- 算法学习笔记:概率与期望
Plozia
数学/数论学习笔记+专项训练
概率与期望1.前言2.定义3.理解4.期望方程5.总结1.前言概率我们很熟,在数学课本里面我们就已经学到过概率的基本定义以及计算方式。期望我们不熟,他与概率密切相关,计算方式基于概率。2.定义概率的计算方式不必我多说,各位在数学课中都有了解。而期望,从某种意义上来讲其实就是一个加了权值的概率。我将使用一个例子来说明期望是什么:假设某一天小z有一场满分为100分的数学考试。他妈妈说:“儿子,如果你能
- [算法学习笔记](超全)概率与期望
L('ω')┘脏脏包└('ω')」
c++题解算法
引子先来讲个故事······话说在神奇的OI大陆上,有一只papermouse有一天,它去商场购物,正好是11.11,商店有活动它很荣幸被选上给1832抽奖在抽奖箱里,有3个篮蓝球,12个红球papermouse能抽3次蒟蒻的papermouse就疑惑了:抽到至少1个篮蓝球的概率是多少???Answer:总共有15个球只抽到1个篮蓝球的概率是0.435165(很好理解吧,在4个篮蓝球里取一个,再在
- 专题·数学概率与期望【including 条件概率,贝叶斯定理, 全概率公式,数学期望, 绿豆蛙的归宿
樱狸❀
数论数论数学期望概率
初见安~~~又开启数论的探索啦~~:)一。概率1.基本定义在概率论中,我们把一个随机事件的一个可能结果称为其样本点,其所有样本点构成的集合称之为样本空间。(注意,随机事件并不一定只有一种可能结果)在样本空间中,我们称事件所包含的子集为随机事件。概率的定义就很简单了,我们也都知道样本空间中的任意随机事件的概率不会超过1不会小于0.就比如我们抛硬币连续扔三次(不考虑侧面稳落地),有8中可能:AAA,A
- 第十六章 隐马尔科夫模型
小酒馆燃着灯
机器学习手写AI深度学习机器学习
文章目录简介概念随机变量与随机过程马尔可夫链隐含马尔可夫模型两个基本假设三个基本问题算法观测序列生成算法概率计算算法前向概率与后向概率前向算法后向算法小结概率与期望学习问题监督学习方法Baum-Welch算法预测算法近似算法(MAP)维特比算法(Viterbi)简介动态贝叶斯网络的最简单实现隐马尔可夫模型。HMM可以看成是一种推广的混合模型。序列化建模,打破了数据独立同分布的假设。有些关系需要理清
- Algorithm Review 9 数学相关
Log_x
学习笔记概率论算法
概率与期望结论1设xxx为离散随机变量,且x∈Nx\in\mathbbNx∈N,则E(x)=∑i=1∞i⋅P(x=i)=∑i=1∞P(x≥i)E(x)=\sum\limits_{i=1}^{\infty}i·P(x=i)=\sum\limits_{i=1}^{\infty}P(x\gei)E(x)=i=1∑∞i⋅P(x=i)=i=1∑∞P(x≥i)。树上随机游走给定一棵树,从树中的某点xxx出发,
- SPSS卡方检验结果解读详解
nekonekoboom
SPSS
卡方检验(Chi-SquareTest)是由Pearson提出的一种统计方法,在一定的置信水平和自由度下,通过比较卡方统计量和卡方分布函数概率值,判断实际概率与期望概率是否吻合,通过比较理论概率和实际概率的吻合程度,可检验两个分类变量的相关性。用户可利用SPSS软件方便的完成卡方检验,在SPSS软件中,默认H0成立,即观察频数和实际频数无差别,即两组变量相互不产生影响,两组变量不相关,如果检验P值
- 算法学习笔记:概率/期望 DP
Plozia
动态规划学习笔记+专项训练算法动态规划数据结构
算法学习笔记:概率/期望DP1.前言2.例题3.练习题1.前言概率/期望DP,是一种DP,用来计算概率或者是期望。其实我认为这种DP就是计算期望的,毕竟概率可以看成代价为1的期望。没有学过期望的读者可以看看这篇文章:算法学习笔记:概率与期望而概率/期望DP,最关键的就是期望方程。下面看一道例题。2.例题CF1265EBeautifulMirrors以这题为例,详细讲解期望DP的一般套路。为了方便,
- 隐马尔可夫模型 (hidden Markov model, HMM)
连理o
机器学习概率论自然语言处理机器学习
本文为《统计学习方法》的读书笔记目录隐马尔可夫模型的基本概念隐马尔可夫模型的定义观测序列的生成过程隐马尔可夫模型的3个基本问题概率计算算法直接计算法前向算法(forwardalgorithm)后向算法(backwardalgorithm)一些概率与期望值的计算学习算法监督学习方法Baum-Welch算法(无监督学习方法)预测算法近似算法维特比算法(Viterbialgorithm)隐马尔可夫模型的
- 机器学习算法(十七):隐马尔科夫模型(HMM)
意念回复
机器学习机器学习算法机器学习
目录1隐马尔科夫模型1.1模型概念1.2定义1.3隐马尔科夫模型的两个性质1.4盒子与球模型1.5三个基本问题2概率计算算法2.1直接计算法2.2前向算法2.3后向算法2.4一些概率与期望值的计算3学习算法3.1监督学习方法3.2Baum-Welch算法3.3Baum-Welch模型参数估计公式4预测算法4.1近似算法4.2维比特算法5总结马尔科夫链:机器学习算法(十六):马尔科夫链_意念回复的博
- 机器学习面试题——朴素贝叶斯
冰露可乐
机器学习深度学习朴素贝叶斯贝叶斯公式大厂笔试面试题
机器学习面试题——朴素贝叶斯提示:这些知识点也是大厂笔试经常考的题目,我记得阿里和京东就考!!!想必在互联网大厂就会用这些知识解决实际问题朴素贝叶斯介绍一下朴素贝叶斯优缺点贝叶斯公式朴素贝叶斯中的“朴素”怎么理解?什么是拉普拉斯平滑法?朴素贝叶斯中有没有超参数可以调?你知道朴素贝叶斯有哪些应用吗?朴素贝叶斯对异常值敏不敏感?频率学派与贝叶斯学派的差别概率与期望的公式先验概率与后验概率文章目录机器学
- [NOI2005] 聪聪与可可
Sito_Ask
NOI2005聪聪与可可~~机器猫の传送门~~期望DP+记搜聪聪一直在向可可方向追,所以不会回到原处,不具有后效性,考虑用概率与期望DP+记忆化搜索求解用dp[x][y]表示可可在x点,聪聪在y点时步数的期望值判断边界①当x==y时结束(此时毫无疑问的,dp[x][y]=0)②当
- 2019暑期计划 / 每日刷题记录
weixin_30951743
计划##1.复习与提高###动态规划-数位DP-树形DP###图论-Tarjan-拓扑序的应用-树链剖分-点分治-树上距离-网络流/费用流###数据结构-平衡树-主席树-ST表###数论-整数研究-组合数学-概率与期望##2.新知学习###离线算法-CDQ分治-整体二分###数据结构-线段树扩展操作-树套树-LCT###图论-基环树每日刷题记录转载于:https://www.cnblogs.com
- 一文读懂NLP之隐马尔科夫模型(HMM)详解加python实现
Elenstone
NLP算法详解机器学习算法nlp
一文读懂NLP之隐马尔科夫模型(HMM)详解加python实现1隐马尔科夫模型1.1HMM解决的问题1.2HMM模型的定义1.2.1HMM的两个假设1.2.2HMM模型1.3HMM模型的三个基本问题2概率计算问题及算法2.1直接计算法2.2前向算法2.3后向算法2.4一些概率与期望值的计算3模型训练问题及算法3.1监督学习——最大似然估计3.2非监督学习——EM算法3.3Baum-Welch算法4
- 真正的决策都是不确定性决策
蓝色多莉
阅读笔记第126/365天今日阅读《升维——不确定时代的决策博弈》作者:【澳】王珞第3章:真正的决策都是不确定性决策一、企业利润来源于不确定性。1、什么是不确定性?风险是能被计算概率与期望值的是基于已经发生的事件的统计,而不确定性是无法被预见的,即使能被预见,其发生的概率也不能被计算的未来事件。不确定性事件是不可预见,没有概率的,包括灾难、命运、前景等一切未来可能发生的事件,是每个个体未来都要共同
- 解题报告(十七)概率与期望(概率论)(ACM / OI)
繁凡さん
【解题报告】-超高质量题单+题解概率与期望《概率论》
繁凡出品的全新系列:解题报告系列——超高质量算法题单,配套我写的超高质量题解和代码,题目难度不一定按照题号排序,我会在每道题后面加上题目难度指数(1∼51\sim51∼5),以模板题难度111为基准。这样大家在学习算法的时候就可以执行这样的流程:%阅读我的【学习笔记】/【算法全家桶】学习算法⇒\Rightarrow⇒阅读我的相应算法的【解题报告】获得高质量题单⇒\Rightarrow⇒根据我的一句
- 概率与期望习题总结
总结概率题一般正着推期望题一般倒着推图上的问题如果是\(DAG\)可以直接转移否则可能要用到高斯消元\(20\)的数据范围大概率是装压有些看似无限循环的式子其实可以倒着递推1、骰子基础版题目描述众所周知,骰子是一个六面分别刻有一到六点的立方体,每次投掷骰子,从理论上讲得到一点到六点的概率都是\(1/6\)。今有骰子一颗,连续投掷\(N\)次,问点数总和大于等于\(X\)的概率是多少?输入仅有一行包
- HDU 4254 A Famous Game(概率与期望)
clover_hxy
组合数学概率与期望
题目描述传送门题目大意:一个口袋里有n个红色或蓝色的球。n+1种颜色分布情况(i个红球n−i个蓝球)的概率是相等的。B从口袋中不放回地摸出了p个球,其中有q个是红色的。求B再摸一个球时,摸出的球是红色的概率。题解设Nk表示n个球中有k个红球的概率。A表示p个球中有q个红球B表示下次摸出的是红球那么P(Nk)=1n+1P(A)=C(k,q)C(n−k,p−q)C(n,p)P(B|ANk)=k−qn−
- HDU 5753 Permutation Bo (概率与期望)
等我学会后缀自动机
HDU习题集规律/递推概率论/博弈论
题目链接:http://acm.hdu.edu.cn/showproblem.php?pid=5753#includeusingnamespacestd;#definedebugputs("YES");#definerep(x,y,z)for(int(x)=(y);(x)#definemk(x,y)make_pair(x,y)#definefifirst#definesesecondconstin
- 【总结】概率与期望
616156
总结数论DP高斯消元数学概率与期望
前言作为NOIP级的知识点,概率与期望算是比较困难的类型了。但其实也不是无法解决的难题。本文主要通过作者本人的刷题经历,对概率期望类题目进行总结。概率51Nod1639绑鞋带:有n根鞋带混在一起,每根鞋带有两个鞋带头。现在重复n次以下操作:随机抽出两个鞋带头,把它们绑在一起。求最终只形成一个环的概率?依次考虑每一步操作,现在已经选出来了一个头,它必须和非它所在的链的另一个头绑在一起,才能得到合法方
- 概率与期望详解!一次精通oi中的概率期望
Tyl18858230607
目录基础概念最大值不超过Y的期望概率为P时期望成功次数基础问题拿球随机游走经典问题期望线性性练习题例题选讲noip2016换教室区间交0-1边树求直径期望球染色区间翻转二位&三维凸包点数期望单选错位KILL后记@(期望与概率)基础概念随机变量:有多种可能的取值的变量万物都可以当做随机变量,包括常数,方便用\(\sum\)统计P(A):事件A发⽣的概率E(X):随机变量X的期望值,\(E(X)=Su
- 隐马尔可夫模型
tt12121221
隐马尔可夫模型隐马尔科夫模型的基本概念概率计算算法直接计算法前向算法后向算法一些概率与期望的计算学习算法Baum-Welch算法预测算法近似算法维特比算法是用于标注问题的统计学习模型,描述由隐藏的马尔可夫链随机生成的观测序列的过程,属于生成模型。马尔科夫模型中主要讨论三个问题:即概率计算算法、学习算法以及预测算法。隐马尔科夫模型的基本概念隐马尔科夫模型由初始概率分布、状态转移概率分布以及观测概率分
- 概率期望中高斯消元的几种用法
IDnumber4
数论题解总结
前置知识:高斯消元法博主理解浅显,只能膜piao别人的总结戳别人家的题解咳咳……还是简单介绍两句它可以用O(n3)O(n^3)O(n3)的复杂度解出n元方程组表示方法:矩阵tips:一般情况下高斯消元可能出现无解、无穷解的情况,我的做法里面没有判断,由于矩阵对角线上不会出现0。概率与期望:概率:发生的可能性期望:概率的加权平均数(表示对权值的一个预期值)eg.某图中从起点经过i步到达终点的可能性为
- codeforces 335E. Counting Skyscrapers (概率与期望)
clover_hxy
概率与期望
题目描述传送门中文题意题解先从简单的的入手吧。(1)由BOb推Alice我们需要证明的就是如果得分是2^i,那么经过的楼数也是2^i(这里经过的楼数指的是中间经过的数量+右端点)我们假设左端点一定可以连高度是i+1,编号是i的溜索,那么他的概率就是1.对于中间经过的溜索我们要求他们的高度是[1..i]之间的任意数,右端点的高度是[i+1…inf]那么中间经过的数量实际也是正无穷项。先考虑高度是[1
- 【专题】概率和期望
weixin_33923762
【参考】浅析竞赛中一类数学期望问题的解决方法信息学竞赛中概率问题求解初探WC2018冬令营课件《概率与期望及其应用》曹文【概率的定义】基本事件是一次实验可能出现的不可再分解的直接结果,样本空间Ω是全体基本事件的集合,随机事件是若干基本事件组成的集合。事件的并:事件C=”事件A与事件B至少有一个发生“,则C=A∪B。事件的交:同时发生,A∩B。一个随机事件的概率可以认为是事件占样本空间的比例(不严格
- 洛谷P1654 OSU!_概率与期望
EM-LGH
Code:#include#includeusingnamespacestd;constintmaxn=1000000+4;doublef[maxn],g[maxn],h[maxn];intmain(){intn;scanf("%d",&n);for(inti=1;i<=n;++i){doubleperc;scanf("%lf",&perc);h[i]=(h[i-1]+1)*perc;g[i]=(
- LuoguP1654 OSU! 概率与期望
EM-LGH
感觉数学期望这里始终都没太学明白.期望在任何时候都具有线性性,即$E(a+b)=E(a)+E(b)$,这个式子任何时候都成立.先考虑求$x$,$x^2$.令$x1[i]$表示$i$为$1$向前的极长$1$的期望长度,$x2[i],x3[i]$为$x^2,x^3$的期望.那么考虑从$i-1$那里转移过来,就是$E(j+1)=E(j)+E(1)=E(j)+1$.概率是$q[i]$,所以$x1[i]=(
- 老年(已退役)选手复习计划 PART2
CR1SceNT
放上来有些符号产生了一点偏差。。不知道怎么变成了问号。。比较懒懒得改了。。意会,意会。。2017.7.4:概率与期望:1.BZOJ1415:预处理p[x][y]表示,猫在x,鼠在y时猫下一步走哪里。然后记忆化搜索。2.BZOJ3450:再求一个期望长度就好解决了。斜率优化:1.BZOJ1010:推式子。2.BZOJ1096:同上。3.BZOJ3156:同上。4.BZOJ3437:同上。5.BZOJ
- [学习笔记]高斯消元求解两种特殊问题(带状矩阵/主元法)
C20190406Panda_hu
#OI知识点合辑
本文章是[学习笔记]概率与期望进阶的一部分由于时间问题我写的比较简略,所以我把大佬的总结链接贴上来了(应该没什么吧qwq)。1概述最常见的当然是随机游走问题了…•fu=∑pu,v∗(fv+wu,v)f_u=\sump_{u,v}*(f_{v}+w_{u,v})fu=∑pu,v∗(fv+wu,v)•计算期望在这个节点上,停留多少步:fu=∑pv,u∗fv+[u=S]f_u=\sump_{v,u}*f
- 【概率与期望】【暴力搜索】[Codeforces#621]题解+总结
weixin_30340775
WetSharkandOddandEven题目描述Today,WetSharkisgivennintegers.Usinganyoftheseintegersnomorethanonce,WetSharkwantstogetmaximumpossibleeven(divisibleby2)sum.Please,calculatethisvalueforWetShark.Note,thatifWet
- [CodeForces891E]Lust-生成函数-概率与期望
zlttttt
生成函数【GenerationFunction】Theory】
LustAfalsewitnessthatspeakethlies!Youaregivenasequencecontainingnintegers.Thereisavariableresthatisequalto0initially.Thefollowingprocessrepeatsktimes.Chooseanindexfrom1tonuniformlyatrandom.Nameitx.Add
- Java开发中,spring mvc 的线程怎么调用?
小麦麦子
springmvc
今天逛知乎,看到最近很多人都在问spring mvc 的线程http://www.maiziedu.com/course/java/ 的启动问题,觉得挺有意思的,那哥们儿问的也听仔细,下面的回答也很详尽,分享出来,希望遇对遇到类似问题的Java开发程序猿有所帮助。
问题:
在用spring mvc架构的网站上,设一线程在虚拟机启动时运行,线程里有一全局
- maven依赖范围
bitcarter
maven
1.test 测试的时候才会依赖,编译和打包不依赖,如junit不被打包
2.compile 只有编译和打包时才会依赖
3.provided 编译和测试的时候依赖,打包不依赖,如:tomcat的一些公用jar包
4.runtime 运行时依赖,编译不依赖
5.默认compile
依赖范围compile是支持传递的,test不支持传递
1.传递的意思是项目A,引用
- Jaxb org.xml.sax.saxparseexception : premature end of file
darrenzhu
xmlprematureJAXB
如果在使用JAXB把xml文件unmarshal成vo(XSD自动生成的vo)时碰到如下错误:
org.xml.sax.saxparseexception : premature end of file
很有可能时你直接读取文件为inputstream,然后将inputstream作为构建unmarshal需要的source参数。InputSource inputSource = new In
- CSS Specificity
周凡杨
html权重Specificitycss
有时候对于页面元素设置了样式,可为什么页面的显示没有匹配上呢? because specificity
CSS 的选择符是有权重的,当不同的选择符的样式设置有冲突时,浏览器会采用权重高的选择符设置的样式。
规则:
HTML标签的权重是1
Class 的权重是10
Id 的权重是100
- java与servlet
g21121
servlet
servlet 搞java web开发的人一定不会陌生,而且大家还会时常用到它。
下面是java官方网站上对servlet的介绍: java官网对于servlet的解释 写道
Java Servlet Technology Overview Servlets are the Java platform technology of choice for extending and enha
- eclipse中安装maven插件
510888780
eclipsemaven
1.首先去官网下载 Maven:
http://www.apache.org/dyn/closer.cgi/maven/binaries/apache-maven-3.2.3-bin.tar.gz
下载完成之后将其解压,
我将解压后的文件夹:apache-maven-3.2.3,
并将它放在 D:\tools目录下,
即 maven 最终的路径是:D:\tools\apache-mave
- jpa@OneToOne关联关系
布衣凌宇
jpa
Nruser里的pruserid关联到Pruser的主键id,实现对一个表的增删改,另一个表的数据随之增删改。
Nruser实体类
//*****************************************************************
@Entity
@Table(name="nruser")
@DynamicInsert @Dynam
- 我的spring学习笔记11-Spring中关于声明式事务的配置
aijuans
spring事务配置
这两天学到事务管理这一块,结合到之前的terasoluna框架,觉得书本上讲的还是简单阿。我就把我从书本上学到的再结合实际的项目以及网上看到的一些内容,对声明式事务管理做个整理吧。我看得Spring in Action第二版中只提到了用TransactionProxyFactoryBean和<tx:advice/>,定义注释驱动这三种,我承认后两种的内容很好,很强大。但是实际的项目当中
- java 动态代理简单实现
antlove
javahandlerproxydynamicservice
dynamicproxy.service.HelloService
package dynamicproxy.service;
public interface HelloService {
public void sayHello();
}
dynamicproxy.service.impl.HelloServiceImpl
package dynamicp
- JDBC连接数据库
百合不是茶
JDBC编程JAVA操作oracle数据库
如果我们要想连接oracle公司的数据库,就要首先下载oralce公司的驱动程序,将这个驱动程序的jar包导入到我们工程中;
JDBC链接数据库的代码和固定写法;
1,加载oracle数据库的驱动;
&nb
- 单例模式中的多线程分析
bijian1013
javathread多线程java多线程
谈到单例模式,我们立马会想到饿汉式和懒汉式加载,所谓饿汉式就是在创建类时就创建好了实例,懒汉式在获取实例时才去创建实例,即延迟加载。
饿汉式:
package com.bijian.study;
public class Singleton {
private Singleton() {
}
// 注意这是private 只供内部调用
private static
- javascript读取和修改原型特别需要注意原型的读写不具有对等性
bijian1013
JavaScriptprototype
对于从原型对象继承而来的成员,其读和写具有内在的不对等性。比如有一个对象A,假设它的原型对象是B,B的原型对象是null。如果我们需要读取A对象的name属性值,那么JS会优先在A中查找,如果找到了name属性那么就返回;如果A中没有name属性,那么就到原型B中查找name,如果找到了就返回;如果原型B中也没有
- 【持久化框架MyBatis3六】MyBatis3集成第三方DataSource
bit1129
dataSource
MyBatis内置了数据源的支持,如:
<environments default="development">
<environment id="development">
<transactionManager type="JDBC" />
<data
- 我程序中用到的urldecode和base64decode,MD5
bitcarter
cMD5base64decodeurldecode
这里是base64decode和urldecode,Md5在附件中。因为我是在后台所以需要解码:
string Base64Decode(const char* Data,int DataByte,int& OutByte)
{
//解码表
const char DecodeTable[] =
{
0, 0, 0, 0, 0, 0
- 腾讯资深运维专家周小军:QQ与微信架构的惊天秘密
ronin47
社交领域一直是互联网创业的大热门,从PC到移动端,从OICQ、MSN到QQ。到了移动互联网时代,社交领域应用开始彻底爆发,直奔黄金期。腾讯在过去几年里,社交平台更是火到爆,QQ和微信坐拥几亿的粉丝,QQ空间和朋友圈各种刷屏,写心得,晒照片,秀视频,那么谁来为企鹅保驾护航呢?支撑QQ和微信海量数据背后的架构又有哪些惊天内幕呢?本期大讲堂的内容来自今年2月份ChinaUnix对腾讯社交网络运营服务中心
- java-69-旋转数组的最小元素。把一个数组最开始的若干个元素搬到数组的末尾,我们称之为数组的旋转。输入一个排好序的数组的一个旋转,输出旋转数组的最小元素
bylijinnan
java
public class MinOfShiftedArray {
/**
* Q69 旋转数组的最小元素
* 把一个数组最开始的若干个元素搬到数组的末尾,我们称之为数组的旋转。输入一个排好序的数组的一个旋转,输出旋转数组的最小元素。
* 例如数组{3, 4, 5, 1, 2}为{1, 2, 3, 4, 5}的一个旋转,该数组的最小值为1。
*/
publ
- 看博客,应该是有方向的
Cb123456
反省看博客
看博客,应该是有方向的:
我现在就复习以前的,在补补以前不会的,现在还不会的,同时完善完善项目,也看看别人的博客.
我刚突然想到的:
1.应该看计算机组成原理,数据结构,一些算法,还有关于android,java的。
2.对于我,也快大四了,看一些职业规划的,以及一些学习的经验,看看别人的工作总结的.
为什么要写
- [开源与商业]做开源项目的人生活上一定要朴素,尽量减少对官方和商业体系的依赖
comsci
开源项目
为什么这样说呢? 因为科学和技术的发展有时候需要一个平缓和长期的积累过程,但是行政和商业体系本身充满各种不稳定性和不确定性,如果你希望长期从事某个科研项目,但是却又必须依赖于某种行政和商业体系,那其中的过程必定充满各种风险。。。
所以,为避免这种不确定性风险,我
- 一个 sql优化 ([精华] 一个查询优化的分析调整全过程!很值得一看 )
cwqcwqmax9
sql
见 http://www.itpub.net/forum.php?mod=viewthread&tid=239011
Web翻页优化实例
提交时间: 2004-6-18 15:37:49 回复 发消息
环境:
Linux ve
- Hibernat and Ibatis
dashuaifu
Hibernateibatis
Hibernate VS iBATIS 简介 Hibernate 是当前最流行的O/R mapping框架,当前版本是3.05。它出身于sf.net,现在已经成为Jboss的一部分了 iBATIS 是另外一种优秀的O/R mapping框架,当前版本是2.0。目前属于apache的一个子项目了。 相对Hibernate“O/R”而言,iBATIS 是一种“Sql Mappi
- 备份MYSQL脚本
dcj3sjt126com
mysql
#!/bin/sh
# this shell to backup mysql
#
[email protected] (QQ:1413161683 DuChengJiu)
_dbDir=/var/lib/mysql/
_today=`date +%w`
_bakDir=/usr/backup/$_today
[ ! -d $_bakDir ] && mkdir -p
- iOS第三方开源库的吐槽和备忘
dcj3sjt126com
ios
转自
ibireme的博客 做iOS开发总会接触到一些第三方库,这里整理一下,做一些吐槽。 目前比较活跃的社区仍旧是Github,除此以外也有一些不错的库散落在Google Code、SourceForge等地方。由于Github社区太过主流,这里主要介绍一下Github里面流行的iOS库。 首先整理了一份
Github上排名靠
- html wlwmanifest.xml
eoems
htmlxml
所谓优化wp_head()就是把从wp_head中移除不需要元素,同时也可以加快速度。
步骤:
加入到function.php
remove_action('wp_head', 'wp_generator');
//wp-generator移除wordpress的版本号,本身blog的版本号没什么意义,但是如果让恶意玩家看到,可能会用官网公布的漏洞攻击blog
remov
- 浅谈Java定时器发展
hacksin
java并发timer定时器
java在jdk1.3中推出了定时器类Timer,而后在jdk1.5后由Dou Lea从新开发出了支持多线程的ScheduleThreadPoolExecutor,从后者的表现来看,可以考虑完全替代Timer了。
Timer与ScheduleThreadPoolExecutor对比:
1.
Timer始于jdk1.3,其原理是利用一个TimerTask数组当作队列
- 移动端页面侧边导航滑入效果
ini
jqueryWebhtml5cssjavascirpt
效果体验:http://hovertree.com/texiao/mobile/2.htm可以使用移动设备浏览器查看效果。效果使用到jquery-2.1.4.min.js,该版本的jQuery库是用于支持HTML5的浏览器上,不再兼容IE8以前的浏览器,现在移动端浏览器一般都支持HTML5,所以使用该jQuery没问题。HTML文件代码:
<!DOCTYPE html>
<h
- AspectJ+Javasist记录日志
kane_xie
aspectjjavasist
在项目中碰到这样一个需求,对一个服务类的每一个方法,在方法开始和结束的时候分别记录一条日志,内容包括方法名,参数名+参数值以及方法执行的时间。
@Override
public String get(String key) {
// long start = System.currentTimeMillis();
// System.out.println("Be
- redis学习笔记
MJC410621
redisNoSQL
1)nosql数据库主要由以下特点:非关系型的、分布式的、开源的、水平可扩展的。
1,处理超大量的数据
2,运行在便宜的PC服务器集群上,
3,击碎了性能瓶颈。
1)对数据高并发读写。
2)对海量数据的高效率存储和访问。
3)对数据的高扩展性和高可用性。
redis支持的类型:
Sring 类型
set name lijie
get name lijie
set na
- 使用redis实现分布式锁
qifeifei
在多节点的系统中,如何实现分布式锁机制,其中用redis来实现是很好的方法之一,我们先来看一下jedis包中,有个类名BinaryJedis,它有个方法如下:
public Long setnx(final byte[] key, final byte[] value) {
checkIsInMulti();
client.setnx(key, value);
ret
- BI并非万能,中层业务管理报表要另辟蹊径
张老师的菜
大数据BI商业智能信息化
BI是商业智能的缩写,是可以帮助企业做出明智的业务经营决策的工具,其数据来源于各个业务系统,如ERP、CRM、SCM、进销存、HER、OA等。
BI系统不同于传统的管理信息系统,他号称是一个整体应用的解决方案,是融入管理思想的强大系统:有着系统整体的设计思想,支持对所有
- 安装rvm后出现rvm not a function 或者ruby -v后提示没安装ruby的问题
wudixiaotie
function
1.在~/.bashrc最后加入
[[ -s "$HOME/.rvm/scripts/rvm" ]] && source "$HOME/.rvm/scripts/rvm"
2.重新启动terminal输入:
rvm use ruby-2.2.1 --default
把当前安装的ruby版本设为默