- 人工智能福利站,初识人工智能,机器学习,第三课
普修罗双战士
人工智能专栏人工智能机器学习
作者简介,普修罗双战士,一直追求不断学习和成长,在技术的道路上持续探索和实践。多年互联网行业从业经验,历任核心研发工程师,项目技术负责人。欢迎点赞✍评论⭐收藏人工智能领域知识链接专栏人工智能专业知识学习一机器学习专栏人工智能专业知识学习二机器学习专栏人工智能专业知识学习三机器学习专栏文章目录初识人工智能(机器学习)一、机器学习(3)21.什么是K近邻(KNN)算法?22.什么是逻辑回归?23.什么
- 人工智能福利站,初识人工智能,机器学习,第四课
普修罗双战士
人工智能专栏人工智能机器学习
作者简介,普修罗双战士,一直追求不断学习和成长,在技术的道路上持续探索和实践。多年互联网行业从业经验,历任核心研发工程师,项目技术负责人。欢迎点赞✍评论⭐收藏人工智能领域知识链接专栏人工智能专业知识学习一机器学习专栏人工智能专业知识学习二机器学习专栏人工智能专业知识学习三机器学习专栏人工智能专业知识学习四机器学习专栏文章目录初识人工智能(机器学习)一、机器学习(4)31.什么是聚类算法中的层次聚类
- 人工智能福利站,初识人工智能,机器学习,第二课
普修罗双战士
人工智能专栏人工智能机器学习
作者简介,普修罗双战士,一直追求不断学习和成长,在技术的道路上持续探索和实践。多年互联网行业从业经验,历任核心研发工程师,项目技术负责人。欢迎点赞✍评论⭐收藏人工智能领域知识链接专栏人工智能专业知识学习一机器学习专栏人工智能专业知识学习二机器学习专栏文章目录初识人工智能(机器学习)一、机器学习(2)11.什么是特征选择和特征提取?12.解释一下正则化。13.什么是ROC曲线和AUC?14.什么是混
- 人工智能福利站,初识人工智能,机器学习,第六课
普修罗双战士
人工智能专栏人工智能机器学习自然语言处理
作者简介,普修罗双战士,一直追求不断学习和成长,在技术的道路上持续探索和实践。多年互联网行业从业经验,历任核心研发工程师,项目技术负责人。欢迎点赞✍评论⭐收藏人工智能领域知识链接专栏人工智能专业知识学习一机器学习专栏人工智能专业知识学习二机器学习专栏人工智能专业知识学习三机器学习专栏人工智能专业知识学习四机器学习专栏人工智能专业知识学习五机器学习专栏人工智能专业知识学习六机器学习专栏文章目录初识人
- 人工智能福利站,初识人工智能,机器学习,第五课
普修罗双战士
人工智能专栏人工智能机器学习机器人
作者简介,普修罗双战士,一直追求不断学习和成长,在技术的道路上持续探索和实践。多年互联网行业从业经验,历任核心研发工程师,项目技术负责人。欢迎点赞✍评论⭐收藏人工智能领域知识链接专栏人工智能专业知识学习一机器学习专栏人工智能专业知识学习二机器学习专栏人工智能专业知识学习三机器学习专栏人工智能专业知识学习四机器学习专栏人工智能专业知识学习五机器学习专栏文章目录初识人工智能(机器学习)一、机器学习(5
- 机器学习第12天:聚类
Nowl
机器学习机器学习人工智能聚类
文章目录机器学习专栏无监督学习介绍聚类K-Means使用方法实例演示代码解析绘制决策边界本章总结机器学习专栏机器学习_Nowl的博客-CSDN博客无监督学习介绍某位著名计算机科学家有句话:“如果智能是蛋糕,无监督学习将是蛋糕本体,有监督学习是蛋糕上的糖霜,强化学习是蛋糕上的樱桃”现在的人工智能大多数应用有监督学习,但无监督学习的世界也是广阔的,因为如今大部分的数据都是没有标签的上一篇文章讲到的降维
- 机器学习第11天:降维
Nowl
机器学习机器学习人工智能
文章目录机器学习专栏主要思想主流方法1.投影二维投射到一维三维投射到二维2.流形学习一、PCA主成分分析介绍代码二、三内核PCA具体代码三、LLE结语机器学习专栏机器学习_Nowl的博客-CSDN博客主要思想介绍:当一个任务有很多特征时,我们找到最主要的,剔除不重要的主流方法1.投影投影是指找到一个比当前维度低的维度面(或线),这个维度面或线离当前所有点的距离最小,然后将当前维度投射到小维度上二维
- 机器学习第10天:集成学习
Nowl
机器学习机器学习集成学习人工智能
文章目录机器学习专栏介绍投票分类器介绍代码核心代码示例代码软投票与硬投票bagging与pasting介绍核心代码随机森林介绍代码结语机器学习专栏机器学习_Nowl的博客-CSDN博客介绍集成学习的思想是很直观的:多个人判断的结合往往比一个人的想法好我们将在下面介绍几种常见的集成学习思想与方法投票分类器介绍假如我们有一个分类任务,我们训练了多个模型:逻辑回归模型,SVM分类器,决策树分类器,然后我
- 机器学习第8天:SVM分类
Nowl
机器学习机器学习支持向量机分类
文章目录机器学习专栏介绍特征缩放示例代码硬间隔与软间隔分类主要代码代码解释非线性SVM分类结语机器学习专栏机器学习_Nowl的博客-CSDN博客介绍作用:判别种类原理:找出一个决策边界,判断数据所处区域来识别种类简单介绍一下SVM分类的思想,我们看下面这张图,两种分类都很不错,但是我们可以注意到第二种的决策边界与实例更远(它们之间的距离比较宽),而SVM分类就是一种寻找距每种实例最远的决策边界的算
- 机器学习第9天:决策树分类
Nowl
机器学习机器学习决策树分类
文章目录机器学习专栏介绍基本思想使用代码深度探索优点估计概率训练算法CART成本函数实例数与不纯度正则化在鸢尾花数据集上训练决策树机器学习专栏机器学习_Nowl的博客-CSDN博客介绍作用:分类原理:构建一个二叉树,逐级条件判断筛选基本思想假如有小明,小红和小张三个人,我们知道他们的身高体重,要通过身高体重来判断是哪个人,决策树算法会构建一个二叉树,逐级判断,如下使用代码fromsklearn.t
- 【机器学习Python实战】线性回归
为梦而生~
机器学习python实战机器学习python线性回归
个人主页:为梦而生~关注我一起学习吧!专栏:机器学习python实战欢迎订阅!后面的内容会越来越有意思~⭐内容说明:本专栏主要针对机器学习专栏的基础内容进行python的实现,部分基础知识不再讲解,有需要的可以点击专栏自取~往期推荐(机器学习基础专栏):【机器学习基础】机器学习入门(1)【机器学习基础】机器学习入门(2)【机器学习基础】机器学习的基本术语【机器学习基础】机器学习的模型评估(评估方法
- 机器学习——k-均值算法(聚类)
Tao_RY
机器学习专栏k-means聚类三维聚类
前言:有三维聚类图,我只是一个代码的搬运工。。。机器学习专栏:机器学习专栏文章目录k-均值(k-means)聚类1、k-均值算法2、k-均值算法的代价函数3、k-均值算法步骤4、初始化聚类中心点和聚类个数5、sklearn实现k-means算法k-均值(k-means)聚类1、k-均值算法k-均值算法是一种无监督学习,是一种“基于原型的聚类”(prototype-basedclustering)方
- 【零基础学机器学习 4】机器学习中的回归-线性回归
程序员半夏
零基础学机器学习机器学习人工智能python
作者简介:程序员半夏,一名全栈程序员,擅长使用各种编程语言和框架,如JavaScript、React、Node.js、Java、Python、Django、MySQL等.专注于大前端与后端的硬核干货分享,同时是一个随缘更新的UP主.你可以在各个平台找到我!本文收录于专栏:零基础学机器学习专栏介绍:本专栏将帮助您了解机器学习、其工作原理以及如何使用它。本教程包含以下内容:监督和无监督学习、线性回归
- 付费课程:路径规划、机器学习、运筹优化算法以及数据分析领域
且行且安~
付费课程付费课程路径规划机器学习数据分析
目录授课形式学习内容可包含附加内容教学价格授课形式线上课程,一对一教学学习内容可包含python从入门到精通matlab入门及保姆级程序调试方法cplex入门到精通运筹学方面最优化理论-单纯形法、分支定界法、列生成法、切平面法机器学习方面机器学习专栏目录内容模型讲解TSP、VRP、VRPTW、多目标VRP、多式联运、选址问题、调度类问题等算法方面机器学习领域-支持向量机、随机森林等智能优化算法-遗
- 机器学习——特征缩放
Tao_RY
机器学习专栏正则化标准化特征缩放
前言:大多数模型都是直接给出公式,其实自己私下有推导,涉及好多自己不懂的数学知识,会一点点补充的机器学习专栏:机器学习专栏文章目录特征缩放1、特征缩放作用2、特征缩放的四种方式3、sklearn实现特征缩放特征缩放1、特征缩放作用面对特征数量较多的时候,保证这些特征具有相近的尺度(无量纲化),可以使梯度下降法更快的收敛。这两张图代表数据是否均一化的最优解寻解过程(左边是未归一化的),从这两张图可以
- 计算机图形学07:有效边表法的多边形扫描转换
非妃是公主
计算机图形学c++数据结构算法OpenGL图形渲染
作者:非妃是公主专栏:《计算机图形学》博客地址:https://blog.csdn.net/myf_666个性签:顺境不惰,逆境不馁,以心制境,万事可成。——曾国藩文章目录专栏推荐专栏系列文章序一、算法原理二、OpenGL代码实现三、效果展示theend……专栏推荐专栏名称专栏地址软件工程专栏——软件工程计算机图形学专栏——计算机图形学操作系统专栏——操作系统软件测试专栏——软件测试机器学习专栏—
- 计算机图形学08:中点BH算法绘制抛物线(100x = y^2)
非妃是公主
计算机图形学算法OpenGLc++图形渲染
作者:非妃是公主专栏:《计算机图形学》博客地址:https://blog.csdn.net/myf_666个性签:顺境不惰,逆境不馁,以心制境,万事可成。——曾国藩文章目录专栏推荐专栏系列文章序一、算法原理二、OpenGL代码实现三、效果展示theend……专栏推荐专栏名称专栏地址软件工程专栏——软件工程计算机图形学专栏——计算机图形学操作系统专栏——操作系统软件测试专栏——软件测试机器学习专栏—
- 计算机图形学01:直线生成算法(DDA算法)
非妃是公主
计算机图形学算法OpenGL图形渲染c++
作者:非妃是公主专栏:《计算机图形学》博客地址:https://blog.csdn.net/myf_666个性签:顺境不惰,逆境不馁,以心制境,万事可成。——曾国藩文章目录专栏推荐专栏系列文章序算法OpenGL代码缺点效果图theend……专栏推荐专栏名称专栏地址软件工程专栏——软件工程计算机图形学专栏——计算机图形学操作系统专栏——操作系统软件测试专栏——软件测试机器学习专栏——机器学习数据库专
- 机器学习专栏——(五)线性模型之基础概念
CheckOneA
机器学习机器学习人工智能算法
线性模型——基本概念 线性模型是机器学习中应用最广泛的模型,是通过样本特征的线性组合累进行预测的模型。假设有一个DDD维的样本x={x1,x2,...,xD}\bf{x}=\{x_1,x_2,...,x_D\}x={x1,x2,...,xD},其线性组合表示为f(x;w)=w1x1+w2x2+...+wDxD=wTx+bf({\bfx;w})=w_1x_1+w_2x_2+...+w_Dx_D
- 如何利用Bindsnet-Python模拟脉冲神经网络(SNN)?Part I. 建立一个网络
脑机接口研习社
机器学习与脑机接口神经网络机器学习人工智能python
微信公众号:脑机接口研习社关注脑机接口最新进展脑机接口研习社公众号即将开通机器学习专栏,从本篇文章开始,将介绍如何利用Bindsnet-Python包模拟脉冲神经网络(SNN)。一、脉冲神经网络(SNN)简介首先,我们来看什么是人工神经网络。人工神经网络(ArtificialNeuralNetwork,即ANN),是20世纪80年代以来人工智能领域兴起的研究热点。它从信息处理角度对人脑神经元网络进
- 一步步看α-β剪枝算法
大隐隐于野
最近在看人工智能的部分内容,这个α-β剪枝算法可是让我服了,看了PPT又看了网上好多blog,感觉一个也没讲清楚是怎么回事,什么上界下界上界小于下界的…现在终于搞明白是怎么一回事了。这篇blog实际上不应该出现在机器学习专栏里面的,因为不涉及任何数学的知识,主要是想从头到尾梳理一下这个的内容,最后的实现应该会放到编程笔记专栏里。封面:电影《龙猫》算法思想首先要说的是,alpha-beta剪枝建立在
- 机器学习专栏——(一)人工智能概述
CheckOneA
机器学习人工智能机器学习
第一部分人工智能概述一、人工智能相关人工智能(ArtificalIntelligence,AI):人工智能是计算机科学的一个分支,主要研究、开发和扩展人类智能的理论、方法、技术和应用系统等。JohnMcCarthy对其定义为:人工智能就是让机器的行为看起来表现的是人多表现出来的智能行为一样。人工智能涵盖许多的子学科,例如:机器感知(计算机视觉、语音信息处理)、学习(模式识别、机器学习、强化学习)、
- 机器学习——决策树(分类)
Tao_RY
机器学习专栏决策树机器学习分类
前言:内容参考周志华老师的《机器学习》,确实是一本好书,不过本科生读懂还是有很大难度的,大多数模型都是直接给出公式,其实自己私下有推导,涉及好多自己不懂的数学知识,会一点点补充的机器学习专栏:机器学习专栏文章目录一、决策树基本流程二、划分选择1、信息增益(ID3算法)2、信息增益率(C4.5算法)3、基尼指数(CART算法)三、剪枝处理1、预剪枝2、后剪枝三、连续与缺失值处理1、连续值处理2、缺失
- 机器学习——多元梯度下降法
Luo_LA
机器学习机器学习人工智能算法
一、多维特征模型目前为止,我们探讨了单变量/特征的回归模型(参考机器学习专栏中前面的文章),现在我们对房价模型增加更多的特征,例如房间数楼层等,构成一个含有多个变量的模型,模型中的特征为(x1,x2,...,xn)\left({x_{1}},{x_{2}},...,{x_{n}}\right)(x1,x2,...,xn)。增添更多特征后,我们引入一系列新的注释:nnn代表特征的数量x(i){x^{
- [从0开始机器学习]4.线性回归 正规方程
ζั͡ ั͡雾 ั͡狼 ั͡✾
机器学习笔记机器学习python人工智能线性回归正规方程
本博主博客:ζั͡ั͡雾ั͡狼ั͡✾的博客专栏:机器学习专栏:爬虫专栏:OpenCV图像识别处理专栏:Unity2D⭐本节课理论视频:P23-P25正规方程⭐本节课推荐其他人笔记:正规方程(Normalequations)推导过程_momentum_的博客机器学习通过文字描述是难以教学学会的,每一节课我会推荐这个理论的网课,一定要看上面的理论视频!一定要看上面的理论视频!一定要看上面的理论视频!所
- [从0开始机器学习]1.一元一次函数线性回归
ζั͡ ั͡雾 ั͡狼 ั͡✾
机器学习笔记机器学习python梯度下降法一元一次线性回归
本博主博客:ζั͡ั͡雾ั͡狼ั͡✾的博客专栏:机器学习专栏:爬虫专栏:OpenCV图像识别处理专栏:Unity2D⭐本节课理论视频:吴恩达P1-P4:机器学习理论概述吴恩达P5-P11:线性回归算法原理⭐推荐其他人笔记:【吴恩达机器学习笔记详解】第二章线性回归的过程机器学习通过文字描述是难以教学学会的,每一节课我会推荐这个理论的网课,一定要看上面的理论视频!一定要看上面的理论视频!一定要看上面的
- GoatGui邀你参加机器学习研讨班
GoatGui
机器学习python人工智能聚类回归
参与机器学习专栏限定免费学习群方式(以下2种皆可):扫描主海报活动页中机器学习专栏学习群的二维码入群.点击下图直接进入机器学习专栏活动页,并扫描二维码入群.具体活动细节,详见21天学习挑战赛主海报活动页.A.活动介绍CSDN与每一位学习者同行平台优质专栏作者带队精准学习精选高质量专栏学习资料活动期内限时免费学习此刻开启学习打卡之路,收获知识、赢取豪礼更能结交志同道合的博友B.作者本人简单介绍概要领
- 【一起入门DeepLearning】中科院深度学习_期末复习_梯度消失与梯度爆炸
vector<>
深度学习
专栏介绍:本栏目为“2022春季中国科学院大学王亮老师的深度学习”课程记录,这门课程与自然语言处理以及机器学习有部分知识点重合,重合的部分不再单独开博客记录了,有需要的读者可以移步自然语言处理专栏和机器学习专栏。如果感兴趣的话,就和我一起入门DL吧什么是梯度消失和梯度爆炸?激活函数的误差从输出层反向传播时每一层都要乘激活函数的导数,当激活函数的导数值小于1时,误差经过每一层传递都会不断衰减,当网络
- 【一起入门DeepLearning】中科院深度学习_期末复习题2018-2019第八题:注意力机制
vector<>
深度学习深度学习注意力机制
专栏介绍:本栏目为“2022春季中国科学院大学王亮老师的深度学习”课程记录,这门课程与自然语言处理以及机器学习有部分知识点重合,重合的部分不再单独开博客记录了,有需要的读者可以移步自然语言处理专栏和机器学习专栏。如果感兴趣的话,就和我一起入门DL吧2018-2019学年第二学期期末试题五、(10分)画出用于机器翻译(或者图像描述)的基于注意机制的编码器-解码器结构示意图,并简要描述注意机制的工作原
- 【一起入门DeepLearning】中科院深度学习_期末复习题2018-2019第三题:卷积计算
vector<>
深度学习深度学习CNN
专栏介绍:本栏目为“2022春季中国科学院大学王亮老师的深度学习”课程记录,这门课程与自然语言处理以及机器学习有部分知识点重合,重合的部分不再单独开博客记录了,有需要的读者可以移步自然语言处理专栏和机器学习专栏。如果感兴趣的话,就和我一起入门DL吧2018-2019学年第二学期期末试题输入图片尺寸为:3x128x128第一层卷积:96个大小为3的卷积核,步长为1第二层池化:96个大小为2的均值池化
- ASM系列五 利用TreeApi 解析生成Class
lijingyao8206
ASM字节码动态生成ClassNodeTreeAPI
前面CoreApi的介绍部分基本涵盖了ASMCore包下面的主要API及功能,其中还有一部分关于MetaData的解析和生成就不再赘述。这篇开始介绍ASM另一部分主要的Api。TreeApi。这一部分源码是关联的asm-tree-5.0.4的版本。
在介绍前,先要知道一点, Tree工程的接口基本可以完
- 链表树——复合数据结构应用实例
bardo
数据结构树型结构表结构设计链表菜单排序
我们清楚:数据库设计中,表结构设计的好坏,直接影响程序的复杂度。所以,本文就无限级分类(目录)树与链表的复合在表设计中的应用进行探讨。当然,什么是树,什么是链表,这里不作介绍。有兴趣可以去看相关的教材。
需求简介:
经常遇到这样的需求,我们希望能将保存在数据库中的树结构能够按确定的顺序读出来。比如,多级菜单、组织结构、商品分类。更具体的,我们希望某个二级菜单在这一级别中就是第一个。虽然它是最后
- 为啥要用位运算代替取模呢
chenchao051
位运算哈希汇编
在hash中查找key的时候,经常会发现用&取代%,先看两段代码吧,
JDK6中的HashMap中的indexFor方法:
/**
* Returns index for hash code h.
*/
static int indexFor(int h, int length) {
- 最近的情况
麦田的设计者
生活感悟计划软考想
今天是2015年4月27号
整理一下最近的思绪以及要完成的任务
1、最近在驾校科目二练车,每周四天,练三周。其实做什么都要用心,追求合理的途径解决。为
- PHP去掉字符串中最后一个字符的方法
IT独行者
PHP字符串
今天在PHP项目开发中遇到一个需求,去掉字符串中的最后一个字符 原字符串1,2,3,4,5,6, 去掉最后一个字符",",最终结果为1,2,3,4,5,6 代码如下:
$str = "1,2,3,4,5,6,";
$newstr = substr($str,0,strlen($str)-1);
echo $newstr;
- hadoop在linux上单机安装过程
_wy_
linuxhadoop
1、安装JDK
jdk版本最好是1.6以上,可以使用执行命令java -version查看当前JAVA版本号,如果报命令不存在或版本比较低,则需要安装一个高版本的JDK,并在/etc/profile的文件末尾,根据本机JDK实际的安装位置加上以下几行:
export JAVA_HOME=/usr/java/jdk1.7.0_25  
- JAVA进阶----分布式事务的一种简单处理方法
无量
多系统交互分布式事务
每个方法都是原子操作:
提供第三方服务的系统,要同时提供执行方法和对应的回滚方法
A系统调用B,C,D系统完成分布式事务
=========执行开始========
A.aa();
try {
B.bb();
} catch(Exception e) {
A.rollbackAa();
}
try {
C.cc();
} catch(Excep
- 安墨移动广 告:移动DSP厚积薄发 引领未来广 告业发展命脉
矮蛋蛋
hadoop互联网
“谁掌握了强大的DSP技术,谁将引领未来的广 告行业发展命脉。”2014年,移动广 告行业的热点非移动DSP莫属。各个圈子都在纷纷谈论,认为移动DSP是行业突破点,一时间许多移动广 告联盟风起云涌,竞相推出专属移动DSP产品。
到底什么是移动DSP呢?
DSP(Demand-SidePlatform),就是需求方平台,为解决广 告主投放的各种需求,真正实现人群定位的精准广
- myelipse设置
alafqq
IP
在一个项目的完整的生命周期中,其维护费用,往往是其开发费用的数倍。因此项目的可维护性、可复用性是衡量一个项目好坏的关键。而注释则是可维护性中必不可少的一环。
注释模板导入步骤
安装方法:
打开eclipse/myeclipse
选择 window-->Preferences-->JAVA-->Code-->Code
- java数组
百合不是茶
java数组
java数组的 声明 创建 初始化; java支持C语言
数组中的每个数都有唯一的一个下标
一维数组的定义 声明: int[] a = new int[3];声明数组中有三个数int[3]
int[] a 中有三个数,下标从0开始,可以同过for来遍历数组中的数
- javascript读取表单数据
bijian1013
JavaScript
利用javascript读取表单数据,可以利用以下三种方法获取:
1、通过表单ID属性:var a = document.getElementByIdx_x_x("id");
2、通过表单名称属性:var b = document.getElementsByName("name");
3、直接通过表单名字获取:var c = form.content.
- 探索JUnit4扩展:使用Theory
bijian1013
javaJUnitTheory
理论机制(Theory)
一.为什么要引用理论机制(Theory)
当今软件开发中,测试驱动开发(TDD — Test-driven development)越发流行。为什么 TDD 会如此流行呢?因为它确实拥有很多优点,它允许开发人员通过简单的例子来指定和表明他们代码的行为意图。
TDD 的优点:
&nb
- [Spring Data Mongo一]Spring Mongo Template操作MongoDB
bit1129
template
什么是Spring Data Mongo
Spring Data MongoDB项目对访问MongoDB的Java客户端API进行了封装,这种封装类似于Spring封装Hibernate和JDBC而提供的HibernateTemplate和JDBCTemplate,主要能力包括
1. 封装客户端跟MongoDB的链接管理
2. 文档-对象映射,通过注解:@Document(collectio
- 【Kafka八】Zookeeper上关于Kafka的配置信息
bit1129
zookeeper
问题:
1. Kafka的哪些信息记录在Zookeeper中 2. Consumer Group消费的每个Partition的Offset信息存放在什么位置
3. Topic的每个Partition存放在哪个Broker上的信息存放在哪里
4. Producer跟Zookeeper究竟有没有关系?没有关系!!!
//consumers、config、brokers、cont
- java OOM内存异常的四种类型及异常与解决方案
ronin47
java OOM 内存异常
OOM异常的四种类型:
一: StackOverflowError :通常因为递归函数引起(死递归,递归太深)。-Xss 128k 一般够用。
二: out Of memory: PermGen Space:通常是动态类大多,比如web 服务器自动更新部署时引起。-Xmx
- java-实现链表反转-递归和非递归实现
bylijinnan
java
20120422更新:
对链表中部分节点进行反转操作,这些节点相隔k个:
0->1->2->3->4->5->6->7->8->9
k=2
8->1->6->3->4->5->2->7->0->9
注意1 3 5 7 9 位置是不变的。
解法:
将链表拆成两部分:
a.0-&
- Netty源码学习-DelimiterBasedFrameDecoder
bylijinnan
javanetty
看DelimiterBasedFrameDecoder的API,有举例:
接收到的ChannelBuffer如下:
+--------------+
| ABC\nDEF\r\n |
+--------------+
经过DelimiterBasedFrameDecoder(Delimiters.lineDelimiter())之后,得到:
+-----+----
- linux的一些命令 -查看cc攻击-网口ip统计等
hotsunshine
linux
Linux判断CC攻击命令详解
2011年12月23日 ⁄ 安全 ⁄ 暂无评论
查看所有80端口的连接数
netstat -nat|grep -i '80'|wc -l
对连接的IP按连接数量进行排序
netstat -ntu | awk '{print $5}' | cut -d: -f1 | sort | uniq -c | sort -n
查看TCP连接状态
n
- Spring获取SessionFactory
ctrain
sessionFactory
String sql = "select sysdate from dual";
WebApplicationContext wac = ContextLoader.getCurrentWebApplicationContext();
String[] names = wac.getBeanDefinitionNames();
for(int i=0; i&
- Hive几种导出数据方式
daizj
hive数据导出
Hive几种导出数据方式
1.拷贝文件
如果数据文件恰好是用户需要的格式,那么只需要拷贝文件或文件夹就可以。
hadoop fs –cp source_path target_path
2.导出到本地文件系统
--不能使用insert into local directory来导出数据,会报错
--只能使用
- 编程之美
dcj3sjt126com
编程PHP重构
我个人的 PHP 编程经验中,递归调用常常与静态变量使用。静态变量的含义可以参考 PHP 手册。希望下面的代码,会更有利于对递归以及静态变量的理解
header("Content-type: text/plain");
function static_function () {
static $i = 0;
if ($i++ < 1
- Android保存用户名和密码
dcj3sjt126com
android
转自:http://www.2cto.com/kf/201401/272336.html
我们不管在开发一个项目或者使用别人的项目,都有用户登录功能,为了让用户的体验效果更好,我们通常会做一个功能,叫做保存用户,这样做的目地就是为了让用户下一次再使用该程序不会重新输入用户名和密码,这里我使用3种方式来存储用户名和密码
1、通过普通 的txt文本存储
2、通过properties属性文件进行存
- Oracle 复习笔记之同义词
eksliang
Oracle 同义词Oracle synonym
转载请出自出处:http://eksliang.iteye.com/blog/2098861
1.什么是同义词
同义词是现有模式对象的一个别名。
概念性的东西,什么是模式呢?创建一个用户,就相应的创建了 一个模式。模式是指数据库对象,是对用户所创建的数据对象的总称。模式对象包括表、视图、索引、同义词、序列、过
- Ajax案例
gongmeitao
Ajaxjsp
数据库采用Sql Server2005
项目名称为:Ajax_Demo
1.com.demo.conn包
package com.demo.conn;
import java.sql.Connection;import java.sql.DriverManager;import java.sql.SQLException;
//获取数据库连接的类public class DBConnec
- ASP.NET中Request.RawUrl、Request.Url的区别
hvt
.netWebC#asp.nethovertree
如果访问的地址是:http://h.keleyi.com/guestbook/addmessage.aspx?key=hovertree%3C&n=myslider#zonemenu那么Request.Url.ToString() 的值是:http://h.keleyi.com/guestbook/addmessage.aspx?key=hovertree<&
- SVG 教程 (七)SVG 实例,SVG 参考手册
天梯梦
svg
SVG 实例 在线实例
下面的例子是把SVG代码直接嵌入到HTML代码中。
谷歌Chrome,火狐,Internet Explorer9,和Safari都支持。
注意:下面的例子将不会在Opera运行,即使Opera支持SVG - 它也不支持SVG在HTML代码中直接使用。 SVG 实例
SVG基本形状
一个圆
矩形
不透明矩形
一个矩形不透明2
一个带圆角矩
- 事务管理
luyulong
javaspring编程事务
事物管理
spring事物的好处
为不同的事物API提供了一致的编程模型
支持声明式事务管理
提供比大多数事务API更简单更易于使用的编程式事务管理API
整合spring的各种数据访问抽象
TransactionDefinition
定义了事务策略
int getIsolationLevel()得到当前事务的隔离级别
READ_COMMITTED
- 基础数据结构和算法十一:Red-black binary search tree
sunwinner
AlgorithmRed-black
The insertion algorithm for 2-3 trees just described is not difficult to understand; now, we will see that it is also not difficult to implement. We will consider a simple representation known
- centos同步时间
stunizhengjia
linux集群同步时间
做了集群,时间的同步就显得非常必要了。 以下是查到的如何做时间同步。 在CentOS 5不再区分客户端和服务器,只要配置了NTP,它就会提供NTP服务。 1)确认已经ntp程序包: # yum install ntp 2)配置时间源(默认就行,不需要修改) # vi /etc/ntp.conf server pool.ntp.o
- ITeye 9月技术图书有奖试读获奖名单公布
ITeye管理员
ITeye
ITeye携手博文视点举办的9月技术图书有奖试读活动已圆满结束,非常感谢广大用户对本次活动的关注与参与。 9月试读活动回顾:http://webmaster.iteye.com/blog/2118112本次技术图书试读活动的优秀奖获奖名单及相应作品如下(优秀文章有很多,但名额有限,没获奖并不代表不优秀):
《NFC:Arduino、Andro