星码
星码

数学建模 --- K-means、系统聚类 与 DBSCAN

聚类

    • 聚类
      • 聚类需要注意的问题
      • 数据量纲不一致时
      • 1. K-means
      • 2. K-means++
      • 3. 系统(层次)聚类 --- 可以通过聚类谱系图选择合适的类别数
        • 思想
        • 聚类谱系图(聚类图)
        • 距离
          • 数据格式
          • 样本间的距离
          • 类之间的距离
            • 组间平均连接法
            • 组内平均连接法
            • 重心法
          • 指标与指标间的距离
      • 4. DBSCAN --- 不用预先指定个数
        • 基本概念
    • SPSS求聚类
      • SPSS K-means++聚类
      • SPSS 系统聚类
    • 系统聚类方法中 直接估计聚类数量 --- 聚合系数折线图
      • 画图
      • 分析得到类别数
    • SPSS将聚类的结果进行绘图

聚类

聚类需要注意的问题

数学建模 --- K-means、系统聚类 与 DBSCAN_第1张图片

数据量纲不一致时

要对每个指标进行限减去均值再除以标准差
数学建模 --- K-means、系统聚类 与 DBSCAN_第2张图片

1. K-means

数学建模 --- K-means、系统聚类 与 DBSCAN_第3张图片

  • 聚类的效果与初始点的选择有关

数学建模 --- K-means、系统聚类 与 DBSCAN_第4张图片

数学建模 --- K-means、系统聚类 与 DBSCAN_第5张图片

2. K-means++

选择初始聚类中心之间相互距离尽可能要远
数学建模 --- K-means、系统聚类 与 DBSCAN_第6张图片

3. 系统(层次)聚类 — 可以通过聚类谱系图选择合适的类别数

把最为接近的点聚为一类

思想

因为查重，不可直接使用
数学建模 --- K-means、系统聚类 与 DBSCAN_第7张图片

数学建模 --- K-means、系统聚类 与 DBSCAN_第8张图片

  • 过程中类的个数为一后，得到聚类图，可以根据聚类图后决定分类的个数

聚类谱系图(聚类图)

数学建模 --- K-means、系统聚类 与 DBSCAN_第9张图片

距离

这些距离最后得到的聚类图不同，但可以根据比较容易解释的聚类图，来进行选距离

数据格式

数学建模 --- K-means、系统聚类 与 DBSCAN_第10张图片

样本间的距离

数学建模 --- K-means、系统聚类 与 DBSCAN_第11张图片

  • 绝对值距离：一般用于网状结构(一般不能直接按直线进行计算)
类之间的距离

将样本划分为类后，需要定义每个类之间的距离
数学建模 --- K-means、系统聚类 与 DBSCAN_第12张图片

组间平均连接法

数学建模 --- K-means、系统聚类 与 DBSCAN_第13张图片

组内平均连接法

数学建模 --- K-means、系统聚类 与 DBSCAN_第14张图片

重心法

数学建模 --- K-means、系统聚类 与 DBSCAN_第15张图片

指标与指标间的距离

一般用于将各个指标进行分类 而不是 将各个样本进行分类
数学建模 --- K-means、系统聚类 与 DBSCAN_第16张图片

4. DBSCAN — 不用预先指定个数

可以有效处理异常数据
数学建模 --- K-means、系统聚类 与 DBSCAN_第17张图片

基本概念

数学建模 --- K-means、系统聚类 与 DBSCAN_第18张图片
数学建模 --- K-means、系统聚类 与 DBSCAN_第19张图片

SPSS求聚类

SPSS K-means++聚类

数学建模 --- K-means、系统聚类 与 DBSCAN_第20张图片

  • 界面
    数学建模 --- K-means、系统聚类 与 DBSCAN_第21张图片
  1. 变量：代表各个指标
  2. 标注依据：对什么进行聚类，得到的聚类结果以该指标进行标注
  3. 聚类数：要得到几类
  • 迭代按钮
    数学建模 --- K-means、系统聚类 与 DBSCAN_第22张图片
  • 保存按钮
    数学建模 --- K-means、系统聚类 与 DBSCAN_第23张图片
    聚类成员：会生成一个新的变量，会得到聚类后属于哪一类

数学建模 --- K-means、系统聚类 与 DBSCAN_第24张图片

  • 选项按钮
    数学建模 --- K-means、系统聚类 与 DBSCAN_第25张图片

SPSS 系统聚类

数学建模 --- K-means、系统聚类 与 DBSCAN_第26张图片

  • 方法按钮中
  1. 聚类方法：类与类之间的距离方法
  2. 区间：点与点之间的方法
  3. 标准化：量纲不同需要进行标准化
  • 保存按钮中
    先选择无，输出聚类谱系图(聚类图)后
    再选择 单个解 输入想要的聚类数

系统聚类方法中 直接估计聚类数量 — 聚合系数折线图

数学建模 --- K-means、系统聚类 与 DBSCAN_第27张图片

  • 所有类的总畸变程度 == 聚合系数

由上述定义：在类别数增加时，聚合系数会不断减小

  • 例如：
    数学建模 --- K-means、系统聚类 与 DBSCAN_第28张图片

画图

  1. 在得到的 系统聚类 结果中，有集中计划
  2. 将集中计划系数一栏复制到excel表中并按照降序排好数学建模 --- K-means、系统聚类 与 DBSCAN_第29张图片
  3. excel画图
    数学建模 --- K-means、系统聚类 与 DBSCAN_第30张图片

分析得到类别数

  • 根据所画的图，图中聚合系数下降快到下降慢的点对应的类别数为所选择的类别数
  • 可以根据这个图得到类别数，如果类别数也符合解释的画，也可以直接在SPSS软件中使用该类别数K

SPSS将聚类的结果进行绘图

适用于指标不大于3个，类别数不是很多的聚类
数学建模 --- K-means、系统聚类 与 DBSCAN_第31张图片

数学建模 --- K-means、系统聚类 与 DBSCAN_第32张图片

你可能感兴趣的:(聚类,数学建模)

  • 使用Faiss进行高效相似度搜索 llzwxh888 faisspython
    在现代AI应用中，快速和高效的相似度搜索是至关重要的。Faiss（FacebookAISimilaritySearch）是一个专门用于快速相似度搜索和聚类的库，特别适用于高维向量。本文将介绍如何使用Faiss来进行相似度搜索，并结合Python代码演示其基本用法。什么是Faiss？Faiss是一个由FacebookAIResearch团队开发的开源库，主要用于高维向量的相似性搜索和聚类。Faiss
  • Faiss Tips：高效向量搜索与聚类的利器 焦习娜Samantha
    FaissTips：高效向量搜索与聚类的利器faiss_tipsSomeusefultipsforfaiss项目地址:https://gitcode.com/gh_mirrors/fa/faiss_tips项目介绍Faiss是由FacebookAIResearch开发的一个用于高效相似性搜索和密集向量聚类的库。它支持多种硬件平台，包括CPU和GPU，能够在海量数据集上实现快速的近似最近邻搜索（AN
  • Faiss：高效相似性搜索与聚类的利器 网络·魚 大数据faiss
    Faiss是一个针对大规模向量集合的相似性搜索库，由FacebookAIResearch开发。它提供了一系列高效的算法和数据结构，用于加速向量之间的相似性搜索，特别是在大规模数据集上。本文将介绍Faiss的原理、核心功能以及如何在实际项目中使用它。Faiss原理：近似最近邻搜索：Faiss的核心功能之一是近似最近邻搜索，它能够高效地在大规模数据集中找到与给定查询向量最相似的向量。这种搜索是近似的，
  • 《Python数据分析实战终极指南》 xjt921122 python数据分析开发语言
    对于分析师来说，大家在学习Python数据分析的路上，多多少少都遇到过很多大坑**，有关于技能和思维的**：Excel已经没办法处理现有的数据量了，应该学Python吗？找了一大堆Python和Pandas的资料来学习，为什么自己动手就懵了？跟着比赛类公开数据分析案例练了很久，为什么当自己面对数据需求还是只会数据处理而没有分析思路？学了对比、细分、聚类分析，也会用PEST、波特五力这类分析法，为啥
  • k均值聚类算法考试例题_k均值算法(k均值聚类算法计算题) 寻找你83497 k均值聚类算法考试例题
    ?算法：第一步：选K个初始聚类中心，z1(1),z2(1)，…，zK(1)，其中括号内的序号为寻找聚类中心的迭代运算的次序号。聚类中心的向量值可任意设定，例如可选开始的K个.k均值聚类：---------一种硬聚类算法，隶属度只有两个取值0或1，提出的基本根据是“类内误差平方和最小化”准则；模糊的c均值聚类算法：--------一种模糊聚类算法，是.K均值聚类算法是先随机选取K个对象作为初始的聚类
  • [实践应用] 深度学习之模型性能评估指标 YuanDaima2048 深度学习工具使用深度学习人工智能损失函数性能评估pytorchpython机器学习
    文章总览：YuanDaiMa2048博客文章总览深度学习之模型性能评估指标分类任务回归任务排序任务聚类任务生成任务其他介绍在机器学习和深度学习领域，评估模型性能是一项至关重要的任务。不同的学习任务需要不同的性能指标来衡量模型的有效性。以下是对一些常见任务及其相应的性能评估指标的详细解释和总结。分类任务分类任务是指模型需要将输入数据分配到预定义的类别或标签中。以下是分类任务中常用的性能指标：准确率(
  • 机器学习-聚类算法 不良人龍木木 机器学习机器学习算法聚类
    机器学习-聚类算法1.AHC2.K-means3.SC4.MCL仅个人笔记，感谢点赞关注！1.AHC2.K-means3.SC传统谱聚类：个人对谱聚类算法的理解以及改进4.MCL目前仅专注于NLP的技术学习和分享感谢大家的关注与支持！
  • 2024年华为杯数学建模研赛C题思路代码+论文助攻 DS数模 2024华为杯数学建模华为2024华为杯2024研究生数学建模2024研赛
    2024年华为杯研究生数学建模竞赛（以下简研赛）将于9月21日上午8时正式开始。下文包含：2024研赛思路解析、研赛参赛时间及规则信息说明、好用的数模技巧及如何备战数学建模竞赛C君将会第一时间发布选题建议、所有题目的思路解析、相关代码、参考文献、参考论文等多项资料，帮助大家取得好成绩。2024年研赛将于9月21日上午8时正式开始这里有些资料，大家可以看看：【2024最全国赛研赛数模资料包】C君珍贵
  • FlagEmbedding 吉小雨 python库python
    FlagEmbedding教程FlagEmbedding是一个用于生成文本嵌入（textembeddings）的库，适合处理自然语言处理（NLP）中的各种任务。嵌入（embeddings）是将文本表示为连续向量，能够捕捉语义上的相似性，常用于文本分类、聚类、信息检索等场景。官方文档链接：FlagEmbedding官方GitHub一、FlagEmbedding库概述1.1什么是FlagEmbeddi
  • 9.单细胞 RNA-seq：聚类分析 denghb001
    学习目标：利用多种方法来评估聚类选择的PC基于重要的PC执行单细胞聚类单细胞RNA-seq聚类分析现在我们已经整合了高质量的细胞，我们想知道我们的细胞群中存在的不同细胞类型。image目标：为了生成特定细胞类型的簇，并使用已知的细胞类型的标志基因来确定的簇的身份。为了确定分群是否代表真实的细胞类型或由于生物或技术差异而形成的群集，如在细胞周期的S期的细胞群，特定批次的簇，或具有高线粒体含量的细胞。
  • 数学建模、运筹学之非线性规划 AgentSmart 算法学习算法动态规划线性代数线性规划
    数学建模、运筹学之非线性规划一、最优化问题理论体系二、梯度下降法——无约束非线性规划三、牛顿法——无约束非线性规划四、只包含等值约束的拉格朗日乘子法五、不等值约束非线性规划与KKT条件一、最优化问题理论体系最优化问题旨在寻找全局最优值（或为最大值，或为最小值）。最优化问题一般可以分为两个部分：目标函数与约束条件。该问题的进一步细分也是根据这两部分的差异。最优化问题根据变量的取值范围不同可以划分为一
  • VLSI电路单元的自动布局：全局布局基础介绍 Jaaiko 数学建模算法开源图论matlab
    2024年华数杯全国大学生数学建模竞赛B题为：VLSI电路单元的自动布局。本题主要关注的是全局布局问题。学术界针对全局布局的评估模型和优化方法的研究历史悠久。本文借题顺势介绍全局布局的一些重点基础内容和相关工具/资料，以期为对EDA算法设计领域感兴趣、对数学建模感兴趣的人降低研究门槛。VLSI是超大规模集成电路的简称。完成一个VLSI设计的流程十分复杂，包含多种数据格式的转化，其中将逻辑网表转变为
  • python数学建模--非线性规划 diudiu_aaa 数学建模python算法
    1.从线性规划到非线性规划本系列的开篇我们介绍了线性规划（LinearProgramming）并延伸到整数规划、0-1规划，以及相对复杂的固定费用问题、选址问题。这些问题的共同特点是，目标函数与约束条件都是线性函数。如果目标函数或约束条件中包含非线性函数，则是非线性规划。通常，非线性问题都比线性问题复杂得多，困难得多，非线性规划也是这样。非线性规划没有统一的通用方法、算法来解决，各种方法都有特定的
  • K-means 算法的介绍与应用 小魏冬琅 matlab算法kmeans机器学习
    目录引言K-means算法的基本原理表格总结：K-means算法的主要步骤K-means算法的MATLAB实现优化方法与改进K-means算法的应用领域表格总结：K-means算法的主要应用领域结论引言K-means算法是一种经典的基于距离的聚类算法，在数据挖掘、模式识别、图像处理等多个领域中得到了广泛应用。其核心思想是将相似的数据对象聚类到同一个簇中，而使得簇内对象的相似度最大、簇间的相似度最小
  • 聚类分析 | Python密度聚类（DBSCAN） 天天酷科研 聚类分析算法（CLA）python聚类机器学习DBSCAN
    密度聚类是一种无需预先指定聚类数量的聚类方法，它依赖于数据点之间的密度关系来自动识别聚类结构。本文中，演示如何使用密度聚类算法，具体是DBSCAN（Density-BasedSpatialClusteringofApplicationswithNoise）来对一个实际的数据集进行聚类分析。一、基本介绍密度聚类的核心思想是将数据点分为高密度区域和低密度区域。高密度区域内的数据点被认为属于同一簇，而低
  • 数学建模笔记——动态规划 liangbm3 数学建模笔记数学建模笔记动态规划python背包问题算法优化问题
    数学建模笔记——动态规划动态规划1.模型原理2.典型例题2.1例1凑硬币2.2例2背包问题3.python代码实现3.1例13.2例2动态规划1.模型原理动态规划是运筹学的一个分支，通常用来解决多阶段决策过程最优化问题。动态规划的基本想法就是将原问题转换为一系列相互联系的子问题，然后通过逐层地推来求得最后的解。目前，动态规划常常出现在各类计算机算法竞赛或者程序员笔试面试中，在数学建模中出现的相对较
  • 机器学习实战笔记5——线性判别分析 绍少阿 机器学习笔记可视化机器学习python人工智能
    任务安排1、机器学习导论8、核方法2、KNN及其实现9、稀疏表示3、K-means聚类10、高斯混合模型4、主成分分析11、嵌入学习5、线性判别分析12、强化学习6、贝叶斯方法13、PageRank7、逻辑回归14、深度学习线性判别分析（LDA）Ⅰ核心思想对于同样一件事，站在不同的角度，我们往往会有不同的看法，而降维思想，亦是如此。同上节课一样，我们还是学习降维的算法，只是提供了一种新的角度，由上
  • 数学建模笔记—— 非线性规划 liangbm3 数学建模笔记数学建模笔记pythonmatlab非线性规划算法学习优化问题
    数学建模笔记——非线性规划非线性规划1.模型原理1.1非线性规划的标准型1.2非线性规划求解的Matlab函数2.典型例题3.matlab代码求解3.1例1一个简单示例3.2例2选址问题1.第一问线性规划2.第二问非线性规划非线性规划非线性规划是一种求解目标函数或约束条件中有一个或几个非线性函数的最优化问题的方法。运筹学的一个重要分支。20世纪50年代初,库哈(H.W.Kuhn)和托克(A.W.T
  • 保研 比赛 利器： 用AI比赛助手降维打击数学建模 好家伙VCC 杂谈杂谈数学建模人工智能
    数学建模作为一个热门但又具有挑战性的赛道，在保研、学分加分、简历增色等方面具有独特优势。近年来，随着AI技术的发展，特别是像GPT-4模型的应用，数学建模的比赛变得不再那么“艰深”。通过利用AI比赛助手，不仅可以大大提升团队效率，还能有效提高比赛获奖几率。本文将详细介绍如何通过AI比赛助手完成数学建模比赛，并结合实例展示其强大功能。一、AI比赛助手的引入1.什么是AI比赛助手？AI比赛助手是一种集
  • 图计算：基于SparkGrpahX计算聚类系数 妙龄少女郭德纲 Spark图算法Scala聚类数据挖掘机器学习
    图计算：基于SparkGrpahX计算聚类系数文章目录图计算：基于SparkGrpahX计算聚类系数一、什么是聚类系数二、基于SparkGraphX的聚类系数代码实现总结一、什么是聚类系数聚类系数（ClusteringCoefficient）是图计算和网络分析中的一个重要概念，用于衡量网络中节点的局部聚集程度。它有助于理解网络中节点之间的紧密程度和网络的结构特性。这是一种用来衡量图中节点聚类程度的
  • 数学建模——Box-Cox变换 Desire.984 Python数学建模数学建模python
    用途：当某个随机变量XXX不服从正态分布的时候，可以尝试通过这种变换将其变成正态分布。两个常用的变换对数变换：已知随机变量XXX，如果有ln⁡X∼N(μ,σ2)\lnX\simN(\mu,\sigma^2)lnX∼N(μ,σ2)，那么对XXX使用对数变换。适合随着自变量的增加，因变量的方差也增大的模型。平方根变换：已知随机变量XXX，如果有X∼N(μ,σ2)\sqrtX\simN(\mu,\sig
  • Python 数学建模——方差分析 Desire.984 Python数学建模数学建模python概率论
    文章目录前言单因素方差分析原理核心代码双因素方差分析数学模型分析依据典型代码前言  方差分析也是概率论中非常重要的内容，有时数学建模需要用到。方差分析是干什么的？如果说假设检验用于分析两个总体之间的均值μ1,μ2\mu_1,\mu_2μ1,μ2是否存在显著的差别，那么方差分析就是分析两个以上总体之间的均值是否存在显著的差别。单因素方差分析用途：已知一个量AAA可能会影响XXX，AAA的不同取值可能
  • 【全网最全】2024年第五届“华数杯”全国大学生数学建模竞赛完整思路解析+代码+论文 Tina表姐 数学建模
    我是Tina表姐，毕业于中国人民大学，对数学建模的热爱让我在这一领域深耕多年。我的建模思路已经帮助了百余位学习者和参赛者在数学建模的道路上取得了显著的进步和成就。现在，我将这份宝贵的经验和知识凝练成一份全面的解题思路与代码论文集合，专为本次赛题设计，旨在帮助您深入理解数学建模的每一个环节。2024年第五届“华数杯”全国大学生数学建模竞赛完整内容可以在文章末尾领取！下文包含：2024年第五届“华数杯
  • 2024 年高教社杯全国大学生数学建模竞赛B题第一问详细解题思路（终版） 柒墨轩 数学建模python
    示例代码：fromscipy.statsimportnorm#定义参数p0=0.10#标称次品率alpha=0.05#95%信度下的显著性水平beta=0.10#90%信度下的显著性水平E=0.01#允许的误差范围#计算95%信度下的样本量Z_alpha_2=norm.ppf(1-alpha/2)n_95=((Z_alpha_2*(p0*(1-p0))**0.5)/E)**2#计算90%信度下的样
  • 备战2024数学建模国赛（模型三十）：遗传算法 优秀案例（三） 变循环发动机部件法建模及优化 2024年数学建模国赛 备战2024数学建模国赛2024数学建模（不代写论文请勿盲目订阅）数学建模2024年数学建模国赛备战数学建模国赛算法遗传算法2024
    专栏内容(赛前预售价99，比赛期间299):2024数学建模国赛期间会发布思路、代码和优秀论文。（本专栏达不到国一的水平，适用于有一点点基础冲击省奖的同学，近两年有二十几个国二，但是达不到国一，普遍获得省奖，请勿盲目订阅）python全套教程（一百篇博客）：从新手到掌握使用python，可以对数学建模问题进行建模分析。35套模型算法（优秀论文示例）：马尔科夫模型、遗传算法、逻辑回归、逐步回归、蚁群
  • 2024高教社杯数学建模国赛论文 C题农作物的种植策略 详细思路、代码和优秀论文 2024年数学建模国赛 备战2024数学建模国赛2024数学建模（不代写论文请勿盲目订阅）数学建模数学建模国赛2024数学建模国赛2024年高教社杯D题
    专栏内容(赛前预售价99，比赛期间299):2024数学建模国赛期间会发布思路、代码和优秀论文。（本专栏达不到国一的水平，适用于有一点点基础冲击省奖的同学，近两年有二十几个国二，但是达不到国一，普遍获得省奖，请勿盲目订阅）比赛思路会程序更新到专栏内：https://blog.csdn.net/m0_52343631/category_12482955.html?spm=1001.2014.3001
  • Python 数学建模——假设检验 Desire.984 Python数学建模python数学建模概率论
    文章目录前言参数假设检验单个总体均值的假设检验σ\sigmaσ已知σ\sigmaσ未知两个总体均值的假设检验参考代码非参数假设检验分布拟合检验——卡方检验KS检验（Kolmogorov-Smirnov检验）Wilcoxon检验Wilcoxon符号秩检验Wilcoxon秩和检验前言  假设检验是概率论中相当重要的内容。一般是先提出一个原假设H0H_0H0和一个对立的备择假设H1H_1H1，通过数学方
  • python的数学建模库_数学建模库 weixin_39737240 python的数学建模库
    NumPy(NumericalPython)是Python语言的一个扩展程序库，支持大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库。引用：importnumpyasnpNumpy简单创建数组：importnumpyasnp#创建简单的列表a=[1,2,3,4]#将列表转换为数组b=np.array(a)Numpy查看数组属性:数组元素个数:b.size数组形状:b.shape数组
  • Python科学计算实战：数学建模与数值分析应用 数据小爬虫 api电商api数学建模python开发语言pygame前端facebook数据库
    Python在科学计算和数学建模方面有着广泛的应用。以下是一个简单的例子，使用Python进行数学建模和数值分析。这个例子将演示如何使用Python来求解一元二次方程。1.一元二次方程一元二次方程是一个形如(ax^2+bx+c=0)的方程，其中(a\neq0)。2.求解方法求解一元二次方程，我们通常使用公式：[x=\frac{-b\pm\sqrt{b^2-4ac}}{2a}]3.Python实现i
  • 第十四周_数学建模 WinterCruel 数学建模
    第十四周_数学建模1、银行的贷款部门需要判别每个客户的信用好坏（是否未履行还贷责任），以决定是否给予贷款。可以根据贷款申请人的年龄（X1）、受教育程度（X2）、现在所从事工作的年数（X3）、未变更住址的年数（X4）、收入（X5）、负债收入比例（X6）、信用卡债务（X7）、其它债务（X8）等来判断其信用情况。下表是从某银行的客户资料中抽取的部分数据，和某客户的如上情况资料为（53，1，9，18，50
  • apache ftpserver-CentOS config gengzg apache
    <server xmlns="http://mina.apache.org/ftpserver/spring/v1" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation=" http://mina.apache.o
  • 优化MySQL数据库性能的八种方法 AILIKES sqlmysql
    1、选取最适用的字段属性 　　MySQL可以很好的支持大数据量的存取，但是一般说来，数据库中的表越小，在它上面执行的查询也就会越快。因此，在创建表的时候，为了获得更好的 性能，我们可以将表中字段的宽度设得尽可能小。例如，在定义邮政编码这个字段时，如果将其设置为CHAR(255),显然给数据库增加了不必要的空间，甚至使用VARCHAR这种类型也是多余的，因为CHAR(6)就可以很
  • JeeSite 企业信息化快速开发平台 Kai_Ge JeeSite
    JeeSite 企业信息化快速开发平台 平台简介 JeeSite是基于多个优秀的开源项目，高度整合封装而成的高效，高性能，强安全性的开源Java EE快速开发平台。 JeeSite本身是以Spring Framework为核心容器，Spring MVC为模型视图控制器，MyBatis为数据访问层， Apache Shiro为权限授权层，Ehcahe对常用数据进行缓存，Activit为工作流
  • 通过Spring Mail Api发送邮件 120153216 邮件main
    原文地址：http://www.open-open.com/lib/view/open1346857871615.html 使用Java Mail API来发送邮件也很容易实现，但是最近公司一个同事封装的邮件API实在让我无法接受，于是便打算改用Spring Mail API来发送邮件，顺便记录下这篇文章。 【Spring Mail API】 Spring Mail API都在org.spri
  • Pysvn 程序员使用指南 2002wmj SVN
    源文件:http://ju.outofmemory.cn/entry/35762 这是一篇关于pysvn模块的指南. 完整和详细的API请参考 http://pysvn.tigris.org/docs/pysvn_prog_ref.html. pysvn是操作Subversion版本控制的Python接口模块. 这个API接口可以管理一个工作副本, 查询档案库, 和同步两个. 该
  • 在SQLSERVER中查找被阻塞和正在被阻塞的SQL 357029540 SQL Server
    SELECT  R.session_id AS BlockedSessionID ,          S.session_id AS BlockingSessionID ,          Q1.text AS Block
  • Intent 常用的用法备忘 7454103 .netandroidGoogleBlogF#
    Intent     应该算是Android中特有的东西。你可以在Intent中指定程序 要执行的动作（比如：view,edit,dial），以及程序执行到该动作时所需要的资料 。都指定好后，只要调用startActivity()，Android系统 会自动寻找最符合你指定要求的应用 程序，并执行该程序。 下面列出几种Intent 的用法 显示网页:
  • Spring定时器时间配置 adminjun spring时间配置定时器
    红圈中的值由6个数字组成，中间用空格分隔。第一个数字表示定时任务执行时间的秒，第二个数字表示分钟，第三个数字表示小时，后面三个数字表示日，月，年，< xmlnamespace prefix ="o" ns ="urn:schemas-microsoft-com:office:office" /> 测试的时候，由于是每天定时执行，所以后面三个数
  • POJ 2421 Constructing Roads 最小生成树 aijuans 最小生成树
    来源：http://poj.org/problem?id=2421 题意：还是给你n个点，然后求最小生成树。特殊之处在于有一些点之间已经连上了边。 思路：对于已经有边的点，特殊标记一下，加边的时候把这些边的权值赋值为0即可。这样就可以既保证这些边一定存在，又保证了所求的结果正确。 代码： #include <iostream> #include <cstdio>
  • 重构笔记——提取方法（Extract Method） ayaoxinchao java重构提炼函数局部变量提取方法
    提取方法（Extract Method）是最常用的重构手法之一。当看到一个方法过长或者方法很难让人理解其意图的时候，这时候就可以用提取方法这种重构手法。   下面是我学习这个重构手法的笔记：   提取方法看起来好像仅仅是将被提取方法中的一段代码，放到目标方法中。其实，当方法足够复杂的时候，提取方法也会变得复杂。当然，如果提取方法这种重构手法无法进行时，就可能需要选择其他
  • 为UILabel添加点击事件 bewithme UILabel
        默认情况下UILabel是不支持点击事件的，网上查了查居然没有一个是完整的答案，现在我提供一个完整的代码。   UILabel *l = [[UILabel alloc] initWithFrame:CGRectMake(60, 0, listV.frame.size.width - 60, listV.frame.size.height)]
  • NoSQL数据库之Redis数据库管理(PHP-REDIS实例) bijian1013 redis数据库NoSQL
    一.redis.php <?php //实例化 $redis = new Redis(); //连接服务器 $redis->connect("localhost"); //授权 $redis->auth("lamplijie"); //相关操
  • SecureCRT使用备注 bingyingao secureCRT每页行数
    SecureCRT日志和卷屏行数设置 一、使用securecrt时，设置自动日志记录功能。 1、在C:\Program Files\SecureCRT\下新建一个文件夹(也就是你的CRT可执行文件的路径），命名为Logs； 2、点击Options -> Global Options -> Default Session -> Edite Default Sett
  • 【Scala九】Scala核心三：泛型 bit1129 scala
    泛型类 package spark.examples.scala.generics class GenericClass[K, V](val k: K, val v: V) { def print() { println(k + "," + v) } } object GenericClass { def main(args: Arr
  • 素数与音乐 bookjovi 素数数学haskell
        由于一直在看haskell，不可避免的接触到了很多数学知识，其中数论最多，如素数，斐波那契数列等，很多在学生时代无法理解的数学现在似乎也能领悟到那么一点。     闲暇之余，从图书馆找了<<The music of primes>>和<<世界数学通史>>读了几遍。其中素数的音乐这本书与软件界熟知的&l
  • Java-Collections Framework学习与总结-IdentityHashMap BrokenDreams Collections
            这篇总结一下java.util.IdentityHashMap。从类名上可以猜到，这个类本质应该还是一个散列表，只是前面有Identity修饰，是一种特殊的HashMap。         简单的说，IdentityHashMap和HashM
  • 读《研磨设计模式》-代码笔记-享元模式-Flyweight 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.Collection; import java.util.HashMap; import java.util.List; import java
  • PS人像润饰&调色教程集锦 cherishLC PS
      1、仿制图章沿轮廓润饰——柔化图像，凸显轮廓 http://www.howzhi.com/course/retouching/   新建一个透明图层，使用仿制图章不断Alt+鼠标左键选点，设置透明度为21%，大小为修饰区域的1/3左右（比如胳膊宽度的1/3），再沿纹理方向（比如胳膊方向）进行修饰。   所有修饰完成后，对该润饰图层添加噪声，噪声大小应该和
  • 更新多个字段的UPDATE语句 crabdave update
    更新多个字段的UPDATE语句                    update tableA a set (a.v1, a.v2, a.v3, a.v4) = --使用括号确定更新的字段范围
  • hive实例讲解实现in和not in子句 daizj hivenot inin
    本文转自：http://www.cnblogs.com/ggjucheng/archive/2013/01/03/2842855.html 当前hive不支持 in或not in 中包含查询子句的语法，所以只能通过left join实现。 假设有一个登陆表login(当天登陆记录,只有一个uid),和一个用户注册表regusers(当天注册用户，字段只有一个uid)，这两个表都包含
  • 一道24点的10+种非人类解法（2,3,10,10） dsjt 算法
    这是人类算24点的方法？！！！ 事件缘由：今天晚上突然看到一条24点状态，当时惊为天人，这NM叫人啊？以下是那条状态 朱明西 : 24点，算2 3 10 10，我LX炮狗等面对四张牌痛不欲生，结果跑跑同学扫了一眼说，算出来了，2的10次方减10的3次方。。我草这是人类的算24点啊。。 然后么。。。我就在深夜很得瑟的问室友求室友算 刚出完题，文哥的暴走之旅开始了 5秒后
  • 关于YII的菜单插件 CMenu和面包末breadcrumbs路径管理插件的一些使用问题 dcj3sjt126com yiiframework
    在使用 YIi的路径管理工具时，发现了一个问题。                    <?php         
  • 对象与关系之间的矛盾：“阻抗失配”效应[转] come_for_dream 对象
    概述   “阻抗失配”这一词组通常用来描述面向对象应用向传统的关系数据库（RDBMS）存放数据时所遇到的数据表述不一致问题。C++程序员已经被这个问题困扰了好多年，而现在的Java程序员和其它面向对象开发人员也对这个问题深感头痛。   “阻抗失配”产生的原因是因为对象模型与关系模型之间缺乏固有的亲合力。“阻抗失配”所带来的问题包括：类的层次关系必须绑定为关系模式（将对象
  • 学习编程那点事 gcq511120594 编程互联网
    一年前的夏天，我还在纠结要不要改行，要不要去学php？能学到真本事吗？改行能成功吗？太多的问题，我终于不顾一切，下定决心，辞去了工作，来到传说中的帝都。老师给的乘车方式还算有效，很顺利的就到了学校，赶巧了，正好学校搬到了新校区。先安顿了下来，过了个轻松的周末，第一次到帝都，逛逛吧！ 接下来的周一，是我噩梦的开始，学习内容对我这个零基础的人来说，除了勉强完成老师布置的作业外，我已经没有时间和精力去
  • Reverse Linked List II hcx2013 list
    Reverse a linked list from position m to n. Do it in-place and in one-pass. For example:Given 1->2->3->4->5->NULL, m = 2 and n = 4, return 
  • Spring4.1新特性——页面自动化测试框架Spring MVC Test HtmlUnit简介 jinnianshilongnian spring 4.1
    目录 Spring4.1新特性——综述 Spring4.1新特性——Spring核心部分及其他 Spring4.1新特性——Spring缓存框架增强 Spring4.1新特性——异步调用和事件机制的异常处理 Spring4.1新特性——数据库集成测试脚本初始化 Spring4.1新特性——Spring MVC增强 Spring4.1新特性——页面自动化测试框架Spring MVC T
  • Hadoop集群工具distcp liyonghui160com
        1. 环境描述 两个集群：rock 和 stone rock无kerberos权限认证，stone有要求认证。 1. 从rock复制到stone，采用hdfs Hadoop distcp -i hdfs://rock-nn:8020/user/cxz/input hdfs://stone-nn:8020/user/cxz/运行在rock端，即源端问题：报版本
  • 一个备份MySQL数据库的简单Shell脚本 pda158 mysql脚本
    　　主脚本（用于备份mysql数据库）： 　　该Shell脚本可以自动备份 数据库。只要复制粘贴本脚本到文本编辑器中，输入数据库用户名、密码以及数据库名即可。我备份数据库使用的是mysqlump 命令。后面会对每行脚本命令进行说明。 　　 1. 分别建立目录“backup”和“oldbackup” 　　#mkdir /backup 　　#mkdir /oldbackup 　
  • 300个涵盖IT各方面的免费资源（中）——设计与编码篇 shoothao IT资源图标库图片库色彩板字体
    A. 免费的设计资源 Freebbble:来自于Dribbble的免费的高质量作品。 Dribbble:Dribbble上“免费”的搜索结果——这是巨大的宝藏。 Graphic Burger:每个像素点都做得很细的绝佳的设计资源。 Pixel Buddha:免费和优质资源的专业社区。 Premium Pixels:为那些有创意的人提供免费的素材。
  • thrift总结 - 跨语言服务开发 uule thrift
    官网 官网JAVA例子 thrift入门介绍 IBM-Apache Thrift - 可伸缩的跨语言服务开发框架 Thrift入门及Java实例演示 thrift的使用介绍   RPC    POM： <dependency> <groupId>org.apache.thrift</groupId>
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他