- Python 机器学习 基础 之 数据表示与特征工程 【分箱、离散化、线性模型与树 / 交互特征与多项式特征】的简单说明
仙魁XAN
Python机器学习基础+实战案例机器学习python分箱离散化线性模型与树交互特征与多项式特征
Python机器学习基础之数据表示与特征工程【分箱、离散化、线性模型与树/交互特征与多项式特征】的简单说明目录Python机器学习基础之数据表示与特征工程【分箱、离散化、线性模型与树/交互特征与多项式特征】的简单说明一、简单介绍二、分箱、离散化、线性模型与树三、交互特征与多项式特征附录一、参考文献一、简单介绍Python是一种跨平台的计算机程序设计语言。是一种面向对象的动态类型语言,最初被设计用于
- 基础算法(一)#蓝桥杯
席万里
C/C++算法蓝桥杯c++
文章目录1、模拟1.1、DNA序列修正1.2、无尽的石头2、递归2.1、带备忘录的斐波那契数列2.2、数的计算3、进制转换3.1、进制转换模板3.2、Alice和Bob的爱恨情仇4、前缀和4.1、前缀和模板4.2、区间次方和4.3、小郑的蓝桥平衡串4.4、大石头的搬运工4.5、最大数组和4.6、四元组问题**5、差分5.1、区间更新(一维差分)5.2、肖恩的投球游戏加强版5.4、泡澡6、离散化6.
- 主席树求区间第K小模板
Stephen_Curry___
算法c++数据结构主席树
主席树(PresidentTree)是一种用于解决区间查询和修改问题的数据结构,通常用于静态区间问题(即查询和修改操作在构建结构之后不再发生变化)。主席树可以高效地处理诸如区间和、区间最值等问题。主席树的实现原理:基本思想:主席树是一种基于分治思想的数据结构,它将原始序列按照每个位置的取值范围进行离散化,然后构建出一棵持久化线段树(PersistentSegmentTree)。持久化线段树:持久化
- 【算法随笔:HDU 3333 Turing tree】(线段树 | 离线 | 离散化 | 贪心)
XNB's Not a Beginner
算法算法哈希算法leetcodec++排序算法
https://acm.hdu.edu.cn/showproblem.php?pid=3333https://acm.hdu.edu.cn/showproblem.php?pid=3333https://vjudge.net.cn/problem/HDU-3333https://vjudge.net.cn/problem/HDU-3333题目很简单,给出长度为N的数组,Q次询问,每次给出区间[x,
- 基础算法 - 快速排序、归并排序、二分查找、高精度模板、离散化数据
Calebbbbb
算法算法排序算法二分高精度模板离散化快速排序归并排序
文章目录前言Part1:排序一、快速排序二、归并排序Part2:二分一、二分-查找左边界二、二分-查找右边界Part3:高精度一、高精度加法二、高精度减法三、高精度乘法四、高精度除法Part4:离散化一、区间和前言由于本篇博客相较而言都是算法中最基础的模板,包括快速排序、归并排序、二分、高精度加减乘除法、离散化。这些基础模板多与其他算法混合考察,这些模板是许多算法的实现基础。Part1:排序快速排
- 离散化【学习笔记】
Simple World.
c++算法
引入小丁:小智,你不觉得我们小区旁边的树木太多太挤了吗?小智:确实。要不我们把一些树移走?小区对面的学校旁可正缺树呢!小丁:不过我们又不能自己把树移走,得找人帮忙。小智:嗯。要不我们就在树旁边标记一下,让园林工人移植一下吧。小丁和小智开始了自己的活儿……小丁从左往右,每数120棵便标记一棵树。小智从左往右,每数422棵便标记一棵树。小智:我们最好算算需要移走多少棵树,好让园林工人校对。小丁:我怎么
- C++ 离散化 算法 (详解)+ 例题
喝可乐的布偶猫
算法学习笔记算法c++数据结构
1、性质把无限空间中有限的个体映射到有限的空间中去,以此提高算法的空间效率。通俗的说,离散化是在不改变数据相对大小的条件下,对数据进行相应的压缩。适用范围:数的跨度很大,用的数很稀疏例如:值域:1~10^9,个数:10^5,值域很大,但是用到个数相对很少,这个时候就可以离散化比如:将a[i]:13100200050000//这里需要注意可以离散化的前提是数组元素必须是有序的 i:01 2 3
- 机器学习-特征提取-字典特征提取-文本特征提取-TF-IDF
涓涓自然卷
一、特征提取概要:1、定义:将任意数据(如文本或图像)转换为可用于机器学习的数字特征。注:特征值化是为了计算机更好的去理解数据。2、特征提取分类:字典特征提取(特征离散化)文本特征提取图像特征提取(深度学习介绍)3、特征提取API:sklearn.feature_extraction二、字典特征提取:作用:对字典数据进行特征值化。1、API:fromsklearn.feature_extracti
- 使用动态网格的流体动画 Fluid Animation with Dynamic Meshes 论文阅读笔记
hijackedbycsdn
FluidSimulation笔记
目录引言背景方法离散化离散化的导数算子速度插值广义的半拉格朗日步重新网格化双向流固耦合和质量守恒原文:Klingner,BryanM.,etal.“Fluidanimationwithdynamicmeshes.”ACMSIGGRAPH2006Papers.2006.820-825.引言使用[Alliezetal.,2005]的方法动态生成不规则的四面体网格根据边界的位置、边界的形状、基于流体和速
- 【压缩感知基础】Nyquist采样定理
superdont
计算机视觉计算机视觉opencv人工智能python矩阵
Nyquist定理,也被称作Nyquist采样定理,是由哈里·奈奎斯特在1928年提出的,它是信号处理领域的一个重要基础定理。它描述了连续信号被离散化为数字信号时,采样的要求以避免失真。数学表示Nyquist定理的核心内容可以描述如下:若要对一个带宽受限的连续信号进行采样而不引起失真,采样频率(频率的单位为Hz,指每秒采样数)必须大于信号最高频率的两倍。这个定理的数学表述为:[f_s>2f_{ma
- 牛客周赛 Round 28 F
Xing_ke309
算法数据结构
F.小红统计区间(hard)题目链接为前缀和枚举右端点看有多少个左端点满足条件,即在一个数轴上找的的个数。可以利用树状数组区间查询,查找中满足条件的前缀和。具体操作为先查找,再把自身在数轴上对应的数的个数加一。所以统计时没有统计自身对答案的影响。当前操作为第位时,则数轴上只记录了的前缀和。由于前缀和过大,形成的数轴过长,采用离散化。将所有前缀和由小到大排序并去重,构成新数轴。由于在数轴上可能没有直
- 代码源每日一题Div.1 (301~307)
xhyu61
做题笔记算法学习算法贪心算法动态规划acm竞赛深度优先
301-连续子序列题目链接简单的动态规划题目,先将所有数进行一个离散化,然后dp。dp[i]dp[i]dp[i]表示这个位置为结尾的最长符合要求的子序列的长度。对于每一个位置,找这个数对应的离散化编号的上一个数在什么位置,如果那个数目前为止还没有出现,或者那个数与这个数的差不是111,dp[i]=1dp[i]=1dp[i]=1;否则设上一个数最后一次出现在lstlstlst,那么dp[i]=dp[
- Python建模复习 :数据挖掘技术理论
啾啾二一
第二部分数据挖掘技术理论2.1数据分析方法论KDD知识发现KnowledgeDiscoveryfromDatabase:数据清理、数据集成、数据选择、数据变换(正规化、泛化、离散化)、数据挖掘、模式评估、知识表示。CRISP-DM(cross-industryprocessfordatamining):业务理解、数据理解、数据准备、建模、模型评估和模型发布。SEMMA:抽样Sample、探索Exp
- 【北邮鲁鹏老师计算机视觉课程笔记】05 Hough 霍夫变换
量子-Alex
CV知识学习和论文阅读计算机视觉笔记人工智能
【北邮鲁鹏老师计算机视觉课程笔记】05Hough霍夫变换1投票策略考虑到外点率太高①让直线上的每一点投票②希望噪声点不要给具体的任何模型投票,即噪声点不会有一致性的答案③即使被遮挡了,也能把直线找出来参数空间离散化直线相当于就是m,b两个参数点给参数空间投票找到投票最多的参数点给参数空间投票上图,图像空间的一条直线在参数空间是一个点上图:图像空间的一个点对应参数空间的一条直线因为在图像空间确定一个
- 基础算法(排序,二分,高精度加减乘除,前缀和与差分,离散化,位运算,双指针等)介绍
赵英英俊
算法总结算法c++数据结构
基础算法文章目录基础算法排序快速排序归并排序二分算法整数二分浮点数二分高精度加减乘除高精度加法高精度减法高精度乘法高精度除法前缀和与差分一维前缀和二维前缀和一维差分二维差分双指针算法位运算离散化区间合并代码模板排序快速排序时间复杂度为nlogn级别主要思想是每次选取一个基准(一般是以中间为基准),然后从数组的头尾开始进行比较,保证基准的左边都是小于基准的数,基准的右边都是大于基准的数,然后通过同样
- Acwing算法基础1——快排 归并 二分 前缀和 差分 双指针 位运算 离散化 区间和
倩mys
数据结构与算法算法数据结构java
文章目录1、快排----分治2、归并——分治3、二分法4、高精度(C++)5、前缀和(一维、二维)6、差分(一维、二维)7、双指针算法8、位运算9、离散化10、区间和流程:1.理解思想,背模板2.刷题目3.重复3~5遍2021.9.111、快排----分治主要思想:1.确定分界点:q[l]q[(l+r)/2]q[r]随机2.调整范围:x放右边3.递归:处理左右两端难点:划分快排不稳定,如何变得稳定
- 常用代码模板1——基础算法——排序 二分 高精度 前缀和与差分 双指针算法 位运算 离散化 区间合并
結城
c++
排序二分高精度前缀和与差分双指针算法位运算离散化区间合并快速排序算法模板——模板题AcWing785.快速排序voidquick_sort(intq[],intl,intr){if(l>=r)return;inti=l-1,j=r+1,x=q[l+r>>1];while(ix);if(i=r)return;intmid=l+r>>1;merge_sort(q,l,mid);merge_sort(q
- 一、基础算法之排序、二分、高精度、前缀和与差分、双指针算法、位运算、离散化、区间合并内容。
樱花的浪漫
C++与算法题系列算法数据结构
1.快速排序算法思想:选择基准元素,比基准元素小的放左边,比基准元素大的放右边。每趟至少一个元素排好。每一趟实现步骤:low>=high,返回,排序完成选取基准元素x=a[low],i=low,j=high当iusingnamespacestd;constintN=100010;intn;intq[N];voidquick_sort(inta[],intlow,inthigh){if(low>=h
- Java蓝桥杯备考---4.算法基础(二)
不要再睡
蓝桥杯算法职场和发展
1.离散化把无限空间中有限的个体映射到有限的空间中去,以此提高算法的时空效率。离散化是一种将数组的值域压缩,从而更加关注元素的大小关系的算法。当原数组中的数字很大、负数、小数时(大多数情况下是数字很大),难以将“元素值”表示为“数组下标”,一些依靠下标实现的算法和数据结构无法实现时,我们就可以考虑将其离散化。例如原数组的范围是[1,le9],而数组大小仅为le5,那么说明元素值的“种类数”最多也就
- leetcode 3027. 人员站位的方案数 II【离散化前缀和+枚举】
lianxuhanshu_
基础算法leetcode算法
原题链接:3027.人员站位的方案数II题目描述:给你一个nx2的二维数组points,它表示二维平面上的一些点坐标,其中points[i]=[xi,yi]。我们定义x轴的正方向为右(x轴递增的方向),x轴的负方向为左(x轴递减的方向)。类似的,我们定义y轴的正方向为上(y轴递增的方向),y轴的负方向为下(y轴递减的方向)。你需要安排这n个人的站位,这n个人中包括liupengsay和小羊肖恩。你
- Open CASCADE学习|点和曲线的相互转化
老歌老听老掉牙
OpenCASCADE学习OpenCASCADEc++
目录1、把曲线离散成点1.1按数量离散1.2按长度离散1.3按弦高离散2、由点合成曲线2.1B样条插值2.2B样条近似1、把曲线离散成点计算机图形学中绘制曲线,无论是绘制参数曲线还是非参数曲线,都需要先将参数曲线进行离散化,通过离散化得到一组离散化的点集,然后再将点集发送给图形渲染管线进行处理,最终生成我们想要的曲线。OpenCASCADE中提供了GCPnts包。利用GCPnts包中提供的类,我们
- 数据分析之数据预处理、分析建模、可视化
诗雅颂
数据分析ai爬虫数据采集分析建模可视化
数据分析通常需要经历三个主要步骤:数据预处理、分析建模和可视化1、数据预处理:数据预处理是指在进行数据分析之前对原始数据进行清洗、转换和整理的过程。其目的是确保数据的质量和可用性,以便后续的分析能够产生准确有效的结果。以下是一些常见的数据预处理方法:a.数据清洗:去除重复、缺失或错误的数据,修正数据的格式和结构等,以提高数据的准确性。b.数据转换:对数据进行归一化、标准化、离散化等处理,使得数据更
- 智慧海洋建设-Task3 特征工程
1598903c9dd7
关于本次智慧海洋特征构建分为时间类特征、分箱特征(x、y、v)、DataFrame特征(计数特征和偏移量特征)、统计特征(聚合)、embedding特征(word2vec、NMF)这几方面进行考虑的。分箱特征的重要性:一般在建立分类模型时,需要对连续变量离散化,特征离散化后,模型会更稳定,降低了模型过拟合的风险。离散特征的增加和减少都很容易,易于模型的快速迭代;稀疏向量内积乘法运算速度快,计算结果
- 扫描线(板子整理) 矩形面积并与矩形周长并
why_not_fly
算法c++数据结构
前置知识:离散化,线段树基础即可,难度不大,重在思维矩形面积并扫描线,矩形面积并(洛谷)https://www.luogu.com.cn/problem/P5490为了归并区间中的关系(每一段都是连起来的,所以要右端点偏移映射,后面在代码中体现)与常规维护懒标记不同,这里是向上维护的,最后返回一个tree.len[1],就是根节点的值,就是答案(图片来源于董晓老师的博客)即每一段区间右边那个位置(
- 第十一周学习报告
三冬四夏会不会有点漫长
算法竞赛#算法训练周报学习
知识点复习了一些基本算法,二分,前缀和,差分,双指针,离散化,位运算,归并排序,高精度等比赛情况无做题情况1.CFdiv2A(10题):A.WeGotEverythingCovered!,A.SatisfyingConstraints,A.LeastProduct,A.RatingIncrease,A.ConstructiveProblems,A.BinaryImbalance,A.Halloum
- 保序离散化 前缀和 去重 pair AcWing 802. 区间和
三冬四夏会不会有点漫长
#acwing算法基础算法竞赛算法c++数据结构
#includeusingnamespacestd;constintN=3e5+10;inta[N],s[N];typedefpairPII;vectoralls;vectoradd,query;intfind(intx){intl=0,r=alls.size();while(l>1;if(alls[mid]>=x)r=mid;elsel=mid+1;}returnr+1;}intmain(){i
- AcWing算法学习笔记:基础算法(快速排序 + 归并排序 + 二分 + 高精度 +前缀和差分 + 双指针算法 + 位运算 + 离散化 + 区间和并)
一只可爱的小猴子
算法学习笔记
基础算法一、快速排序①快速排序⭐②第k个数二、归并排序①归并排序②逆序对的数量⭐三、二分①数的范围⭐②数的三次方根⭐四、高精度①高精度加法②高精度减法③高精度乘法④高精度除法五、前缀和差分①前缀和②子矩阵的和③差分④差分矩阵六、双指针算法①最长连续不重复子序列②数组元素的目标和③判断子序列七、位运算(二进制数中1的个数)⭐八、离散化(区间和)⭐九、区间合并一、快速排序①快速排序⭐算法至于关键步骤第
- 机器学习数据预处理--连续变量分箱
恒c
机器学习人工智能
文章目录原理概念等宽分箱等频分箱聚类分箱有监督分箱原理概念连续变量分箱即对连续型字段进行离散化处理,也就是将连续型字段转化为离散型字段。连续字段的离散过程如下所示:连续变量的离散过程也可以理解为连续变量取值的重新编码过程,在很多时候,连续变量的离散化也被称为连续变量分箱。需要注意的是,离散之后字段的含义将发生变化,原始字段Income代表用户真实收入状况,而离散之后的含义就变成了用户收入的等级划分
- 数字图像处理中的拉普拉斯变换
小鱼tuning
算法图像处理
拉普拉斯变换是数字图像处理中的一种技术,其原理是基于拉普拉斯算子,用于检测图像中的边缘和突出细节。具体原理如下:1.拉普拉斯算子:拉普拉斯算子是一种数学算子,用于计算图像的二阶导数。在数字图像处理中,拉普拉斯算子用于离散化图像,并通过有限差分来近似计算二阶导数。2.离散拉普拉斯算子:在数字图像处理中,图像被离散成像素网格。拉普拉斯算子通过以下3x3的离散核(模板)来近似计算二阶导数:0101-41
- AutoEncoder自动编码器、VAE变分自编码器、VQVAE量子化(离散化)的自编码器
丁希希哇
AIGC阅读学习算法深度学习人工智能pytorch
文章目录AutoEncoder自动编码器(一)AutoEncoder的基本架构(二)AutoEncoder的概率理解(三)AutoEncoder的局限VAE变分自编码器(VariationalAutoEncoder)(一)VAE简介(二)VAE的概率理解(三)VAE与AE(三)VAE与GAN(四)VAE的损失函数VQVAE量子化(离散化)的自编码器(一)VQVAE简介(二)VQVAE与VAE(三)
- 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