控制grep命令的查找方式。   pattern可以是普通字符串，也可以是正则表达式，当查找的字符串包含正则表达式字符或者特
  • mybatis3入门学习笔记 白糖_ sqlibatisqqjdbc配置管理
    MyBatis 的前身就是iBatis，是一个数据持久层(ORM)框架。  MyBatis 是支持普通 SQL 查询，存储过程和高级映射的优秀持久层框架。MyBatis对JDBC进行了一次很浅的封装。   以前也学过iBatis，因为MyBatis是iBatis的升级版本，最初以为改动应该不大，实际结果是MyBatis对配置文件进行了一些大的改动，使整个框架更加方便人性化。
  • Linux 命令神器：lsof 入门 ronin47 lsof
           lsof是系统管理/安全的尤伯工具。我大多数时候用它来从系统获得与网络连接相关的信息，但那只是这个强大而又鲜为人知的应用的第一步。将这个工具称之为lsof真实名副其实，因为它是指“列出打开文件（lists openfiles）”。而有一点要切记，在Unix中一切（包括网络套接口）都是文件。 有趣的是，lsof也是有着最多
  • java实现两个大数相加，可能存在溢出。 bylijinnan java实现
    import java.math.BigInteger; import java.util.regex.Matcher; import java.util.regex.Pattern; public class BigIntegerAddition { /** * 题目：java实现两个大数相加，可能存在溢出。 * 如123456789 + 987654321
  • Kettle学习资料分享，附大神用Kettle的一套流程完成对整个数据库迁移方法 Kai_Ge Kettle
    Kettle学习资料分享   Kettle 3.2 使用说明书 目录 概述..........................................................................................................................................7 1.Kettle 资源库管
  • [货币与金融]钢之炼金术士 comsci 金融
           自古以来,都有一些人在从事炼金术的工作.........但是很少有成功的        那么随着人类在理论物理和工程物理上面取得的一些突破性进展......        炼金术这个古老
  • Toast原来也可以多样化 dai_lm androidtoast
    Style 1： 默认 Toast def = Toast.makeText(this, "default", Toast.LENGTH_SHORT); def.show(); Style 2： 顶部显示 Toast top = Toast.makeText(this, "top", Toast.LENGTH_SHORT); t
  • java数据计算的几种解决方法3 datamachine javahadoopibatisr-languer
    4、iBatis     简单敏捷因此强大的数据计算层。和Hibernate不同，它鼓励写SQL，所以学习成本最低。同时它用最小的代价实现了计算脚本和JAVA代码的解耦，只用20%的代价就实现了hibernate 80%的功能,没实现的20%是计算脚本和数据库的解耦。     复杂计算环境是它的弱项，比如：分布式计算、复杂计算、非数据
  • 向网页中插入透明Flash的方法和技巧 dcj3sjt126com htmlWebFlash
    将 Flash 作品插入网页的时候，我们有时候会需要将它设为透明，有时候我们需要在Flash的背面插入一些漂亮的图片，搭配出漂亮的效果……下面我们介绍一些将Flash插入网页中的一些透明的设置技巧。 　　一、Swf透明、无坐标控制　　首先教大家最简单的插入Flash的代码，透明，无坐标控制： 　　注意wmode="transparent"是控制Flash是否透明
  • ios UICollectionView的使用 dcj3sjt126com
    UICollectionView的使用有两种方法，一种是继承UICollectionViewController，这个Controller会自带一个UICollectionView；另外一种是作为一个视图放在普通的UIViewController里面。 个人更喜欢第二种。下面采用第二种方式简单介绍一下UICollectionView的使用。 1.UIViewController实现委托，代码如
  • Eos平台java公共逻辑 蕃薯耀 Eos平台java公共逻辑Eos平台java公共逻辑
     Eos平台java公共逻辑 >>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>> 蕃薯耀 2015年6月1日 17:20:4
  • SpringMVC4零配置--Web上下文配置【MvcConfig】 hanqunfeng springmvc4
    与SpringSecurity的配置类似，spring同样为我们提供了一个实现类WebMvcConfigurationSupport和一个注解@EnableWebMvc以帮助我们减少bean的声明。   applicationContext-MvcConfig.xml <!-- 启用注解，并定义组件查找规则 ，mvc层只负责扫描@Controller --> <
  • 解决ie和其他浏览器poi下载excel文件名乱码 jackyrong Excel
       使用poi,做传统的excel导出，然后想在浏览器中，让用户选择另存为，保存用户下载的xls文件，这个时候，可能的是在ie下出现乱码（ie,9,10,11),但在firefox,chrome下没乱码， 因此必须综合判断，编写一个工具类：      /** * * @Title: pro
  • 挥洒泪水的青春 lampcy 编程生活程序员
    2015年2月28日，我辞职了，离开了相处一年的触控，转过身--挥洒掉泪水，毅然来到了兄弟连，背负着许多的不解、质疑——”你一个零基础、脑子又不聪明的人，还敢跨行业，选择Unity3D？“，”真是不自量力••••••“，”真是初生牛犊不怕虎•••••“，••••••我只是淡淡一笑，拎着行李----坐上了通向挥洒泪水的青春之地——兄弟连！ 这就是我青春的分割线，不后悔，只会去用泪水浇灌——已经来到
  • 稳增长之中国股市两点意见-----严控做空，建立涨跌停版停牌重组机制 nannan408
       对于股市，我们国家的监管还是有点拼的，但始终拼不过飞流直下的恐慌，为什么呢？    笔者首先支持股市的监管。对于股市越管越荡的现象，笔者认为首先是做空力量超过了股市自身的升力，并且对于跌停停牌重组的快速反应还没建立好，上市公司对于股价下跌没有很好的利好支撑。    我们来看美国和香港是怎么应对股灾的。美国是靠禁止重要股票做空，在
  • 动态设置iframe高度(iframe高度自适应) Rainbow702 JavaScriptiframecontentDocument高度自适应局部刷新
    如果需要对画面中的部分区域作局部刷新，大家可能都会想到使用ajax。 但有些情况下，须使用在页面中嵌入一个iframe来作局部刷新。 对于使用iframe的情况，发现有一个问题，就是iframe中的页面的高度可能会很高，但是外面页面并不会被iframe内部页面给撑开，如下面的结构： <div id="content"> <div id=&quo
  • 用Rapael做图表 tntxia rap
    function drawReport(paper,attr,data){          var width = attr.width;     var height = attr.height;          var max = 0;   &nbs
  • HTML5 bootstrap2网页兼容（支持IE10以下） xiaoluode html5bootstrap
    <!DOCTYPE html> <html> <head lang="zh-CN"> <meta charset="UTF-8"> <meta http-equiv="X-UA-Compatible" content="IE=edge">
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他