- 机器学习--概览
kyle~
机器学习机器学习人工智能
一、机器学习基础概念1.定义机器学习(MachineLearning,ML):通过算法让计算机从数据中自动学习规律,并利用学习到的模型进行预测或决策,而无需显式编程。2.与编程的区别传统编程机器学习输入:规则+数据→输出:结果输入:数据+结果→输出:规则需要人工编写逻辑自动发现数据中的模式3.核心要素数据:模型学习的原材料(结构化/非结构化)特征(Feature):数据的可量化属性(如房价预测中的
- WEB3 下 BSC 智能链交易所 AI 量化策略机器人:技术解析与实现
在WEB3应用的广阔天地中,BSC智能链交易所的AI量化策略机器人正逐渐崭露头角,成为推动加密货币交易迈向智能化的关键力量。这篇文章将深入探讨其技术原理及实现过程,为开发人员和投资者提供一个全面的技术视角。一、BSC智能链基础BSC智能链是建立在Binance生态系统之上的区块链网络,它具备高性能、低延迟和低成本的优势,这为AI量化策略机器人的运行提供了坚实的基础。它采用了权益证明(PoSA)共识
- 券商接口api有哪些类型?不同类型的特点及适用场景如何?
财云量化
python炒股自动化量化交易程序化交易券商接口api类型特点适用场景股票量化接口股票API接口
炒股自动化:申请官方API接口,散户也可以python炒股自动化(0),申请券商API接口python炒股自动化(1),量化交易接口区别Python炒股自动化(2):获取股票实时数据和历史数据Python炒股自动化(3):分析取回的实时数据和历史数据Python炒股自动化(4):通过接口向交易所发送订单Python炒股自动化(5):通过接口查询订单,查询账户资产股票量化,Python炒股,CSDN
- 【博学谷学习记录】超强总结,用心分享 | Hive分区表和分桶表
Onzswhite
hive大数据hadoop
#博学谷IT技术支持#一、分区表分区表就是对一个表的文件数据进行分类管理,表现形式就是有很多的文件夹(dt=2019-02-27)。分区表的作用是以后查询时,我们可以手动指定对应分区的数据,避免全表扫描,提高查询效率。所谓的分区表,指的就是将数据按照表中的某一个字段进行统一归类,并存储在表中的不同的位置,也就是说,一个分区就是一类,这一类的数据对应到hdfs存储上就是对应一个目录。当我们需要进行处
- 股票行情接口有哪些类型?如何获取可靠的股票行情接口?
财云量化
python炒股自动化量化交易程序化交易股票行情接口类型可靠获取方法股票量化接口股票API接口
炒股自动化:申请官方API接口,散户也可以python炒股自动化(0),申请券商API接口python炒股自动化(1),量化交易接口区别Python炒股自动化(2):获取股票实时数据和历史数据Python炒股自动化(3):分析取回的实时数据和历史数据Python炒股自动化(4):通过接口向交易所发送订单Python炒股自动化(5):通过接口查询订单,查询账户资产股票量化,Python炒股,CSDN
- yfinance的使用
ilikework
python量化交易
最近想学习一下量化交易,就找了些python的库,yfinance这个是比较靠谱的库。功能有哪些还不是太清楚,似乎不支持多年的PE指标获取。下面是外汇历史数据的取得data=yf.download(tickers='USDJPY=X',#通貨ペアperiod='1d',#データ取得期間interval='1m',#データ表示間隔)下面是股票数据的取得tickers=['600875.SS']for
- 第三篇:模型压缩与量化技术——DeepSeek如何在边缘侧突破“小而强”的算力困局
python算法(魔法师版)
数据挖掘机器学习人工智能深度学习神经网络生成对抗网络边缘计算
——从算法到芯片的全栈式优化实践随着AI应用向移动终端与物联网设备渗透,模型轻量化成为行业核心挑战。DeepSeek通过自研的“算法-编译-硬件”协同优化体系,在保持模型性能的前提下,实现参数量与能耗的指数级压缩。本文从技术原理、工程实现到落地应用,完整解析其全链路压缩技术体系。第一章算法层创新:结构化压缩与动态稀疏化1.1非均匀结构化剪枝技术DeepSeek提出**“敏感度感知通道剪枝”(SAC
- 计算机视觉领域的轻量化模型——GhostNet 模型
DuHz
边缘计算轻量化模型计算机视觉人工智能算法深度学习神经网络边缘计算网络
GhostNet模型详解GhostNet是一个高效的轻量化卷积神经网络模型,专为资源受限的设备(如移动设备和嵌入式系统)设计。它的核心创新是Ghost模块,该模块通过生成更多的特征图来减少计算资源消耗。GhostNet适用于实时计算任务,如图像分类和物体检测,同时在保持较高准确率的基础上,优化了计算效率。目录GhostNet背景Ghost模块概述GhostNet网络架构Ghost模块的数学原理Gh
- 量化交易系统中+如何实现实时数据分析和决策支持?
openwin_top
量化交易系统开发数据分析数据挖掘数据库架构量化交易机器学习人工智能
microPythonPython最小内核源码解析NI-motion运动控制c语言示例代码解析python编程示例系列python编程示例系列二python的Web神器Streamlit如何应聘高薪职位在量化交易系统中,实现实时数据分析和决策支持是至关重要的。以下是详细的步骤和示例,说明如何实现这一目标。1.数据收集首先,需要收集实时市场数据。这些数据通常来自交易所、市场数据供应商或其他金融数据服
- 期货市场程序化交易发展迅猛,未来真能取代主观交易吗
股票程序化交易接口
量化交易股票API接口Python股票量化交易期货市场程序化交易主观交易发展迅猛股票量化接口股票API接口
Python股票接口实现查询账户,提交订单,自动交易(1)Python股票程序交易接口查账,提交订单,自动交易(2)股票量化,Python炒股,CSDN交流社区>>>程序化交易的崛起程序化交易的概念与原理程序化交易是一种利用计算机程序来执行交易策略的交易方式。它基于预先设定的算法和规则,对市场数据进行分析,如价格、成交量等。一旦满足设定的条件,就自动发出交易指令。这种交易方式能够快速、准确地处理大
- 证券交易系统崩塌怎么办?
股票程序化交易接口
量化交易股票API接口Python股票量化交易证券交易系统崩塌对策技术维护股票量化接口股票API接口
Python股票接口实现查询账户,提交订单,自动交易(1)Python股票程序交易接口查账,提交订单,自动交易(2)股票量化,Python炒股,CSDN交流社区>>>交易中断与投资者损失证券交易系统崩塌首先会导致交易中断。投资者无法及时进行买卖操作,对于那些有着紧急交易需求的投资者来说,可能会错过最佳的交易时机,从而遭受损失。比如在股票价格快速波动时期,投资者本想卖出股票止损或者买入股票获利,交易
- 苹果电脑炒股有哪些优势?
股票程序化交易接口
股票API接口苹果电脑炒股软件兼容性系统稳定性股票量化接口股票API接口
Python股票接口实现查询账户,提交订单,自动交易(1)Python股票程序交易接口查账,提交订单,自动交易(2)股票量化,Python炒股,CSDN交流社区>>>如今,众多主流炒股软件都推出了macOS版本。像同花顺、东方财富等,这些软件为苹果电脑用户炒股提供了可能。同花顺Mac版功能多样,例如具有盯盘助手等特色功能,满足了用户日常股票分析和交易需求。曾经的局限与突破早期,苹果电脑在金融交易软
- Python能否实现股票的自动买卖?需要具备哪些技术和条件
股票程序化交易接口
量化交易股票API接口Python股票量化交易python股票自动买卖技术条件券商接口股票量化接口股票API接口
Python股票接口实现查询账户,提交订单,自动交易(1)Python股票程序交易接口查账,提交订单,自动交易(2)股票量化,Python炒股,CSDN交流社区>>>Python在股票交易中的基础Python是一种高级编程语言,在股票交易中有诸多优势。它具有简洁的语法,易于学习和编写代码。使用几行简单的Python代码就可以实现数据的读取和初步分析。其丰富的库,如pandas用于数据处理,nump
- 100.3 AI量化面试题:解释配对交易(Pairs Trading)的原理,并说明如何选择配对股票以及设计交易信号
AI量金术师
金融资产组合模型进化论人工智能金融机器学习python算法数学建模面试
目录0.承前1.配对交易基本原理1.1什么是配对交易1.2基本假设2.配对选择方法2.1相关性分析2.2协整性检验3.价差计算方法3.1简单价格比率3.2回归系数法4.交易信号设计4.1标准差方法4.2动态阈值方法5.风险管理5.1止损设计5.2仓位管理6.策略评估6.1回测框架6.2性能指标7.回答话术0.承前如果想更加全面清晰地了解金融资产组合模型进化论的体系架构,可参考:0.金融资产组合模型
- 100.1 AI量化面试题:解释夏普比率(Sharpe Ratio)的计算方法及其在投资组合管理中的应用,并说明其局限性
AI量金术师
金融资产组合模型进化论人工智能金融python机器学习大数据
目录0.承前1.夏普比率的基本概念1.1定义与计算方法1.2实际计算示例2.在投资组合管理中的应用2.1投资组合选择2.2投资组合优化3.夏普比率的局限性3.1统计假设的限制3.2实践中的问题4.改进方案4.1替代指标4.2实践建议5.回答话术0.承前如果想更加全面清晰地了解金融资产组合模型进化论的体系架构,可参考:0.金融资产组合模型进化全图鉴1.夏普比率的基本概念1.1定义与计算方法夏普比率是
- Python-基于PyQt5,wordcloud,pillow,numpy,os,sys的智能词云生成器
闪云-微星
WPSpythonpillow开发语言pycharmnumpy小程序pyqt
前言:日常生活中,我们有时后就会遇见这样的情形:我们需要将给定的数据进行可视化处理,同时保证呈现比较良好的量化效果。这时候我们可能就会用到词云图。词云图(Wordcloud)又称文字云,是一种文本数据的图片视觉表达方式,一般是由词汇组成类似云的图形,用于展示大量文本数据。词云这个概念首先是由美国西北大学新闻学副教授、新媒体专业主任里奇·戈登提出的,通常用于描述网站上的关键字元数据(标签),或可视化
- 【DeepSeek全解析】最全面的问答指南,一文读懂!
程序员辣条
人工智能大模型大模型教程大模型学习大模型入门AI程序员
DeepSeek在国内大模型创业领域独树一帜。它出身不凡,背后有量化私募巨头幻方支持,曾因储备万张A100芯片引人瞩目,后凭DeepSeekV2开源模型引爆大模型价格战,以超低推理成本震撼行业,让大厂纷纷跟进。其成功源于深度技术创新,MLA架构等大幅降本,打破行业常规,获国际认可。团队极具特色,成员年轻且多为本土清北应届生,从实习生到核心成员都能凭兴趣与能力崭露头角,如代达劢、朱琪豪等学术成果丰硕
- 使用Qdrant进行矢量相似性搜索的实践
hgSdaegva
pythonwindowslinux
在今天的文章中,我将带你深入了解Qdrant,这是一个生产就绪的矢量相似性搜索引擎,并提供一个便利的API来存储、搜索和管理点。这篇文章重点展示如何使用Qdrant进行自我查询检索,并结合OpenAIEmbeddings进行矢量化处理。技术背景介绍Qdrant是一个专注于矢量相似性搜索的引擎,适用于需要快速检索和过滤的场景。它允许我们通过API轻松地存储和管理矢量数据点,并根据矢量相似性进行高效检
- Qwen 模型自动构建知识图谱,生成病例 + 评价指标优化策略
2301_79306982
ai千问语言模型人工智能
关于数据库和检索方式的选择AIMedicalConsultantforVisualQuestionAnswering(VQA)系统:更适合在前端使用向量数据库(如FAISS)结合关系型数据库来实现图像和文本的检索与存储。因为在VQA场景中,你需要对患者上传的图像或文本症状进行语义向量化,以便快速查找相似病例或相关医学图像内容;同时用关系型数据库维护患者基础信息和简单的交互记录即可。AI-Power
- 《苍穹外卖》项目学习记录-Day10订单状态定时处理
蝴蝶不愿意
学习java
利用Cron表达式生成器生成Cron表达式1.处理超时订单查询订单表把超时的订单查询出来,也就是订单的状态为待付款,下单的时间已经超过了15分钟。//select*fromorderswherestatus=?andorder_timeupdateorderscancel_reason=#{cancelReason},rejection_reason=#{rejectionReason},canc
- DeepSeek R1 Ollama本地化部署全攻略:三步实现企业级私有化大模型部署
Coderabo
DeepSeekR1Ollama
前言Ollama作为当前最受欢迎的本地大模型运行框架,为DeepSeekR1的私有化部署提供了便捷高效的解决方案。本文将深入讲解如何将HuggingFace格式的DeepSeekR1模型转换为Ollama支持的GGUF格式,并实现企业级的高可用部署方案。文章包含完整的量化配置、API服务集成和性能优化技巧。—一、基础环境搭建1.1系统环境要求操作系统:Ubuntu22.04LTS或CentOS8+
- C 语言学习记录:选择语句与循环语句
Aphelios380
算法学习c语言
在C语言的学习进程中,选择语句和循环语句是构建程序逻辑的重要部分。作为结构化编程语言,C语言主要包含顺序结构、选择结构和循环结构,其中选择语句和循环语句分别控制着程序的分支走向和重复执行,对实现复杂的业务逻辑起着关键作用。接下来,让我们深入学习这两类语句。一、选择语句在生活中,我们时刻面临着各种抉择,比如是选择去清华、北大还是其他地方深造,是否找朋友玩耍,以及选择及时行乐还是克勤克俭的生活方式等。
- 使用Ollama本地化部署DeepSeek
大模型llm人工智能
1、Ollama简介Ollama是一个开源的本地化大模型部署工具,旨在简化大型语言模型(LLM)的安装、运行和管理。它支持多种模型架构,并提供与OpenAI兼容的API接口,适合开发者和企业快速搭建私有化AI服务。Ollama的主要特点包括:轻量化部署:支持在本地设备上运行模型,无需依赖云端服务。多模型支持:兼容多种开源模型,如LLaMA、DeepSeek等。高效管理:提供命令行工具,方便用户下载
- 监控易:一体化智能运维在复杂网络环境的架构优势
MXsoft618
智能运维管理系统运维管理一体化监控平台智能运维数据库
在现代企业中,IT基础设施已成为业务成功的重要基石。面对海量设备与复杂的网络结构,传统的监控工具往往难以满足动态化、海量化的需求。监控易以其“一体化智能运维”的产品理念,成为运维领域的优势品牌。本文将从架构优势入手,深入探讨监控易如何通过领先的技术实现分布式复杂网络的灵活扩展,并为企业提供高效、稳定、可靠的运维支持。监控易的功能与竞争力一体化智能运维的核心理念监控易定位为“一体化智能运维”平台,致
- python 求导实现_python – NumPy中的Softmax导数接近0(实现)
非凡运营笔记
python求导实现
这是如何以更加矢量化的numpy方式计算softmax函数的导数的答案.然而,偏导数逼近零的事实可能不是数学问题,并且只是学习率或复杂深度神经网络的已知死亡权重问题.像ReLU这样的图层有助于防止后一问题.首先,我使用了以下信号(仅复制您的上一个条目),使其成为4个样本x3个特征,因此更容易看到尺寸发生了什么.>>>signal=[[0.3394572666491664,0.30890680539
- Python如何获取股票实时行情?有哪些好用的库和工具
股票程序化交易接口
量化交易股票API接口Python股票量化交易大数据python股票实时行情库工具股票量化接口股票API接口
Python股票接口实现查询账户,提交订单,自动交易(1)Python股票程序交易接口查账,提交订单,自动交易(2)股票量化,Python炒股,CSDN交流社区>>>Python与股票行情获取的基础Python在金融数据处理中的优势Python是一种功能强大且灵活的编程语言。在金融领域,它的简洁语法和丰富的库使其成为处理股票行情数据的理想选择。Python能够方便地进行数据获取、清洗、分析和可视化
- 搞嵌入式开发,如何才能“小有所成”,获得更高的收入?
智驾
杂谈嵌入式职业规划
文章目录引言一、技术能力体系构建(金字塔模型)1.基础层(硬件理解)2.核心层(软件能力)3.扩展层(系统级能力)二、项目经验增值策略1.开源项目参与2.行业级项目实战3.专利布局三、高价值领域选择1.薪资溢价行业2.技术风口方向四、职业发展加速路径1.认证体系进阶2.收入增长策略3.职场跃迁节点五、持续进化方法论1.技术雷达维护2.工程能力量化3.跨界能力融合六、薪资谈判策略1.构建技术护城河:
- YOLOv10改进策略【注意力机制篇】| EMA 即插即用模块,提高远距离建模依赖(含二次创新)
Limiiiing
YOLOv10改进专栏YOLO目标跟踪计算机视觉深度学习
一、本文介绍本文记录的是基于EMA模块的YOLOv10目标检测改进方法研究。EMA认为跨维度交互有助于通道或空间注意力预测,并且解决了现有注意力机制在提取深度视觉表示时可能带来的维度缩减问题。在改进YOLOv10的过程中能够为高级特征图产生更好的像素级注意力,能够建模长程依赖并嵌入精确的位置信息。专栏目录:YOLOv10改进目录一览|涉及卷积层、轻量化、注意力、损失函数、Backbone、SPPF
- 【Numpy核心编程攻略:Python数据处理、分析详解与科学计算】1.18 逻辑运算引擎:数组条件判断的智能法则
精通代码大仙
numpypythonnumpypython开发语言
1.18逻辑运算引擎:数组条件判断的智能法则1.18.1目录逻辑运算引擎:数组条件判断的智能法则引言短路逻辑的向量化替代方案复合条件表达式的优化编写掩码操作在图像分割中的应用多条件并行评估的性能测试总结参考文献1.18.2短路逻辑的向量化替代方案在Python中,短路逻辑(short-circuitlogic)是一种常用的逻辑运算方式,但在NumPy数组中使用短路逻辑可能会导致性能问题。向量化操作
- 基于YOLOv11无人机视角船舶检测系统:项目概述与技术实现
qq1309399183
计算机视觉实战项目集合YOLO无人机人工智能计算机视觉无人机视角船舶检测yolo11改进yolo11涨点
文章目录YOLOv11无人机视角船舶检测系统:项目概述与技术实现项目背景项目简介核心目标YOLOv11的技术优势1.**更强的特征提取能力**2.**改进的多尺度检测**3.**轻量化设计**4.**实时处理能力**数据准备与模型训练1.**数据集构建**2.**模型训练**系统功能与使用方法1.**实时目标检测**2.**静态图片检测**3.**视频文件处理**4.**多种目标类别支持**安装与
- 统一思想认识
永夜-极光
思想
1.统一思想认识的基础,才能有的放矢
原因:
总有一种描述事物的方式最贴近本质,最容易让人理解.
如何让教育更轻松,在于找到最适合学生的方式.
难点在于,如何模拟对方的思维基础选择合适的方式. &
- Joda Time使用笔记
bylijinnan
javajoda time
Joda Time的介绍可以参考这篇文章:
http://www.ibm.com/developerworks/cn/java/j-jodatime.html
工作中也常常用到Joda Time,为了避免每次使用都查API,记录一下常用的用法:
/**
* DateTime变化(增减)
*/
@Tes
- FileUtils API
eksliang
FileUtilsFileUtils API
转载请出自出处:http://eksliang.iteye.com/blog/2217374 一、概述
这是一个Java操作文件的常用库,是Apache对java的IO包的封装,这里面有两个非常核心的类FilenameUtils跟FileUtils,其中FilenameUtils是对文件名操作的封装;FileUtils是文件封装,开发中对文件的操作,几乎都可以在这个框架里面找到。 非常的好用。
- 各种新兴技术
不懂事的小屁孩
技术
1:gradle Gradle 是以 Groovy 语言为基础,面向Java应用为主。基于DSL(领域特定语言)语法的自动化构建工具。
现在构建系统常用到maven工具,现在有更容易上手的gradle,
搭建java环境:
http://www.ibm.com/developerworks/cn/opensource/os-cn-gradle/
搭建android环境:
http://m
- tomcat6的https双向认证
酷的飞上天空
tomcat6
1.生成服务器端证书
keytool -genkey -keyalg RSA -dname "cn=localhost,ou=sango,o=none,l=china,st=beijing,c=cn" -alias server -keypass password -keystore server.jks -storepass password -validity 36
- 托管虚拟桌面市场势不可挡
蓝儿唯美
用户还需要冗余的数据中心,dinCloud的高级副总裁兼首席营销官Ali Din指出。该公司转售一个MSP可以让用户登录并管理和提供服务的用于DaaS的云自动化控制台,提供服务或者MSP也可以自己来控制。
在某些情况下,MSP会在dinCloud的云服务上进行服务分层,如监控和补丁管理。
MSP的利润空间将根据其参与的程度而有所不同,Din说。
“我们有一些合作伙伴负责将我们推荐给客户作为个
- spring学习——xml文件的配置
a-john
spring
在Spring的学习中,对于其xml文件的配置是必不可少的。在Spring的多种装配Bean的方式中,采用XML配置也是最常见的。以下是一个简单的XML配置文件:
<?xml version="1.0" encoding="UTF-8"?>
<beans xmlns="http://www.springframework.or
- HDU 4342 History repeat itself 模拟
aijuans
模拟
来源:http://acm.hdu.edu.cn/showproblem.php?pid=4342
题意:首先让求第几个非平方数,然后求从1到该数之间的每个sqrt(i)的下取整的和。
思路:一个简单的模拟题目,但是由于数据范围大,需要用__int64。我们可以首先把平方数筛选出来,假如让求第n个非平方数的话,看n前面有多少个平方数,假设有x个,则第n个非平方数就是n+x。注意两种特殊情况,即
- java中最常用jar包的用途
asia007
java
java中最常用jar包的用途
jar包用途axis.jarSOAP引擎包commons-discovery-0.2.jar用来发现、查找和实现可插入式接口,提供一些一般类实例化、单件的生命周期管理的常用方法.jaxrpc.jarAxis运行所需要的组件包saaj.jar创建到端点的点到点连接的方法、创建并处理SOAP消息和附件的方法,以及接收和处理SOAP错误的方法. w
- ajax获取Struts框架中的json编码异常和Struts中的主控制器异常的解决办法
百合不是茶
jsjson编码返回异常
一:ajax获取自定义Struts框架中的json编码 出现以下 问题:
1,强制flush输出 json编码打印在首页
2, 不强制flush js会解析json 打印出来的是错误的jsp页面 却没有跳转到错误页面
3, ajax中的dataType的json 改为text 会
- JUnit使用的设计模式
bijian1013
java设计模式JUnit
JUnit源代码涉及使用了大量设计模式
1、模板方法模式(Template Method)
定义一个操作中的算法骨架,而将一些步骤延伸到子类中去,使得子类可以不改变一个算法的结构,即可重新定义该算法的某些特定步骤。这里需要复用的是算法的结构,也就是步骤,而步骤的实现可以在子类中完成。
 
- Linux常用命令(摘录)
sunjing
crondchkconfig
chkconfig --list 查看linux所有服务
chkconfig --add servicename 添加linux服务
netstat -apn | grep 8080 查看端口占用
env 查看所有环境变量
echo $JAVA_HOME 查看JAVA_HOME环境变量
安装编译器
yum install -y gcc
- 【Hadoop一】Hadoop伪集群环境搭建
bit1129
hadoop
结合网上多份文档,不断反复的修正hadoop启动和运行过程中出现的问题,终于把Hadoop2.5.2伪分布式安装起来,跑通了wordcount例子。Hadoop的安装复杂性的体现之一是,Hadoop的安装文档非常多,但是能一个文档走下来的少之又少,尤其是Hadoop不同版本的配置差异非常的大。Hadoop2.5.2于前两天发布,但是它的配置跟2.5.0,2.5.1没有分别。 &nb
- Anychart图表系列五之事件监听
白糖_
chart
创建图表事件监听非常简单:首先是通过addEventListener('监听类型',js监听方法)添加事件监听,然后在js监听方法中定义具体监听逻辑。
以钻取操作为例,当用户点击图表某一个point的时候弹出point的name和value,代码如下:
<script>
//创建AnyChart
var chart = new AnyChart();
//添加钻取操作&quo
- Web前端相关段子
braveCS
web前端
Web标准:结构、样式和行为分离
使用语义化标签
0)标签的语义:使用有良好语义的标签,能够很好地实现自我解释,方便搜索引擎理解网页结构,抓取重要内容。去样式后也会根据浏览器的默认样式很好的组织网页内容,具有很好的可读性,从而实现对特殊终端的兼容。
1)div和span是没有语义的:只是分别用作块级元素和行内元素的区域分隔符。当页面内标签无法满足设计需求时,才会适当添加div
- 编程之美-24点游戏
bylijinnan
编程之美
import java.util.ArrayList;
import java.util.Arrays;
import java.util.HashSet;
import java.util.List;
import java.util.Random;
import java.util.Set;
public class PointGame {
/**编程之美
- 主页面子页面传值总结
chengxuyuancsdn
总结
1、showModalDialog
returnValue是javascript中html的window对象的属性,目的是返回窗口值,当用window.showModalDialog函数打开一个IE的模式窗口时,用于返回窗口的值
主界面
var sonValue=window.showModalDialog("son.jsp");
子界面
window.retu
- [网络与经济]互联网+的含义
comsci
互联网+
互联网+后面是一个人的名字 = 网络控制系统
互联网+你的名字 = 网络个人数据库
每日提示:如果人觉得不舒服,千万不要外出到处走动,就呆在床上,玩玩手游,更不能够去开车,现在交通状况不
- oracle 创建视图 with check option
daizj
视图vieworalce
我们来看下面的例子:
create or replace view testview
as
select empno,ename from emp where ename like ‘M%’
with check option;
这里我们创建了一个视图,并使用了with check option来限制了视图。 然后我们来看一下视图包含的结果:
select * from testv
- ToastPlugin插件在cordova3.3下使用
dibov
Cordova
自己开发的Todos应用,想实现“
再按一次返回键退出程序 ”的功能,采用网上的ToastPlugins插件,发现代码或文章基本都是老版本,运行问题比较多。折腾了好久才弄好。下面吧基于cordova3.3下的ToastPlugins相关代码共享。
ToastPlugin.java
package&nbs
- C语言22个系统函数
dcj3sjt126com
cfunction
C语言系统函数一、数学函数下列函数存放在math.h头文件中Double floor(double num) 求出不大于num的最大数。Double fmod(x, y) 求整数x/y的余数。Double frexp(num, exp); double num; int *exp; 将num分为数字部分(尾数)x和 以2位的指数部分n,即num=x*2n,指数n存放在exp指向的变量中,返回x。D
- 开发一个类的流程
dcj3sjt126com
开发
本人近日根据自己的开发经验总结了一个类的开发流程。这个流程适用于单独开发的构件,并不适用于对一个项目中的系统对象开发。开发出的类可以存入私人类库,供以后复用。
以下是开发流程:
1. 明确类的功能,抽象出类的大概结构
2. 初步设想类的接口
3. 类名设计(驼峰式命名)
4. 属性设置(权限设置)
判断某些变量是否有必要作为成员属
- java 并发
shuizhaosi888
java 并发
能够写出高伸缩性的并发是一门艺术
在JAVA SE5中新增了3个包
java.util.concurrent
java.util.concurrent.atomic
java.util.concurrent.locks
在java的内存模型中,类的实例字段、静态字段和构成数组的对象元素都会被多个线程所共享,局部变量与方法参数都是线程私有的,不会被共享。
- Spring Security(11)——匿名认证
234390216
Spring SecurityROLE_ANNOYMOUS匿名
匿名认证
目录
1.1 配置
1.2 AuthenticationTrustResolver
对于匿名访问的用户,Spring Security支持为其建立一个匿名的AnonymousAuthenticat
- NODEJS项目实践0.2[ express,ajax通信...]
逐行分析JS源代码
Ajaxnodejsexpress
一、前言
通过上节学习,我们已经 ubuntu系统搭建了一个可以访问的nodejs系统,并做了nginx转发。本节原要做web端服务 及 mongodb的存取,但写着写着,web端就
- 在Struts2 的Action中怎样获取表单提交上来的多个checkbox的值
lhbthanks
javahtmlstrutscheckbox
第一种方法:获取结果String类型
在 Action 中获得的是一个 String 型数据,每一个被选中的 checkbox 的 value 被拼接在一起,每个值之间以逗号隔开(,)。
所以在 Action 中定义一个跟 checkbox 的 name 同名的属性来接收这些被选中的 checkbox 的 value 即可。
以下是实现的代码:
前台 HTML 代码:
- 003.Kafka基本概念
nweiren
hadoopkafka
Kafka基本概念:Topic、Partition、Message、Producer、Broker、Consumer。 Topic: 消息源(Message)的分类。 Partition: Topic物理上的分组,一
- Linux环境下安装JDK
roadrunners
jdklinux
1、准备工作
创建JDK的安装目录:
mkdir -p /usr/java/
下载JDK,找到适合自己系统的JDK版本进行下载:
http://www.oracle.com/technetwork/java/javase/downloads/index.html
把JDK安装包下载到/usr/java/目录,然后进行解压:
tar -zxvf jre-7
- Linux忘记root密码的解决思路
tomcat_oracle
linux
1:使用同版本的linux启动系统,chroot到忘记密码的根分区passwd改密码 2:grub启动菜单中加入init=/bin/bash进入系统,不过这时挂载的是只读分区。根据系统的分区情况进一步判断. 3: grub启动菜单中加入 single以单用户进入系统. 4:用以上方法mount到根分区把/etc/passwd中的root密码去除 例如: ro
- 跨浏览器 HTML5 postMessage 方法以及 message 事件模拟实现
xueyou
jsonpjquery框架UIhtml5
postMessage 是 HTML5 新方法,它可以实现跨域窗口之间通讯。到目前为止,只有 IE8+, Firefox 3, Opera 9, Chrome 3和 Safari 4 支持,而本篇文章主要讲述 postMessage 方法与 message 事件跨浏览器实现。postMessage 方法 JSONP 技术不一样,前者是前端擅长跨域文档数据即时通讯,后者擅长针对跨域服务端数据通讯,p