qiyun1986

用经典K均值算法对128维SIFT特征进行聚类

//求救！我用经典K均值算法对128维SIFT特征进行聚类时，程序显示无错误，但无法正常进行聚类，程序如下：
//其中我直接将15个128维的SIFT特征描述子放置数组table[][]中,然后存入样本向量m_pattern[][]处理。
#include
#include
#include
#include
#include
#include

typedef struct t_Pattern  //样本结构
{
int    index;   //样本标号
int    category;   //样本或模板所属类别
double distance;   //样品到类中心的距离
double feature[128];  //特征值
}Pattern;

typedef struct t_Center   //聚类中心结构
{
int    index;   //中心编号
double patternnum;   //该聚类中心包含的样品数目
double feature[128];  //特征值
}Center;

int patternnum;           //样本总数
int centernum;           //聚类中心数目
Pattern m_pattern[100];                   //样本的数组，预先分配100个样本............
Center   m_center[20];   //中心的数组，预先分配10个类..............

double table[15][128]=
{
0.000000, 0.000000, 0.001478, 0.018695, 0.138579, 0.297543, 0.105189, 0.000000, 0.000000, 0.000000, 0.014373, 0.087571, 0.092345, 0.167401, 0.096968, 0.000000, 0.000000, 0.000000, 0.031615, 0.036413, 0.019213, 0.293065, 0.207572, 0.000000, 0.000000, 0.000000, 0.060914, 0.095218, 0.000149, 0.044252, 0.132372, 0.000000, 0.000000, 0.000000, 0.001317, 0.140238, 0.297543, 0.252350, 0.001430, 0.000000, 0.000000, 0.000000, 0.019795, 0.297543, 0.297543, 0.080570, 0.072606, 0.000000, 0.000000, 0.000000, 0.001861, 0.089898, 0.219401, 0.269441, 0.123993, 0.000000, 0.000000, 0.000000, 0.001571, 0.005246, 0.070508, 0.189416, 0.080245, 0.000000, 0.000000, 0.000000, 0.000000, 0.024085, 0.228820, 0.026209, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.082186, 0.187255, 0.000832, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.014648, 0.098495, 0.026186, 0.000344, 0.000000, 0.000000, 0.000000, 0.000000, 0.000374, 0.027496, 0.060621, 0.000231, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000,
0.011114, 0.000000, 0.000000, 0.000000, 0.057159, 0.312867, 0.172352, 0.000000, 0.113052, 0.000000, 0.000000, 0.000000, 0.062670, 0.141100, 0.159076, 0.000000, 0.125271, 0.000000, 0.000000, 0.003224, 0.120338, 0.011771, 0.103333, 0.000000, 0.045079, 0.000000, 0.000000, 0.005143, 0.312867, 0.116800, 0.000000, 0.000000, 0.029330, 0.000000, 0.000000, 0.002469, 0.297371, 0.312867, 0.098591, 0.000000, 0.142157, 0.000000, 0.000000, 0.002728, 0.085394, 0.084272, 0.146158, 0.000000, 0.108129, 0.000000, 0.000000, 0.002554, 0.312867, 0.161761, 0.064168, 0.000000, 0.011909, 0.000000, 0.000000, 0.000403, 0.312867, 0.284437, 0.000000, 0.000000, 0.011472, 0.000000, 0.000000, 0.001480, 0.114975, 0.022356, 0.000000, 0.000000, 0.061577, 0.000000, 0.000000, 0.001627, 0.036668, 0.002416, 0.000119, 0.000000, 0.014162, 0.000000, 0.000000, 0.001247, 0.159573, 0.049683, 0.000013, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.173631, 0.059612, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000,
0.006479, 0.000000, 0.000000, 0.000000, 0.275748, 0.275748, 0.023971, 0.000000, 0.049130, 0.000000, 0.000000, 0.000260, 0.275748, 0.275748, 0.016080, 0.000000, 0.275748, 0.000000, 0.000000, 0.002052, 0.271480, 0.098017, 0.034208, 0.000000, 0.275748, 0.000000, 0.000000, 0.000203, 0.027433, 0.004663, 0.028255, 0.000000, 0.032164, 0.000000, 0.000000, 0.000000, 0.114724, 0.123388, 0.041318, 0.000000, 0.084534, 0.000000, 0.000000, 0.000133, 0.275748, 0.264620, 0.040774, 0.000000, 0.275748, 0.000000, 0.000000, 0.001615, 0.275748, 0.080423, 0.022893, 0.000000, 0.275748, 0.000000, 0.000000, 0.000339, 0.105703, 0.013523, 0.008677, 0.000000, 0.003580, 0.000000, 0.000000, 0.000000, 0.003670, 0.005181, 0.004261, 0.000000, 0.044855, 0.000000, 0.000000, 0.000000, 0.000803, 0.010285, 0.006172, 0.000000, 0.116607, 0.000000, 0.000000, 0.000000, 0.000000, 0.000696, 0.003079, 0.000000, 0.077098, 0.000000, 0.000000, 0.000000, 0.010670, 0.002608, 0.001305, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000,
0.000000, 0.000000, 0.000000, 0.006195, 0.293956, 0.203181, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.034950, 0.293956, 0.202323, 0.000000, 0.000000, 0.000000, 0.000000, 0.030797, 0.160872, 0.293956, 0.066715, 0.017109, 0.000000, 0.000000, 0.000000, 0.172640, 0.143538, 0.038649, 0.035664, 0.038184, 0.000000, 0.000000, 0.000000, 0.000000, 0.016890, 0.293956, 0.260487, 0.000000, 0.000000, 0.000000, 0.000000, 0.002213, 0.092851, 0.293956, 0.293956, 0.000000, 0.000000, 0.000000, 0.000210, 0.096691, 0.293956, 0.293956, 0.008312, 0.000446, 0.000000, 0.000000, 0.001459, 0.107798, 0.145515, 0.041264, 0.040401, 0.046522, 0.000000, 0.000000, 0.000000, 0.000000, 0.001899, 0.048830, 0.039584, 0.000000, 0.000000, 0.000000, 0.000000, 0.000898, 0.011113, 0.038551, 0.051935, 0.000000, 0.000000, 0.000000, 0.000084, 0.044847, 0.051774, 0.009425, 0.001498, 0.000000, 0.000000, 0.000000, 0.000841, 0.036782, 0.012501, 0.001094, 0.001743, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000,
0.015103, 0.149081, 0.056837, 0.003130, 0.079431, 0.026826, 0.000000, 0.000000, 0.090834, 0.298709, 0.086926, 0.000000, 0.020912, 0.019542, 0.000000, 0.000000, 0.072515, 0.213011, 0.002622, 0.003111, 0.298709, 0.249893, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.011256, 0.298709, 0.103709, 0.000000, 0.000000, 0.000971, 0.065453, 0.186950, 0.146670, 0.033806, 0.002472, 0.000000, 0.000000, 0.022928, 0.298709, 0.298709, 0.097675, 0.052017, 0.019229, 0.000000, 0.000000, 0.042135, 0.162491, 0.016029, 0.136000, 0.298709, 0.113076, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.216417, 0.298709, 0.011875, 0.000000, 0.000000, 0.000000, 0.000000, 0.003660, 0.047887, 0.014998, 0.000000, 0.000000, 0.000000, 0.000000, 0.007331, 0.029890, 0.040663, 0.005875, 0.000000, 0.000000, 0.000000, 0.000796, 0.004268, 0.001136, 0.045108, 0.075995, 0.003645, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.058236, 0.062865, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000,
0.012101, 0.000000, 0.000000, 0.002210, 0.237052, 0.196940, 0.006296, 0.000000, 0.267750, 0.000000, 0.000000, 0.024923, 0.288121, 0.080369, 0.000050, 0.000000, 0.288121, 0.000000, 0.000000, 0.006856, 0.067859, 0.000518, 0.001542, 0.000000, 0.264672, 0.000000, 0.000000, 0.000623, 0.028561, 0.002637, 0.006459, 0.000000, 0.000000, 0.000000, 0.000000, 0.000008, 0.112409, 0.288121, 0.275381, 0.000000, 0.094172, 0.000000, 0.000000, 0.012037, 0.288121, 0.288121, 0.118569, 0.000000, 0.288121, 0.000000, 0.000000, 0.006313, 0.128273, 0.047308, 0.185033, 0.000000, 0.066795, 0.000000, 0.000000, 0.000000, 0.000143, 0.059218, 0.226946, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000056, 0.034369, 0.102251, 0.000000, 0.002229, 0.000000, 0.000000, 0.000000, 0.010759, 0.064013, 0.059874, 0.000000, 0.002704, 0.000000, 0.000000, 0.000000, 0.002399, 0.020565, 0.067530, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000085, 0.035119, 0.052478, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000,
0.031076, 0.000000, 0.000000, 0.061918, 0.304867, 0.022727, 0.016577, 0.000000, 0.088152, 0.000000, 0.000000, 0.163414, 0.324761, 0.001875, 0.001223, 0.000000, 0.183948, 0.000000, 0.000000, 0.045094, 0.132226, 0.011027, 0.114634, 0.000000, 0.011333, 0.000000, 0.000000, 0.000108, 0.003479, 0.111896, 0.171431, 0.000000, 0.020272, 0.000000, 0.000000, 0.037489, 0.324761, 0.112579, 0.000445, 0.000000, 0.104688, 0.000000, 0.000000, 0.081284, 0.324761, 0.125544, 0.023769, 0.000000, 0.086699, 0.000000, 0.000000, 0.007780, 0.043093, 0.324761, 0.324761, 0.000000, 0.000125, 0.000000, 0.000000, 0.000000, 0.065951, 0.324761, 0.145248, 0.000000, 0.000000, 0.000000, 0.000000, 0.000093, 0.075148, 0.040769, 0.000000, 0.000000, 0.003228, 0.000000, 0.000000, 0.000369, 0.047258, 0.046116, 0.003109, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.003525, 0.130587, 0.020143, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.021696, 0.112267, 0.000476, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000,
0.000000, 0.000000, 0.006404, 0.087348, 0.054256, 0.055617, 0.230117, 0.000000, 0.000000, 0.000000, 0.007164, 0.033565, 0.000631, 0.224884, 0.271951, 0.000000, 0.000000, 0.000000, 0.000000, 0.000048, 0.029124, 0.271951, 0.271951, 0.000000, 0.000000, 0.000000, 0.000000, 0.000122, 0.105675, 0.271951, 0.041678, 0.000000, 0.000000, 0.000000, 0.008548, 0.240623, 0.271951, 0.015030, 0.024680, 0.000000, 0.000000, 0.000000, 0.017297, 0.271951, 0.197234, 0.045909, 0.264307, 0.000000, 0.000000, 0.000000, 0.000000, 0.062669, 0.181516, 0.271951, 0.150042, 0.000000, 0.000000, 0.000000, 0.000000, 0.056920, 0.271951, 0.117040, 0.000224, 0.000000, 0.000000, 0.000000, 0.000000, 0.017121, 0.133155, 0.005471, 0.000000, 0.000000, 0.000000, 0.000000, 0.000359, 0.064961, 0.065828, 0.000000, 0.000743, 0.000000, 0.000000, 0.000000, 0.000000, 0.023080, 0.022812, 0.006511, 0.004268, 0.000000, 0.000000, 0.000000, 0.000000, 0.024161, 0.039619, 0.000566, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000,
0.000000, 0.000000, 0.009328, 0.039517, 0.076076, 0.288357, 0.236892, 0.000000, 0.000000, 0.000000, 0.014250, 0.091747, 0.318058, 0.118403, 0.114596, 0.000000, 0.000000, 0.000000, 0.015101, 0.117092, 0.318058, 0.017261, 0.018200, 0.000000, 0.000000, 0.000000, 0.009171, 0.152293, 0.318058, 0.000011, 0.000000, 0.000000, 0.000000, 0.000000, 0.015003, 0.027151, 0.120991, 0.168515, 0.034496, 0.000000, 0.000000, 0.000000, 0.001707, 0.008413, 0.318058, 0.247432, 0.009030, 0.000000, 0.000000, 0.000000, 0.000000, 0.099070, 0.318058, 0.040121, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.193163, 0.318058, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.007764, 0.007390, 0.000239, 0.010234, 0.007192, 0.000000, 0.000000, 0.000000, 0.000168, 0.001511, 0.030704, 0.025069, 0.005004, 0.000000, 0.000000, 0.000000, 0.000000, 0.024838, 0.086983, 0.001592, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.034452, 0.078538, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000,
0.030437, 0.037123, 0.002925, 0.009998, 0.287762, 0.065462, 0.000000, 0.000000, 0.015423, 0.034181, 0.027903, 0.059793, 0.287762, 0.038965, 0.000000, 0.000000, 0.106790, 0.148111, 0.102385, 0.060912, 0.213854, 0.039985, 0.000000, 0.000000, 0.029209, 0.212614, 0.287762, 0.013029, 0.009599, 0.000327, 0.000000, 0.000000, 0.020584, 0.028307, 0.001620, 0.010881, 0.287762, 0.207131, 0.000000, 0.000000, 0.077613, 0.067615, 0.005961, 0.020062, 0.287762, 0.121640, 0.000000, 0.000000, 0.190019, 0.212157, 0.052800, 0.022960, 0.287762, 0.078616, 0.000000, 0.000000, 0.053103, 0.190591, 0.248975, 0.084492, 0.064598, 0.005242, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.212071, 0.060157, 0.000000, 0.000000, 0.002909, 0.005584, 0.001401, 0.000764, 0.149788, 0.030161, 0.000000, 0.000000, 0.006324, 0.026273, 0.024373, 0.002502, 0.020602, 0.002375, 0.000000, 0.000000, 0.005403, 0.012049, 0.009565, 0.013885, 0.025112, 0.000560, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000,
0.000109, 0.000000, 0.000000, 0.000000, 0.003788, 0.190562, 0.187268, 0.000000, 0.004468, 0.000000, 0.000000, 0.001066, 0.006466, 0.039498, 0.321777, 0.000000, 0.121747, 0.000000, 0.000000, 0.018260, 0.099077, 0.003743, 0.155939, 0.000000, 0.321777, 0.000000, 0.000000, 0.007004, 0.031481, 0.000102, 0.005472, 0.000000, 0.000194, 0.000000, 0.000000, 0.000000, 0.005521, 0.092193, 0.321777, 0.000000, 0.019241, 0.000000, 0.000000, 0.005942, 0.206049, 0.083826, 0.167368, 0.000000, 0.084698, 0.000000, 0.000000, 0.055272, 0.321777, 0.186879, 0.020108, 0.000000, 0.321777, 0.000000, 0.000000, 0.138992, 0.321777, 0.032880, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.001273, 0.029015, 0.030178, 0.000000, 0.001765, 0.000000, 0.000000, 0.000591, 0.070801, 0.027187, 0.005007, 0.000000, 0.000000, 0.000000, 0.000000, 0.000718, 0.200207, 0.069334, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.030792, 0.222273, 0.014087, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000,
0.000000, 0.000000, 0.000000, 0.008583, 0.220748, 0.157737, 0.010810, 0.000000, 0.000528, 0.000000, 0.000000, 0.000441, 0.050602, 0.305019, 0.252781, 0.000000, 0.004927, 0.000000, 0.000000, 0.000455, 0.018792, 0.131822, 0.305019, 0.000000, 0.039349, 0.000000, 0.000000, 0.033141, 0.227633, 0.026389, 0.138028, 0.000000, 0.008711, 0.000000, 0.000000, 0.008004, 0.138197, 0.230398, 0.024184, 0.000000, 0.010993, 0.000000, 0.000000, 0.012782, 0.112381, 0.203259, 0.226808, 0.000000, 0.004612, 0.000000, 0.000000, 0.037142, 0.305019, 0.265682, 0.195780, 0.000000, 0.015749, 0.000000, 0.000000, 0.087154, 0.305019, 0.086009, 0.007954, 0.000000, 0.001339, 0.000000, 0.000000, 0.002232, 0.010777, 0.046102, 0.007969, 0.000000, 0.001485, 0.000000, 0.000000, 0.005523, 0.037624, 0.024684, 0.002008, 0.000000, 0.000018, 0.000000, 0.000000, 0.011107, 0.173688, 0.043913, 0.000075, 0.000000, 0.000000, 0.000000, 0.000000, 0.028517, 0.232233, 0.009514, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000,
0.000000, 0.000000, 0.032635, 0.314046, 0.249443, 0.000399, 0.000205, 0.000000, 0.000000, 0.000000, 0.052636, 0.279980, 0.314046, 0.015408, 0.000000, 0.000000, 0.000000, 0.000000, 0.025258, 0.105991, 0.314046, 0.078345, 0.000000, 0.000000, 0.000000, 0.000000, 0.000969, 0.018419, 0.262296, 0.103533, 0.000000, 0.000000, 0.000000, 0.000000, 0.057422, 0.194496, 0.161980, 0.074194, 0.160153, 0.000000, 0.000000, 0.000000, 0.001722, 0.072801, 0.314046, 0.094073, 0.018651, 0.000000, 0.000000, 0.000000, 0.000000, 0.084116, 0.314046, 0.124149, 0.000450, 0.000000, 0.000000, 0.000000, 0.001955, 0.089335, 0.314046, 0.092916, 0.000000, 0.000000, 0.000000, 0.000000, 0.010968, 0.007804, 0.006316, 0.030492, 0.047996, 0.000000, 0.000000, 0.000000, 0.000000, 0.012899, 0.028137, 0.022939, 0.002786, 0.000000, 0.000000, 0.000000, 0.000000, 0.046598, 0.060336, 0.000281, 0.000000, 0.000000, 0.000000, 0.000000, 0.001183, 0.042347, 0.031934, 0.000303, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000,
0.000000, 0.000000, 0.156926, 0.305359, 0.061099, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.073754, 0.305359, 0.051044, 0.000014, 0.000000, 0.000000, 0.008339, 0.064822, 0.101130, 0.130501, 0.076619, 0.004173, 0.000000, 0.000000, 0.001879, 0.076070, 0.305359, 0.008306, 0.003151, 0.000593, 0.000000, 0.000000, 0.000000, 0.000000, 0.005971, 0.305359, 0.305359, 0.000000, 0.000000, 0.000000, 0.001283, 0.008025, 0.003623, 0.305359, 0.305359, 0.009037, 0.000000, 0.000000, 0.010597, 0.087491, 0.235284, 0.094531, 0.135366, 0.012182, 0.000000, 0.000000, 0.000192, 0.018543, 0.305359, 0.130719, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.014957, 0.166354, 0.000000, 0.000000, 0.000000, 0.000386, 0.001664, 0.000061, 0.015077, 0.174168, 0.003800, 0.000000, 0.000000, 0.002949, 0.022200, 0.032920, 0.008067, 0.029050, 0.005845, 0.000000, 0.000000, 0.000000, 0.000038, 0.063465, 0.034116, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000,
0.000334, 0.000000, 0.000000, 0.000000, 0.080513, 0.289289, 0.289289, 0.000000, 0.175067, 0.000000, 0.000000, 0.000000, 0.003114, 0.029182, 0.289289, 0.000000, 0.289289, 0.000000, 0.000000, 0.000000, 0.047115, 0.027688, 0.033889, 0.000000, 0.289289, 0.000000, 0.000000, 0.000000, 0.037902, 0.033396, 0.007102, 0.000000, 0.025605, 0.000000, 0.000000, 0.000000, 0.054310, 0.094903, 0.253213, 0.000000, 0.155462, 0.000000, 0.000000, 0.000000, 0.018199, 0.027176, 0.289289, 0.000000, 0.137075, 0.000000, 0.000000, 0.000000, 0.289289, 0.198834, 0.053872, 0.000000, 0.025466, 0.000000, 0.000000, 0.000000, 0.289289, 0.231039, 0.010728, 0.000000, 0.012720, 0.000000, 0.000000, 0.000000, 0.000000, 0.016820, 0.016281, 0.000000, 0.077431, 0.000000, 0.000000, 0.000000, 0.007049, 0.001388, 0.013087, 0.000000, 0.057718, 0.000000, 0.000000, 0.000000, 0.156483, 0.043689, 0.000315, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.173142, 0.042398, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000
};

void Init();
double GetDistance(Pattern pattern,Center center);
void CalCenter(Center &pcenter);
int kmeans(int patternnum,int centernum);

void main()
{
int i,j;
Init();
patternnum=15;
centernum=5;
kmeans(15,3);
for (i=0;i {
  printf("/n第个%d类中的sift特征点个数为:%d/n/n",i,m_center[i].patternnum);
}
}

void Init()
{
int i,j;
for (i=0;i<15;i++)
{
  for (j=0;j<128;j++)
  {
   m_pattern[i].feature[j] = table[i][j];
  }
}

}

//计算样品和聚类中心间的距离
double GetDistance(Pattern pattern,Center center)
{
double result=0.00000;
for(int i=0;i<128;i++)
{
result += (pattern.feature[i] - center.feature[i]) * (pattern.feature[i] - center.feature[i]);
}
return (double)sqrt(result);

}

// 计算中心pcenter的特征值（本类所有样品的均值）及样品个数
void CalCenter(Center &pcenter)
{
double temp[128];   //临时存储中心的特征值
int    a=0;     //记录该类中元素个数
int    i,j;
for(i=0;i<128;i++)   //中心清空
  temp[i]=0.00000;

for (i=0;i {
  if (m_pattern[i].category == pcenter.index) //累加中心所有样品
  {
   a++;
   for (j=0;j<128;j++) //维数
   {
    temp[j] += m_pattern[i].feature[j];
   }
  }
}

pcenter.patternnum=a; //该类中元素个数.........................

for (i=0;i<128;i++)   //维数
{
  if (a!=0)
  {
   pcenter.feature[i] = (double)(temp[i]/(double)a); //取均值
  }
  else
  {
   pcenter.feature[i] = temp[i];
  }
}

}

int kmeans(int patternnum,int centernum)
{
bool   change = true;  //退出标志，false时表示样品所属类别不再变化，中止计算
int    i,j;
int    counter = 0;   //记录当前已经循环的次数
int    times = 500;   //循环次数，作比较...............
double distance = 0.9870; //到各中心的距离.................

for (i=0;i {
m_pattern[i].distance=0.9870; //最大距离..................
}

//初始化，前centernum个模版各自分为一类
for (i=0;i {
  m_pattern[i].category = i+1;
  m_pattern[i].distance = 0;
  for (j=0;j<128;j++)    //维数
   m_center[i].feature[j] = m_pattern[i].feature[j];
  m_center[i].index = i+1;
}

//主循环，开始聚类
while (change && counter {
  printf("/nenter main cycle:/n");
  counter++;  //循环次数
  change=false;

  for (int i=0;i  {
   //计算第i个模式到各个聚类中心的最小距离
   int index=1;
   distance=0.9870;

   for (int j=0;j    if (GetDistance(m_pattern[i],m_center[j]) < distance)
    {
     distance=GetDistance(m_pattern[i],m_center[j]);
     index=j; //找到最小距离,是到第index个聚类中心的距离
    }

   //比较原中心号与新中心号
   //相同：更新距离。
   //不同：1，新距离小，则归入新中心，更新距离，重新计算前后两个聚类中心模式
   //  2，新距离大于原距离，不处理；
   if (m_pattern[i].category == m_center[index].index) //属于原类
   {
    m_pattern[i].distance=distance;
   }
   else //不属于原类
   {
    int t_center=m_pattern[i].category; //记录原类号
    m_pattern[i].category=m_center[index].index;//归入新类
    m_pattern[i].distance=distance;
    if (t_center!=0)
    {
     for (int k=0;k     {
      if(m_center[k].index == t_center)
       CalCenter(m_center[k]);//计算原属类中心
     }
    }
    CalCenter(m_center[index]); //计算新属类中心
    change=true;

}

}//end for i

}//end for while

free(m_center);

return 1;

}

CESM1.2.1移植使用说明 ༊.枕星＇听光.ঌ 人工智能 linux
文章目录概述环境配置cesm1_2_1配置部分环境软件压缩包改变CLM陆面模式结果文件的输出变量、特征值及频率小结概述记录用户如何在Linux系统上移植CESM1.2.1模型，并且使用CLM4.5模式创建并单点模拟算例I_2000_CLM45。环境配置1.更新系统软件源2.更新系统安装软件安装git、make、python等。3.安装MPI(openmpi4.1.5)//下载并解压进入文件夹wge
PyTorch 中的维度操作详解萝卜小白 pytorch 人工智能 python
在PyTorch中，维度（dimension）是描述张量形状的一种方式。维度操作是PyTorch中非常重要的功能，常用于调整张量的形状以适配各种计算需求。以下是常见的维度操作及其示例。1.维度的概念回顾一个二维张量（矩阵）的形状是(行数,列数)。一个三维张量的形状是(深度,行数,列数)。维度的索引从0开始，最外层是axis=0，向内依次递增。2.维度的操作(1)求和（Sum）sum(dim)的作用
图像拼接-UDIS详细推导和精读Unsupervised Deep Image Stitching: ReconstructingStitched Features to Images cccc来财算法计算机视觉深度学习
无监督粗对齐1.基于消融的策略主要是为了找到重叠区，去除无效区2.拼接域的TransformerLayer无监督图像重建1.低分辨率变形单应性变换仅能表示同一深度的空间变换，在实际的图像拼接任务中，由于输入图像的多样性和复杂性，经过第一阶段的粗对齐后，图像往往无法完全对齐。为了让网络能够感知到这些错位区域，特别是在高分辨率和大视差的情况下，设计了低分辨率变形分支，先在低分辨率下对图像进行处理和学习
python 基于混合式推荐算法的学术论文投稿系统 mosquito_lover1 python 知识图谱
基于混合式推荐算法的学术论文投稿系统是一个结合多种推荐技术（如基于内容的推荐、协同过滤、知识图谱等）来为研究者推荐合适期刊或会议投稿的系统。以下是实现该系统的关键步骤和Python代码示例。系统设计思路1.数据收集与预处理：-收集论文数据（标题、摘要、关键词、作者信息等）。-收集期刊/会议数据（领域、主题、影响因子、投稿要求等）。-对文本数据进行预处理（分词、去停用词、向量化等）。2.推荐算法设计
探索Hyperlane：用Rust打造轻量级、高性能的Web后端框架 LTPP rust 前端开发语言后端服务器算法
引言在Web开发的世界里，性能和效率是每个开发者追求的终极目标。如果你正在寻找一个兼具速度、安全性和开发便捷性的后端框架，那么基于Rust语言开发的Hyperlane绝对值得你的关注！Hyperlane是一个轻量级、高性能的HTTP服务器框架，专为现代Web服务设计，旨在让开发者以最小的代价构建出强大的网络应用。本文将带你深入了解Hyperlane的独特魅力，并通过实用示例和推广内容激发你立即尝试
llm数据存储基础设施 galileo2016 人工智能
链接:https://i68.ltd/notes/posts/20250310-llm-db/infinity专为LLM应用程序构建的AI原生数据库，可提供对密集向量、稀疏向量、张量（多向量）和全文的快速混合搜索项目仓库:https://github.com/infiniflow/infinity关键特性令人难以置信的快在百万级矢量数据集上实现0.1毫秒查询延迟和15K+QPS在33M文档的全文搜
一文讲清楚CUDA与PyTorch、GPU之间的关系平凡而伟大. 编程语言人工智能架构设计 pytorch 人工智能 python
CUDA（ComputeUnifiedDeviceArchitecture）是由NVIDIA开发的一个并行计算平台和编程模型。它允许软件开发人员和研究人员利用NVIDIA的GPU（图形处理单元）进行高性能计算。CUDA提供了一系列API和工具，使得开发者能够编写和优化在GPU上运行的计算密集型任务。CUDA与PyTorch、GPU之间的关系可以这样理解：1.CUDA与GPU：GPU：是一种专门用于
用SpringBoot做一个web小案例环境搭建只恨天高 Java 代码笔记 spring boot java 后端
前面我讲了四部分内容：springboot入门，springboot的配置相关知识点，springboot的视图模板引擎，springboot整合持久层框架有了这些知识点，我们就可以来完成一个相对功能完整的增删改查的小案例了，这个案例我们把以前讲JavaWeb入门课程中的哪个例子重新写一遍，基本功能：登录，用户列表显示，用户信息的增删改查，用户的模糊查询等，选用的技术由springboot2.0.
k8s基础架构介绍忍界英雄 docker kubernetes 容器云原生
k8s基础架构介绍k8s是对容器进行编排的一种工具。通过k8s可以实现对容器的编排、部署、更新等学习k8s之前，先了解相关的一些使用和配置k8s的一些工具。k8s的常用工具在kubernetes中，主要有三个日常使用的工具，这些工具使用kube前缀命名，这三个工具如下：kubeadm用来初始化集群的指令，能够创建集群,并且添加新的节点。可用其它部署工具替代。具体功能有:初始化集群：在控制平面节点（
67.220.90.4 forum index.php,http://67.220.92.14/forum/inde PHP注释实例技巧朱佳顺 67.220.90.4 forum index.php
复制代码代码如下:$a=1;$b=2;if(1==1){$andy=‘帅哥’;}?>一般注释的时候,用复制代码代码如下:/*$a=1;$b=2;*/if(1==1){$andy=‘帅哥’;}?>调程序的时候,老要把后面的*/拿到前面去,很麻烦复制代码代码如下:/**/$a=1;$b=2;if(1==1){$andy=‘帅哥’;}?>现在应该这样写这样是注释掉复制代码代码如下:/**$a=1;$b=
python hack库_这里有123个黑客必备的Python工具！ weixin_39637571 python hack库
123个Python渗透测试工具，当然不仅于渗透~如果你想参与漏洞研究、逆向工程和渗透，我建议你时候用Python语言。Python已经有很多完善可用的库，我将在这里把他们列出来。这个清单里的工具大部分都是Python写成的，一部分是现有C库的Python绑定，这些库在Python中都可以简单使用。一些强力工具(pentestframeworks、bluetoothsmashers、webappl
物联网（IoT）架构中，平台层的应用与技术小赖同学啊智能硬件物联网架构
在物联网（IoT）架构中，平台层是连接物理设备（感知层）和应用服务（应用层）的核心部分。它负责数据的采集、处理、存储、分析以及设备管理等功能，是物联网系统的“大脑”。以下是平台层的主要功能及其技术实现手段：平台层的主要功能设备管理：功能：管理物联网设备的注册、配置、监控、维护和故障诊断。技术手段：设备注册与认证：使用MQTT、CoAP等协议实现设备接入，结合OAuth、X.509证书等技术进行设备
深入解析React 18核心特性：构建未来级Web应用的全面指南斯~内克 react知识点前端 react.js 前端框架
一、React18的里程碑意义React18作为近年来最具革命性的版本更新，标志着前端开发正式进入并发渲染时代。这个版本不仅带来了底层架构的革新，更重新定义了现代Web应用的性能标准与开发范式。根据npm官方统计，React18发布首周下载量突破1800万次，GitHub星标数新增3.4万，充分展现了开发者社区对其技术价值的认可。二、架构革命：并发模式深度解析2.1并发渲染原理//传统同步渲染模式
Windows域渗透之域管理人间酒中仙红队笔记之域渗透 windows 笔记学习网络安全域渗透红队笔记
Windows域管理一、使用组策略进行软件分发1、操作步骤2、PowerShell命令示例二、配置组策略（GPO）设置1、设置密码策略2、禁用USB存储设备三、批量用户管理1、创建单个用户2、批量导入用户四、部署和管理共享驱动器1、使用组策略登录脚本自动映射驱动器2、使用PowerShell映射网络驱动器五、管理Windows更新1、使用组策略配置自动更新2、使用PowerShell管理Windo
机器学习中的梯度到底是什么？（chat-gpt问答）湫怿机器学习 gpt 人工智能梯度
1、梯度是对损失函数求导吗？是的，梯度是对损失函数（或目标函数）求导数值化后的结果。梯度告诉我们目标函数在某个点上的方向性和变化率，这些信息是优化算法推进参数评估和更新的重要指标。在机器学习中，我们通过不断调整参数，使目标函数达到最小值，从而实现模型的训练和学习。2、为什么梯度要求偏导来求解？梯度是一个向量，它的方向指向函数值增加最快的方向，其大小表示函数值的变化率。为了确定梯度的方向和大小，需要
打造高性能的react 大鸡腿最好吃 react.js
根本目的就是减少重复渲染使用使用shouldComponentUpdate规避冗余的更新逻辑shouldComponentUpdate触发的条件是只要父组件更新了，就会被触发，在里面判断传入的pros是否改变，不变则返回falsePureComponent+Immutable.jsPureComponent其实就是内置了对shouldComponentUpdate的实现，不过其对props的比对是
计算机视觉算法实战——驾驶员玩手机检测（主页有源码）喵了个AI 计算机视觉实战项目计算机视觉算法智能手机
✨个人主页欢迎您的访问✨期待您的三连✨✨个人主页欢迎您的访问✨期待您的三连✨✨个人主页欢迎您的访问✨期待您的三连✨1.领域简介：玩手机检测的重要性与技术挑战驾驶员玩手机检测是智能交通安全领域的核心课题。根据NHTSA数据，美国每年因手机使用导致的交通事故超过3000起，中国公安部的统计显示开车使用手机的事故率是正常驾驶的23倍。该技术通过实时监测驾驶员手部动作和视线方向，识别非法使用手机行为，在以
安全测试数据的分析、报告及业务应用蚂蚁质量安全测试质量体系安全网络 web安全
一、安全测试指标与测量目标在风险分析和管理流程中，有效运用安全测试数据的前提是准确定义安全测试指标和测量目标。例如，通过统计安全测试中发现的漏洞总数，能够量化应用程序的安全状态，还可据此设定软件安全测试的目标，如在应用程序投入生产环境前，将漏洞数量降低至可接受的最低限度。另一个具有管理价值的目标是将应用程序的安全状态与安全基线进行对比，以此评估应用安全流程的改进情况。假设安全指标基线对应的是仅完成
Android Jetpack介绍 Gary.Mi Android
1.文档背景本文是Jetpack介绍系列文档的开篇，是对Jetpack整体的介绍，后续会对其中的各个组件分别单独说明。2.官方简介Jetpack是一套库、工具和指南，可帮助开发者更轻松地编写优质应用。使用这些组件，可帮助开发者遵循最佳实践，摆脱编写样板代码的工作并简化复杂任务，使开发者将精力集中放在所需的代码上。Jetpack包含与平台API解除捆绑的androidx.*软件包库。这意味着，它可以
深入解析 React Diff 算法：原理、优化与实践赵大仁前端技术 js react.js 前端前端框架
深入解析ReactDiff算法：原理、优化与实践1.引言React作为前端领域的标杆框架，采用虚拟DOM（VirtualDOM）来提升UI更新性能。React的Diff算法（Reconciliation）是虚拟DOM运行机制的核心，它决定了如何高效地对比新旧DOM并执行最少的操作来更新UI。本篇文章将深入探讨ReactDiff算法的原理、优化策略，并通过生动的示例解析其工作方式，让你能够更直观地理
Java基础编程找素数是盈盈啊笔记
说明：除了1和它本身以外，不能被其他正整数整除，就叫素数。方法是否需要接收数据进行处理？需要接收101以及200，以便找该区间中的素数。方法是否需要返回数据？需要返回找到的素数个数。方法内部的实现逻辑：使用for循环来产生如101到200之间的每个数；每拿到一个数，判断该数是否是素数；判断规则是：从2开始遍历到该数的一半的数据，看是否有数据可以整除它，有则不是素数，没有则是素数；根据判
前端面试题---vue项目打包时, 内存不足了怎么办为什么会出现这样的情况 *星之卡比* 前端 vue.js javascript
Vue项目打包时如果出现内存不足（OOM，OutofMemory）简称就是OOM，通常是因为项目代码量较大、依赖过多、打包时Webpack需要处理的文件过多，导致Node.js运行时超出了默认的内存限制。一、为什么会出现内存不足？项目过大：项目代码文件过多，Webpack需要处理的内容太多。第三方库过多：node_modules体积过大，依赖库多且未进行优化。SourceMap过大：默认produ
基于Docker及Kubernetes技术构建容器云（PaaS）平台概述_基于kubernetes iaas(1) 2401_83946044 程序员 docker kubernetes paas
|组成模块|模块说明||—|—||AppRouter[流量接入层]|接收用户请求，并转发到不同的AppRuntime。||AppRuntime[应用运行层]|应用运行环境，为各个应用提供基本的运行引擎，从而让app能够运行起来。||Services[基础服务层]|各个通用基础服务，主要是对主流的服务提供通用的接入，例如数据库等。||PlatformControl[平台控制层]|整个平台的控制中心，
深入浅出C++ STL：统领STL全局有梦想的电信狗《C++语法精粹》——c++stl 数据结构算法开发语言 ide visualstudio
深入浅出C++STL：统领STL全局深入浅出C++STL：统领STL全局github主页地址前言一、STL的前世今生1.1什么是STL？1.2STL版本演进二、STL六大核心组件详解2.1容器（Containers）容器性能对照表2.2算法（Algorithms）2.3迭代器（Iterators）2.4仿函数（Functors）2.5适配器（Adapters）2.6空间配置器（Allocators
机器学习中的梯度下降是什么意思？ yuanpan 机器学习人工智能
梯度下降（GradientDescent）是机器学习中一种常用的优化算法，用于最小化损失函数（LossFunction）。通过迭代调整模型参数，梯度下降帮助模型逐步逼近最优解，从而提升模型的性能。1.核心思想梯度下降的核心思想是利用损失函数的梯度（即导数）来指导参数的更新方向。具体来说：梯度：梯度是损失函数对模型参数的偏导数，表示损失函数在当前参数点上的变化率。下降：通过沿着梯度的反方向（即损失函
llamaindex实现企业级RAG应用（一）弈秋001 transformer 自然语言处理深度学习人工智能
在上一篇文章中使用Qwen2进行RAG代码实践，手动实现了一版简易的RAG应用，在实际工作中通常都用会使用langchain或llamaindex架构来搭建rag应用，并且会非常复杂。RAG是个很神奇的应用，可以很简单，也可以很复杂。在llamaindex官网给的案例，5行代码就可以构建RAG应用，但要真正实现企业级RAG应用，则需要花费大量时间去调优。本文通过一个复杂的项目案例，记录下工作中常用
老板既要又要还要......我用Doris+Hudi把不可能变成了日常一臻数据大数据 Doris 大数据数据分析数据库
老板既要又要还要......我用Doris+Hudi把不可能变成了日常探索Doris与Hudi的完美融合智能查询优化华丽转身-不止于快的进化Doris+Hudi湖仓一体的"艺术之美"大数据江湖中流传着这样一个传说：有一位数据科学家，整日为查询性能发愁，夜夜加班优化SQL。直到有一天，他发现了Doris与Hudi的"天作之合"，顿时开启了"飞毛腿"模式——查询速度快得连老板都不敢相信！如今，这个传说
c++模板初阶晚安，cheems c++开发语言
1.泛型编程泛型编程是一种编程范式，它允许程序员在编写代码时定义算法和数据结构时可以处理不同类型的数据，而不必为每种数据类型编写特定的代码。泛型编程的主要目的是提高代码的复用性、灵活性和可维护性。以下是一些关于泛型编程的基本概念：泛型的优点代码复用：同一套代码可以用于不同的数据类型。类型安全：在编译时就能检查出错误，而不是在运行时。性能：由于不需要进行类型转换，可以生成更高效的代码。泛型编程的例子
CIR-DFENet：结合跨模态图像表示和双流特征增强网络进行活动识别是Dream呀神经网络计算机视觉人工智能神经网络深度学习
前言：零基础学Python：Python从0到100最新最全教程。想做这件事情很久了，这次我更新了自己所写过的所有博客，汇集成了Python从0到100，共一百节课，帮助大家一个月时间里从零基础到学习Python基础语法、Python爬虫、Web开发、计算机视觉、机器学习、神经网络以及人工智能相关知识，成为学业升学和求职工作的先行者！【优惠信息】•新专栏订阅前200名享9.9元优惠•订阅量破200
AVA面试_进阶部分_kafka面试题茂茂在长安 JAVA 面试 kafka 职场和发展 java 中间件
1.Kafka的设计时什么样的呢？Kafka将消息以topic为单位进行归纳将向Kafkatopic发布消息的程序成为producers.将预订topics并消费消息的程序成为consumer.Kafka以集群的方式运行，可以由一个或多个服务组成，每个服务叫做一个broker.producers通过网络将消息发送到Kafka集群，集群向消费者提供消息2.数据传输的事物定义有哪三种？数据传输的事务定
多线程编程之存钱与取钱周凡杨 java thread 多线程存钱取钱
生活费问题是这样的：学生每月都需要生活费，家长一次预存一段时间的生活费，家长和学生使用统一的一个帐号，在学生每次取帐号中一部分钱，直到帐号中没钱时通知家长存钱，而家长看到帐户还有钱则不存钱，直到帐户没钱时才存钱。问题分析：首先问题中有三个实体，学生、家长、银行账户，所以设计程序时就要设计三个类。其中银行账户只有一个，学生和家长操作的是同一个银行账户，学生的行为是
java中数组与List相互转换的方法征客丶 JavaScript java jsonp
1.List转换成为数组。（这里的List是实体是ArrayList) 　　调用ArrayList的toArray方法。　　toArray 　　public T[] toArray(T[] a)返回一个按照正确的顺序包含此列表中所有元素的数组；返回数组的运行时类型就是指定数组的运行时类型。如果列表能放入指定的数组，则返回放入此列表元素的数组。否则，将根据指定数组的运行时类型和此列表的大小分
Shell 流程控制 daizj 流程控制 if else while case shell
Shell 流程控制和Java、PHP等语言不一样，sh的流程控制不可为空，如(以下为PHP流程控制写法)： <?php if(isset($_GET["q"])){ search(q);}else{// 不做任何事情} 在sh/bash里可不能这么写，如果else分支没有语句执行，就不要写这个else，就像这样 if else if if 语句语
Linux服务器新手操作之二周凡杨 Linux 简单操作
1.利用关键字搜寻Man Pages man -k keyword 其中-k 是选项，keyword是要搜寻的关键字如果现在想使用whoami命令，但是只记住了前3个字符who，就可以使用 man -k who来搜寻关键字who的man命令 [haself@HA5-DZ26 ~]$ man -k
socket聊天室之服务器搭建朱辉辉33 socket
因为我们做的是聊天室，所以会有多个客户端，每个客户端我们用一个线程去实现，通过搭建一个服务器来实现从每个客户端来读取信息和发送信息。我们先写客户端的线程。 public class ChatSocket extends Thread{ Socket socket; public ChatSocket(Socket socket){ this.sock
利用finereport建设保险公司决策分析系统的思路和方法老A不折腾 finereport 金融保险分析系统报表系统项目开发
决策分析系统呈现的是数据页面，也就是俗称的报表，报表与报表间、数据与数据间都按照一定的逻辑设定，是业务人员查看、分析数据的平台，更是辅助领导们运营决策的平台。底层数据决定上层分析，所以建设决策分析系统一般包括数据层处理（数据仓库建设）。项目背景介绍通常，保险公司信息化程度很高，基本上都有业务处理系统（像集团业务处理系统、老业务处理系统、个人代理人系统等）、数据服务系统（通过
始终要页面在ifream的最顶层林鹤霄
index.jsp中有ifream，但是session消失后要让login.jsp始终显示到ifream的最顶层。。。始终没搞定，后来反复琢磨之后，得到了解决办法，在这儿给大家分享下。。 index.jsp--->主要是加了颜色的那一句 <html> <iframe name="top" ></iframe> <ifram
MySQL binlog恢复数据 aigo mysql
1，先确保my.ini已经配置了binlog： # binlog log_bin = D:/mysql-5.6.21-winx64/log/binlog/mysql-bin.log log_bin_index = D:/mysql-5.6.21-winx64/log/binlog/mysql-bin.index log_error = D:/mysql-5.6.21-win
OCX打成CBA包并实现自动安装与自动升级 alxw4616 ocx cab
近来手上有个项目,需要使用ocx控件 (ocx是什么? http://baike.baidu.com/view/393671.htm) 在生产过程中我遇到了如下问题. 1. 如何让 ocx 自动安装? a) 如何签名? b) 如何打包? c) 如何安装到指定目录? 2.
Hashmap队列和PriorityQueue队列的应用百合不是茶 Hashmap队列 PriorityQueue队列
HashMap队列已经是学过了的,但是最近在用的时候不是很熟悉,刚刚重新看以一次, HashMap是K,v键 ,值 put()添加元素 //下面试HashMap去掉重复的 package com.hashMapandPriorityQueue; import java.util.H
JDK1.5 returnvalue实例 bijian1013 java thread java多线程 returnvalue
Callable接口：返回结果并且可能抛出异常的任务。实现者定义了一个不带任何参数的叫做 call 的方法。 Callable 接口类似于 Runnable，两者都是为那些其实例可能被另一个线程执行的类设计的。但是 Runnable 不会返回结果，并且无法抛出经过检查的异常。 ExecutorService接口方
angularjs指令中动态编译的方法(适用于有异步请求的情况) 内嵌指令无效 bijian1013 JavaScript AngularJS
在directive的link中有一个$http请求，当请求完成后根据返回的值动态做element.append('......');这个操作，能显示没问题，可问题是我动态组的HTML里面有ng-click，发现显示出来的内容根本不执行ng-click绑定的方法！
【Java范型二】Java范型详解之extend限定范型参数的类型 bit1129 extend
在第一篇中，定义范型类时，使用如下的方式： public class Generics<M, S, N> { //M,S,N是范型参数 } 这种方式定义的范型类有两个基本的问题： 1. 范型参数定义的实例字段，如private M m = null;由于M的类型在运行时才能确定，那么我们在类的方法中，无法使用m，这跟定义pri
【HBase十三】HBase知识点总结 bit1129 hbase
1. 数据从MemStore flush到磁盘的触发条件有哪些？ a.显式调用flush，比如flush 'mytable' b.MemStore中的数据容量超过flush的指定容量，hbase.hregion.memstore.flush.size,默认值是64M 2. Region的构成是怎么样？ 1个Region由若干个Store组成
服务器被DDOS攻击防御的SHELL脚本 ronin47
mkdir /root/bin vi /root/bin/dropip.sh #!/bin/bash/bin/netstat -na|grep ESTABLISHED|awk ‘{print $5}’|awk -F:‘{print $1}’|sort|uniq -c|sort -rn|head -10|grep -v -E ’192.168|127.0′|awk ‘{if($2!=null&a
java程序员生存手册-craps 游戏-一个简单的游戏 bylijinnan java
import java.util.Random; public class CrapsGame { /** * *一个简单的赌*博游戏，游戏规则如下： *玩家掷两个骰子，点数为1到6，如果第一次点数和为7或11，则玩家胜， *如果点数和为2、3或12，则玩家输， *如果和为其它点数，则记录第一次的点数和，然后继续掷骰，直至点数和等于第一次掷出的点
TOMCAT启动提示NB: JAVA_HOME should point to a JDK not a JRE解决开窍的石头 JAVA_HOME
当tomcat是解压的时候，用eclipse启动正常，点击startup.bat的时候启动报错; 报错如下： The JAVA_HOME environment variable is not defined correctly This environment variable is needed to run this program NB: JAVA_HOME shou
[操作系统内核]操作系统与互联网 comsci 操作系统
我首先申明：我这里所说的问题并不是针对哪个厂商的，仅仅是描述我对操作系统技术的一些看法操作系统是一种与硬件层关系非常密切的系统软件，按理说，这种系统软件应该是由设计CPU和硬件板卡的厂商开发的，和软件公司没有直接的关系，也就是说，操作系统应该由做硬件的厂商来设计和开发
富文本框ckeditor_4.4.7 文本框的简单使用支持IE11 cuityang 富文本框
<html xmlns="http://www.w3.org/1999/xhtml"> <head> <meta http-equiv="Content-Type" content="text/html; charset=UTF-8" /> <title>知识库内容编辑</tit
Property null not found darrenzhu datagrid Flex Advanced propery null
When you got error message like "Property null not found ***", try to fix it by the following way: 1)if you are using AdvancedDatagrid, make sure you only update the data in the data prov
MySQl数据库字符串替换函数使用 dcj3sjt126com mysql 函数替换
需求：需要将数据表中一个字段的值里面的所有的 . 替换成 _ 原来的数据是 site.title site.keywords .... 替换后要为 site_title site_keywords 使用的SQL语句如下： updat
mac上终端起动MySQL的方法 dcj3sjt126com mysql mac
首先去官网下载: http://www.mysql.com/downloads/ 我下载了5.6.11的dmg然后安装,安装完成之后..如果要用终端去玩SQL.那么一开始要输入很长的:/usr/local/mysql/bin/mysql 这不方便啊,好想像windows下的cmd里面一样输入mysql -uroot -p1这样...上网查了下..可以实现滴. 打开终端,输入: 1
Gson使用一（Gson） eksliang json gson
转载请出自出处：http://eksliang.iteye.com/blog/2175401 一.概述从结构上看Json，所有的数据（data）最终都可以分解成三种类型：第一种类型是标量（scalar），也就是一个单独的字符串（string）或数字（numbers），比如"ickes"这个字符串。第二种类型是序列（sequence），又叫做数组（array）
android点滴4 gundumw100 android
Android 47个小知识 http://www.open-open.com/lib/view/open1422676091314.html Android实用代码七段（一） http://www.cnblogs.com/over140/archive/2012/09/26/2611999.html http://www.cnblogs.com/over140/arch
JavaWeb之JSP基本语法 ihuning javaweb
目录 JSP模版元素 JSP表达式 JSP脚本片断 EL表达式 JSP注释特殊字符序列的转义处理如何查找JSP页面中的错误 JSP模版元素 JSP页面中的静态HTML内容称之为JSP模版元素，在静态的HTML内容之中可以嵌套JSP
App Extension编程指南（iOS8/OS X v10.10）中文版啸笑天 ext
当iOS 8.0和OS X v10.10发布后，一个全新的概念出现在我们眼前，那就是应用扩展。顾名思义，应用扩展允许开发者扩展应用的自定义功能和内容，能够让用户在使用其他app时使用该项功能。你可以开发一个应用扩展来执行某些特定的任务，用户使用该扩展后就可以在多个上下文环境中执行该任务。比如说，你提供了一个能让用户把内容分
SQLServer实现无限级树结构 macroli oracle sql SQL Server
表结构如下：数据库id path titlesort 排序 1 0 首页 0 2 0,1 新闻 1 3 0,2 JAVA 2 4 0,3 JSP 3 5 0,2,3 业界动态 2 6 0,2,3 国内新闻 1 创建一个存储过程来实现，如果要在页面上使用可以设置一个返回变量将至传过去 create procedure test as begin decla
Css居中div，Css居中img，Css居中文本，Css垂直居中div qiaolevip 众观千象学习永无止境每天进步一点点 css
/**********Css居中Div**********/ div.center { width: 100px; margin: 0 auto; } /**********Css居中img**********/ img.center { display: block; margin-left: auto; margin-right: auto; }
Oracle 常用操作(实用) 吃猫的鱼 oracle
SQL>select text from all_source where owner=user and name=upper('&plsql_name'); SQL>select * from user_ind_columns where index_name=upper('&index_name'); 将表记录恢复到指定时间段以前
iOS中使用RSA对数据进行加密解密 witcheryne ios rsa iPhone objective c
RSA算法是一种非对称加密算法,常被用于加密数据传输.如果配合上数字摘要算法, 也可以用于文件签名. 本文将讨论如何在iOS中使用RSA传输加密数据. 本文环境 mac os openssl-1.0.1j, openssl需要使用1.x版本, 推荐使用[homebrew](http://brew.sh/)安装. Java 8 RSA基本原理 RS

用经典K均值算法对128维SIFT特征进行聚类

你可能感兴趣的:(用经典K均值算法对128维SIFT特征进行聚类)