snailYWW
snailYWW

Bag of features

Bag of features

http://blog.csdn.net/royalvane/article/details/6649068


http://baike.sogou.com/v73026138.htm?fromTitle=tf-idf

你可能感兴趣的:(模式识别与机器学习)

  • 《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
  • 【课程作业_01】国科大2023模式识别与机器学习实践作业 lzl2040 我的笔记python机器学习数据集人工智能
    国科大2023模式识别与机器学习实践作业作业内容从四类方法中选三类方法，从选定的每类方法中，各选一种具体的方法，从给定的数据集中选一个数据集（MNIST，CIFAR-10，电信用户流失数据集）对这三种方法进行测试比较。第一类方法：:线性方法：线性SVM、LogisticRegression第二类方法:非线性方法：KernelSVM，决策树第三类方法:集成学习：Bagging，Boosting第四类
  • 模式识别与机器学习—PCA分析 在下雨599 模式识别复习机器学习人工智能
    主成分分析将高维空间线性投影到一个低维空间，希望在这个低维空间能够表征高维空间中的绝大部分信息，即信息损失最小。关键：找到投影方向补充知识：主成分分析（PCA）目标函数1:最小化重建误差主成分分析（PCA）目标函数2:最大投影后的方差
  • 国科大模式识别与机器学习2015-2019、2021仅考题 智商欠费，不死也废 期末机器学习人工智能
    2015（8）试描述线性判别函数的基本概念，并说明既然有线性判别函，为什么还需要非线性判别函数？假设有两种模式，每类包括6个4维不同的模式，且良好分布。如果他们是线性可分的。问权向量至少需要几个系数分量？假如要建立额尔茨的多项式判别函数，又至少需要几个系数分量？（设模式的良好分布不因模式变化而改变）(8分)简述偏差方差分解及其推导过程，并说明偏差、方差、噪声三部分的内在含义。(8分)试描述用EM算
  • 模式识别与机器学习-半监督学习 Kilig* 机器学习机器学习学习人工智能
    模式识别与机器学习-半监督学习半监督学习半监督学习的三个假设半监督学习算法自学习算法自学习的步骤：自学习的优缺点：优点：缺点：协同训练多视角学习生成模型半监督SVM谨以此博客作为复习期间的记录半监督学习半监督学习（Semi-SupervisedLearning）是机器学习的一种范式，它利用同时包含标记（有标签）和未标记（无标签）数据的数据集来进行模型训练。相比于监督学习和无监督学习，半监督学习尝试
  • 模式识别与机器学习-概率图模型 Kilig* 机器学习机器学习人工智能
    模式识别与机器学习-概率图模型概率图模型三大基本问题表示推断学习有向概率图模型例子三种经典的图HMMViterbi算法谨以此博客作为复习期间的记录概率图模型三大基本问题概率图模型通常涉及三个基本问题，即表示（Representation）、推断（Inference）和学习（Learning）。这三个问题是概率图模型中关键的核心概念。表示（Representation）：表示问题涉及选择合适的图结构
  • 模式识别与机器学习-集成学习 Kilig* 机器学习机器学习集成学习人工智能
    集成学习集成学习思想过拟合与欠拟合判断方法K折交叉验证BootstrapBagging随机森林的特点和工作原理：BoostingAdaBoost工作原理：AdaBoost的特点和优点：AdaBoost的缺点：GradientBoosting工作原理：GradientBoosting的特点和优点：GradientBoosting的变种：Bagging和Boosting算法比较Bagging（Boot
  • 模式识别与机器学习-无监督学习-降维 Kilig* 机器学习机器学习学习人工智能
    模式识别与机器学习-无监督学习-降维为什么要降维维度选择手工移除特征过滤式选择包裹式选择嵌入式选择维度抽取（线性模型）MDSPCA目标1：最小重构误差目标2：最大投影方差SVD思考：为什么保留特征值大的？维度抽取（非线性模型）KPCA流形学习ISOMAP优点：缺点：LLET-SNE谨以此博客作为复习期间的记录为什么要降维消除冗余信息和噪声：原始数据集可能包含大量冗余特征或噪声，这些特征可能对模型训
  • 模式识别与机器学习-SVM（带软间隔的支持向量机） Kilig* 机器学习支持向量机机器学习算法
    SVM（带软间隔的支持向量机）软间隔思想的由来软间隔的引入谨以此博客作为复习期间的记录。软间隔思想的由来在上一篇博客中，回顾了线性可分的支持向量机,但在实际情况中，很少有完全线性可分的情况，大部分线性可分的情况都是整体线性可分，个别样本点无法线性分割开。因此就要避免这极个别样本点对分割平面产生的影响。线性可分支持向量机软间隔的引入在分类过程中，允许极个别数据点“越界”，如何在目标函数中体现这一点呢
  • 模式识别与机器学习-无监督学习-聚类 Kilig* 机器学习机器学习学习聚类
    无监督学习-聚类监督学习&无监督学习K-meansK-means聚类的优点：K-means的局限性：解决方案：高斯混合模型（GaussianMixtureModels，GMM）多维高斯分布的概率密度函数：高斯混合模型（GaussianMixtureModel，GMM）模型形式：EM算法迭代过程：K-means与高斯混合模型（GMM）的对比：K-means：高斯混合模型（GMM）：高斯混合模型（GM
  • 模式识别与机器学习-SVM（线性支持向量机） Kilig* 机器学习支持向量机机器学习算法
    线性支持向量机线性支持向量机间隔距离学习的对偶算法算法:线性可分支持向量机学习算法线性可分支持向量机例子谨以此博客作为复习期间的记录线性支持向量机在以上四条线中，都可以作为分割平面，误差率也都为0。但是那个分割平面效果更好呢？其实可以看出，黑色的线具有更好的性质，因为如果将黑色的线作为分割平面，将会有更大的间隔距离。其中，分割平面可以用以下式子表示:wx+b=0wx+b=0wx+b=0w和bw\t
  • 模式识别与机器学习-SVM（核方法） Kilig* 机器学习机器学习支持向量机人工智能
    SVM（核方法）核方法核技巧在SVM中的应用谨以此博客作为复习期间的记录核方法对解线性分类问题，线性分类支持向量机是一种非常有效的方法．但是，有时分类问题是非线性的，这时可以使用非线性支持向量机，核心思想是通过核方法将低维非线性可分数据转化为高维线性可分数据。非线性问题往往不好求解，所以希望能用解线性分类问题的方法解决这个问题.所采取的方法是进行一个非线性变换,将非线性问题变换为线性问题,通过解变
  • 模式识别与机器学习第一章 露(^_^) 模式识别与机器学习python
    一、模式的概念广义：存在于时间和空间中可观察的物体。如果可以区别它们是否相同或是否相似，都可以称之为模式。狭义：模式所指的不是事物本身，而是从事物获得的信息，模式往往表现为具有时间和空间分布的信息。模式的直观特性：可观察性、可区分性、相似性。二、模式识别的概念模式识别：直观，无所不在，“人以类聚，物以群分”。目的：利用计算机对物理对象进行分类，在错误概率最小的条件下，使识别的结果尽量与客观物体相符
  • 模式识别与机器学习（十二）：Stacking 从零开始的奋豆 模式识别与机器学习机器学习人工智能
    原理在本次实验中以决策树、svm和随机森林为基学习器，以决策树为元学习器。Stacking的做法是首先构建多个不同类型的一级学习器，并使用他们来得到一级预测结果，然后基于这些一级预测结果，构建一个二级学习器，来得到最终的预测结果。Stacking的动机可以描述为：如果某个一级学习器错误地学习了特征空间的某个区域，那么二级学习器通过结合其他一级学习器的学习行为，可以适当纠正这种错误。具体步骤如下图所
  • 模式识别与机器学习（十二）：随机森林 从零开始的奋豆 模式识别与机器学习机器学习随机森林人工智能
    原理随机森林(RandomForest,RF)是Bagging的一个扩展变体。RF在以决策树为基学习器构建Bagging集成的基础上，在决策树的训练过程中引入随机属性选择。训练每颗决策树时随机选出部分特征作为输入，所以该算法被称为随机森林算法。在RF中，对基决策树的每个结点，先从该结点的属性集合中随机选择一个包含k个属性的子集（假定有d个属性），然后再从这个子集中选择一个最优属性用于划分。参数k控
  • 模式识别与机器学习-特征选择和提取 Kilig* 机器学习机器学习人工智能
    模式识别与机器学习-特征选择和提取特征选择一些距离测度公式独立特征的选择准则一般特征的散布矩阵准则离散K-L变换谨以此博客作为复习期间的记录。常见分类问题的流程，数据预处理和特征选择提取时机器学习环节中最重要的两个流程。这两个环节直接决定了最终性能的上下限，本部分记录一下特征提取和选择部分（特征工程）特征选择可以表示为：从一个包含n个度量值的集合{x1,x2,…,xn}\{x_1,x_2,\dot
  • 模式识别与机器学习第三章 露(^_^) 模式识别与机器学习python
    一、线性判别函数1.两类问题的判别函数若这些属于ω1和ω2两类的模式可用一个直线方程d(x)=0来划分，d(x)=w1x1+w2x2+w3=0d(x)称为两类模式的判别函数；d(x)=0称为决策面/判别界面方程。用判别函数进行模式分类依赖的两个因素：（1）判别函数的几何性质：线性的和非线性的函数。（2）判别函数的系数：判别函数的形式确定后，主要就是确定判别函数的系数问题。2.n维线性判别函数的一般
  • 【模式识别与机器学习】——2.2正态分布模式的贝叶斯分类器 weixin_30421809 人工智能
    出发点：当已知或者有理由设想类概率密度函数P(x|ωi)是多变量的正态分布时，上一节介绍的贝叶斯分类器可以导出一些简单的判别函数。由于正态密度函数易于分析，且对许多重要的实际应用又是一种合适的模型，因此受到很大的重视。（贝叶斯分类规则是基于统计概念的。如果只有少数模式样本，一般较难获得最优的结果）正态分布模式的贝叶斯判别函数具有M种模式类别的多变量正态类密度函数为：其中，每一类模式的分布密度都完全
  • 模式识别与机器学习-判别式分类器 Kilig* 机器学习人工智能
    模式识别与机器学习-判别式分类器生成式模型和判别式模型的区别线性判别函数多分类情况多分类情况1多分类情况2多分类情况3例题广义线性判别函数实例分段线性判别函数Fisher线性判别感知机算法例：感知机多类别分类谨以此博客作为学习期间的记录生成式模型和判别式模型的区别生成式模型关注如何生成整个数据的分布，而判别式模型则专注于学习如何根据给定输入预测输出标签或数值。在实践中多数判别式模型要优于生成式模型
  • 模式识别与机器学习（十一）：Bagging 从零开始的奋豆 模式识别与机器学习机器学习
    1.原理Bagging[Breiman,1996a]是井行式集成学习方法最著名的代表.从名字即可看出，它直接基于自助采样法(bootstrapsampling)。给定包含m个样本的数据集，我们先随机取出一个样本放入采样集中，再把该样本放回初始数据集，使得下次采样时该样本仍有可能被选中，这样，经过m次随机采样操作，我们得到含m个样本的采样集，初始训练集中有的样本在采样集里多次出现，有的则从未出现，初
  • 模式识别与机器学习（十）：梯度提升树 从零开始的奋豆 模式识别与机器学习机器学习人工智能
    1.原理提升方法实际采用加法模型（即基函数的线性组合）与前向分步算法。以决策树为基函数的提升方法称为提升树（boostingtree）。对分类问题决策树是二叉分类树，对回归问题决策树是二叉回归树。提升树模型可以表示为决策树的加法模型：fM(x)=∑m=1MT(x;θm)f_M(x)=\sum_{m=1}^MT(x;\theta_m)fM(x)=m=1∑MT(x;θm)其中，T(x;θm)T(x;\
  • 模式识别与机器学习（九）：Adaboost 从零开始的奋豆 模式识别与机器学习机器学习人工智能
    1.原理AdaBoost是AdaptiveBoosting（自适应增强）的缩写，它的自适应在于：被前一个基本分类器误分类的样本的权值会增大，而正确分类的样本的权值会减小，并再次用来训练下一个基本分类器。同时，在每一轮迭代中，加入一个新的弱分类器，直到达到某个预定的足够小的错误率或预先指定的最大迭代次数再确定最后的强分类器。1.算法步骤首先，是初始化训练数据的权值分布D1。假设有N个训练样本数据，则
  • 模式识别与机器学习（八）：决策树 从零开始的奋豆 模式识别与机器学习机器学习决策树人工智能
    1.原理决策树（DecisionTree），它是一种以树形数据结构来展示决策规则和分类结果的模型，作为一种归纳学习算法，其重点是将看似无序、杂乱的已知数据，通过某种技术手段将它们转化成可以预测未知数据的树状模型，每一条从根结点（对最终分类结果贡献最大的属性）到叶子结点（最终分类结果）的路径都代表一条决策的规则。一般，一棵决策树包含一个根节点，若干个内部结点和若干个叶结点。叶结点对应于决策结果，其他
  • 模式识别与机器学习（七）：集成学习 从零开始的奋豆 模式识别与机器学习机器学习集成学习人工智能
    集成学习1.概念1.1类型1.2集成策略1.3优势2.代码实例2.1boosting2.2bagging2.3集成1.概念集成学习是一种机器学习方法，旨在通过组合多个个体学习器的预测结果来提高整体的预测性能。它通过将多个弱学习器（个体学习器）组合成一个强学习器，以获得更准确、更稳定的预测结果。在集成学习中，个体学习器可以是同质的（使用相同的学习算法，但在不同的训练集上训练）或异质的（使用不同的学习
  • 图像形状及数量识别（matlab实现） 一寸光阴不可轻 matlab计算机视觉图像处理
    米粒形状识别文章目录米粒形状识别概述一、图像处理1.图像去噪2.图像锐化3.边缘提取4.特征匹配二、matlab实现三、总程序代码结语概述基于视觉的沙粒形状识别系统模型需要借助计算机对特征的信息处理和分析，实现像人一样的智能识别，所以通常模式识别与机器学习存在着一定的联系。机器识别技术的实现主要分为以下几个步骤：（1）获取图像数据。（2）数据预处理。（3）图像特征提取。（4）设置分类器完成分类。基
  • 模式识别与机器学习（六）：数据降维 从零开始的奋豆 模式识别与机器学习matlab算法机器学习
    1.数据降维数据降维有很多种，这里我们列出几个较为简单的2.PCAPCA是一种基于从高维空间映射到低维空间的映射方法，也是最基础的无监督降维算法，其目标是向数据变化最大的方向投影，或者说向重构误差最小化的方向投影。它由KarlPearson在1901年提出，属于线性降维方法。与PCA相关的原理通常被称为最大方差理论或最小误差理论。这两者目标一致，但过程侧重点则不同。求中心化后样本矩阵的协方差。求协
  • 模式识别与机器学习（二）：贝叶斯分类matlab实现 从零开始的奋豆 模式识别与机器学习分类人工智能数据挖掘
    一.最小错误率step1:估计分类样本的各个属性的概率分布step2:估计先验概率step3:估计属于该类别的概率并取最大值这里以正态分布为例clc;clear;%风险表f=ones(4,4);%读数据X=xlsread('数据.xls');x=X(1:15,2:end);x_test=X(16:end,2:4);x1=x(find(x(:,4)==1),1:3);[n1,~]=size(x1);
  • 推荐几本机器学习的书籍 古斯塔夫歼星炮 机器学习人工智能深度学习python开发语言
    推荐几本机器学习的书籍：《机器学习》(TomM.Mitchell)、《统计学习方法》(李航)、《深度学习》(IanGoodfellow、YoshuaBengio和AaronCourville)、《模式识别与机器学习》(ChristopherM.Bishop)。
  • 模式识别与机器学习（一）——引言 谢欣燕 笔记机器学习模式识别
    1.1基本概念模式识别：从数据中识别或发现规律，并加以有效使用。为了进行模式识别，往往要借助计算设备进行编程实现和决策执行，这种设备即机器。机器学习：从计算设备的角度出发，是指机器从不具备某方面能力到具备次能力的学习过程，即发现数据中的规律并加以使用的能力。1.1.1投票选举近邻法集成学习主动学习1.2典型的机器学习系统1.2.1医学图像诊断病理图像：高倍显微镜下看到的将人体组织做成病理切片后的图
  • 模式识别与机器学习·第二章——统计判别 谷雨·清明 UCAS模式识别与机器学习模式识别机器学习贝叶斯
    模式识别与机器学习·第二章——统计判别统计判别的意义贝叶斯判别贝叶斯最小风险判别两类（M=2）情况的贝叶斯最小风险判别多类（M类）情况的贝叶斯最小风险判别正态分布模式的贝叶斯分类器统计判别的意义模式识别的目的就是要确定某一个给定的模式样本属于哪一类。可以通过对被识别对象的多次观察和测量，构成特征向量，并将其作为某一个判决规则的输入，按此规则来对样本进行分类。在获取模式的观测值时，有些事物具有确定的
  • 多线程编程之存钱与取钱 周凡杨 javathread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 JavaScriptjavajsonp
    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 elsewhilecaseshell
    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 ocxcab
    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 javathreadjava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 JavaScriptAngularJS
            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 datagridFlexAdvancedpropery 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 mysqlmac
    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 jsongson
    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 oraclesqlSQL 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 iosrsaiPhoneobjective 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
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他