- Python 标准库之 random 模块
Json19970108018
Python进阶应用教程python前端数据库
Python的random模块提供了生成伪随机数的工具，可用于模拟随机过程、生成测试数据、实现随机化算法等场景。以下是该模块的核心功能和常见用法：1.随机数生成基础1.1浮点数随机数pythonimportrandom#生成[0.0,1.0)范围内的随机浮点数random.random()#生成[a,b]范围内的随机浮点数random.uniform(1,10)1.2整数随机数python#生成[
- 清风数学建模个人笔记--模糊综合评价
fvdj0
数学建模笔记
目录一、量二、分类三、模糊函数的三种表示方法四、应用：模糊综合评价（评判）一、量①确定性：经典数学（几何、代数）②不确定性：随机性（概率论、随机过程）灰性（灰色系统）模糊性（模糊数学）二、分类：偏小型：年轻、小、冷中间型：中年、中、暖偏大型：年老、大、热三、模糊函数的三种表示方法（1）模糊统计法（设计调查问卷，不推荐，主观性最弱）（2）借助已有的尺度（需要已有的指标，并能收集到数据）论域模糊集隶属
- 机器学习与深度学习16-概率论和统计学01
my_q
机器学习与深度学习机器学习深度学习概率论
目录前文回顾1.什么是概率论和统计学2.概率的基本概念3.什么是概率密度函数和累积分布函数4.均值、中位数与众数前文回顾上一篇文章地址：链接1.什么是概率论和统计学概率论和统计学是数学中重要的分支，用于研究随机事件和数据的分布、关联性以及不确定性。概率论是研究随机事件发生的可能性和规律的数学学科。它提供了一套工具和方法来描述和分析随机变量、随机过程以及他们之间的关系。概率论包括概率分布、随机变量、
- 【深度学习新浪潮】如何入门三维重建？
小米玄戒Andrew
深度学习新浪潮图像处理基石深度学习人工智能图像处理计算机视觉python视觉几何opencv
入门三维重建算法技术需要结合数学基础、计算机视觉理论、编程实践和项目经验，以下是系统的学习路径和建议：一、基础知识储备1.数学基础线性代数：矩阵运算、向量空间、特征分解（用于相机矩阵、变换矩阵推导）。几何基础：三维几何（点、线、面的表示）、射影几何（单应矩阵、本质矩阵、基础矩阵）、李群与李代数（SLAM中的位姿优化）。概率与统计：贝叶斯估计、概率图模型（SLAM中的状态估计）、随机过程（滤波算法如
- 我2025上岸大模型就靠它了，冲击大厂大模型岗位！大模型学习路线（2025最新）从零基础入门到精通_大模型学习路线
大模型老炮
学习人工智能程序员Agent大模型教学知识库大模型
大模型学习路线图第一阶段：基础知识准备在这个阶段，您需要打下坚实的数学基础和编程基础，这是学习任何机器学习和深度学习技术所必需的。\1.数学基础线性代数：矩阵运算、向量空间、特征值与特征向量等。概率统计：随机变量、概率分布、贝叶斯定理等。微积分：梯度、偏导数、积分等。学习资料书籍：GilbertStrang，《线性代数及其应用》SheldonRoss，《概率论与随机过程》在线课程：KhanAcad
- 神仙级大模型教程分享，不用感谢，请叫我活雷锋！大模型 学习路线非常详细_大模型学习路线（2025最新）
程序员辣条
学习人工智能大模型产品经理智能体大模型教程AI大模型
大模型学习路线图第一阶段：基础知识准备在这个阶段，您需要打下坚实的数学基础和编程基础，这是学习任何机器学习和深度学习技术所必需的。1.数学基础线性代数：矩阵运算、向量空间、特征值与特征向量等。概率统计：随机变量、概率分布、贝叶斯定理等。微积分：梯度、偏导数、积分等。学习资料书籍：GilbertStrang，《线性代数及其应用》SheldonRoss，《概率论与随机过程》在线课程：KhanAcade
- 汽车平顺性与仿真分析matlab,基于MATLAB/Simscape的汽车平顺性的教学法
磅礴科技
152教育现代化传媒品牌投稿邮箱：
[email protected]课程与教学《汽车理论》是车辆工程专业的必修基础课程，而其中平顺性的内容则是重点和难点，其内容涉及到振动理论、随机过程、复变函数、概率论及数理统计等相关知识，按照传统的教学方法，效果不尽人意。而基于Matlab/Simulink建模仿真的教学法，需要先推导出数学模型，然后再根据数学模型，利用相关的模块建立仿真模型，建模相对复杂
- Python：几何布朗运动模拟
潮易
python开发语言
这是一个关于Python中如何使用GeometricBrownianMotion（GBM）来模拟股票价格变化的简单问题。GeometricBrownianMotion是一种随机过程，常用于模拟股票价格等金融变量的变动。首先，我们需要导入一些必要的库：numpy用于数学运算，matplotlib用于数据可视化，以及pandas用于处理数据。然后，我们可以定义一个函数来生成GBM路径：```pytho
- 随机过程，相关函数的一个例题|柯尔莫哥洛夫存在定理
学渣67656
概率论
问题描述我们有两个周期为LLL的函数g1(t)g_1(t)g1(t)和g2(t)g_2(t)g2(t)，并定义随机过程：X(t)=g1(t+ε),Y(t)=g2(t+ε),X(t)=g_1(t+\varepsilon),\quadY(t)=g_2(t+\varepsilon),X(t)=g1(t+ε),Y(t)=g2(t+ε),其中ε\varepsilonε是一个均匀分布在[0,L][0,L][0
- 现代教育：大学学科进阶总览
Yuner2000
教育体系大学学科
《现代教育：大学学科进阶总览》目录第一章自然科学1.1数学科学基础数学数理逻辑：模型论/证明论代数几何：概形理论/模空间微分拓扑：流形分类/微分结构数论前沿：朗兰兹纲领/椭圆曲线加密应用数学计算数学：有限元分析/偏微分方程数值解运筹学：组合优化/随机过程金融数学：衍生品定价/风险价值模型统计学生物统计：生存分析/基因组关联研究经济计量：时间序列分析/面板数据模型空间统计：地理加权回归/克里金插值1
- 随机过程2：泊松过程
♚放晴♛~
概率论
系列笔记是本人在上随机过程时整理的。由于这门课是这个学期正在上的，更新速度会比较慢，只能每学完一个章节更新一次。这是泊松过程部分，主要介绍了随机过程的一般理论、泊松过程的定义、数字特征、到达时间分布、到达时间间隔分布以及非时齐泊松过程。随机过程一般理论随机过程研究的范畴是一族相依的（不独立）的随机变量{Xt}\left\{{X_{t}}\right\}{Xt}及其之间的关系。也可以看作在时间的作用
- 随机过程 1:准备知识
♚放晴♛~
概率论
系列笔记是本人在上随机过程时整理的。由于这门课是这个学期正在上的，更新速度会比较慢，只能每学完一个章节更新一次。这是准备知识部分，其中引入的最重要的概念是条件期望。概率的公理化概率测度空间(Ω,F,P)\left({\Omega,\mathcal{F},P}\right)(Ω,F,P)构成一概率测度空间，其中F\mathcal{F}F中的元素被称为随机事件或简称事件，而Ω\OmegaΩ被称为必然事
- 基于随机过程的图像生成：探索新的生成策略
AI天才研究院
DeepSeekR1&大数据AI人工智能大模型自然语言处理人工智能语言模型编程实践开发语言架构设计
作者：禅与计算机程序设计艺术1.简介随着人们对计算机视觉技术的日益关注和追求，越来越多的人将注意力转移到如何更好地利用大数据、高性能计算设备和现代神经网络技术等新兴技术的能力上。其中一个重要领域是利用随机过程(RandomProcess)及其相关理论进行图像和视频的生成。而传统的基于模糊、轮廓、噪声等生成方式已无法满足现实世界中各种复杂场景的需求。因此，为了提升图像生成的质量和效率，我国国内外很多
- 2025年大模型学习路线：神仙级教程无私分享，助你成为AI领域高手！大模型学习路线就看这一篇就够了！
大模型入门教程
学习人工智能AI大模型大模型大模型学习大模型教程程序员
大模型学习路线图第一阶段：基础知识准备在这个阶段，您需要打下坚实的数学基础和编程基础，这是学习任何机器学习和深度学习技术所必需的。1.数学基础线性代数：矩阵运算、向量空间、特征值与特征向量等。概率统计：随机变量、概率分布、贝叶斯定理等。微积分：梯度、偏导数、积分等。学习资料书籍：GilbertStrang，《线性代数及其应用》SheldonRoss，《概率论与随机过程》在线课程：KhanAcade
- 随机过程的基本概念机有限维分布的数字特征
C_VuI
概率论线性代数
随机过程的基本概念及有限维分布的数字特征：从理论到应用在现代科学与技术的众多领域中，随机过程的身影无处不在，它如同一位神秘的幕后操纵者，影响着我们生活的方方面面。今天，咱们就一起来深入探究随机过程的基本概念以及有限维分布的数字特征，说不定能为你打开一扇新的知识大门哦一、随机过程的基本概念（一）定义大揭秘随机过程，简单来说，就是一族依赖于某个参数（通常是时间参数ttt）的随机变量{X(t),t∈T}
- 随机过程概率空间
C_VuI
大数据
σ\sigmaσ代数和最小σ\sigmaσ代数σ\sigmaσ代数σ\sigmaσ代数（σ\sigmaσ-algebra）需满足以下条件：设F\mathcal{F}F是全集XXX的子集族，若满足：全集包含：X∈FX\in\mathcal{F}X∈F补集封闭：若A∈FA\in\mathcal{F}A∈F，则Ac=X∖A∈FA^c=X\setminusA\in\mathcal{F}Ac=X∖A∈F可数
- 数据降维技术研究：Karhunen-Loève展开与快速傅里叶变换的理论基础及应用
人工智能机器学习python
在现代科学计算和数据分析领域，数据降维与压缩技术对于处理高维数据具有重要意义。本文主要探讨两种基础而重要的数学工具：Karhunen-Loève展开（KLE）和快速傅里叶变换（FFT）。通过分析这两种方法的理论基础和应用特点，阐述它们在数据降维中的优势和适用场景。Karhunen-Loève展开的理论与应用理论基础Karhunen-Loève展开是一种基于随机过程谱分解的降维方法。它通过构建最优正
- （3-5）文生图模型架构：扩散模型
码农三叔
训练RAG多模态)人工智能python深度学习大模型文生图多模态
3.5扩散模型扩散模型（DiffusionModels）是一类用于生成图像的深度学习模型，近年来在图像生成任务中取得了显著的进展。扩散模型的基本思想是通过逐步添加噪声到数据中，然后学习从噪声中恢复原始数据的过程。3.5.1扩散模型的基本概念扩散模型是一种基于随机过程的生成模型，通过逐步添加和去除噪声，实现从随机噪声到高质量数据的转化，其独特的训练和生成机制使其在图像生成领域表现出色。1.扩散过程扩
- 【Numpy核心编程攻略：Python数据处理、分析详解与科学计算】1.24 随机宇宙：生成现实世界数据的艺术
精通代码大仙
numpypythonnumpypython开发语言
1.24随机宇宙：生成现实世界数据的艺术目录随机宇宙：生成现实世界数据的艺术引言复杂联合分布的采样技巧随机游走的蒙特卡洛实现基于物理规律的生成模型随机数在加密中的应用总结参考文献引言复杂联合分布的采样技巧随机游走的蒙特卡洛实现基于物理规律的生成模型随机数在加密中的应用总结参考文献随机数生成分布采样物理模拟密码学应用多元正态分布随机过程布朗运动流体动力学安全随机数随机性检验1.24.1引言在数据科学
- 蒙特卡洛模拟（Monte Carlo Simulation）详解
ballball~~
算法蒙特卡洛模拟算法机器学习
简介：个人学习分享，如有错误，欢迎批评指正。历史背景蒙特卡洛模拟的名称来源于摩纳哥的蒙特卡洛赌场，因其依赖于随机性和概率，与赌博中的随机过程有相似之处。该方法的雏形可以追溯到20世纪40年代，二战期间，美国数学家斯坦尼斯拉夫·乌拉姆（StanislawUlam）和约翰·冯·诺依曼（JohnvonNeumann）在研究核武器的概率计算时首次提出了利用随机采样解决复杂问题的思想。随着计算机技术的迅猛发
- 深度学习：从基础到实践（上、下册）(安德鲁·格拉斯纳)
fyjgfyjfg
深度学习人工智能
（pdf）:python33+(0m深度学习概述：深度学习是机器学习的一个分支，它试图通过使用深层神经网络来模拟人脑的学习过程。随机性与基础统计学：在深度学习中，随机性起着重要作用，了解基础统计学有助于更好地理解深度学习中的随机过程和不确定性。训练与测试：深度学习模型的训练过程包括使用训练数据来优化模型参数，而测试过程则使用测试数据来评估模型的性能。过拟合与欠拟合：过拟合是指模型在训练数据上表现过
- matlab cdf,Matlab 简单计算PDF和CDF | 学步园
苏晓晓
matlabcdf
通信的魅力就是在于随机性中蕴含的确定性，这也就是为什么你随便拿出一本通信方面的教材，前面几章都会大篇幅的讲解随机过程，随机过程也是研究生必须深入了解的一门课，特别是对于信号处理以及通信专业的学生。在实际工作中，通常会得到很多随机的数，我们要分析它们的分布，最常见的就是用PDF和CDF来描述了。好了，还是举出一个具体例子吧。那么实际中我们要验证是不是符合这样的分布，首先看代码再解释：%%%%%%%%
- 随机过程【张颢】第一章
模拟IC和AI的Learner
随机过程机器学习人工智能
学习目标随机过程主要研究多个随机变量之间的联系。主要分为两个大类：一，线性相关对线性相关的研究主要从以下方面：（1）从时域角度（2）从频域角度主要研究一个重要的过程：（3）高斯过程二，马尔可夫性主要学习：（1）离散时间的马尔可夫链（2）连续时间的马尔可夫链还会学习一个典型的过程（最简单、应用最广泛的马尔可夫过程）：（3）泊松过程三，鞅（研究较少，主要用在金融方面）
- 随机信号是什么，随机信号的分类
cxylay
声音信号随机信号分类白噪声高斯非平稳
随机信号（RandomSignal）是指在时间或空间上，信号的取值是不可预测的，或者说是由随机过程所生成的信号。随机信号广泛存在于自然界中，例如大气噪声、电磁干扰、地震波等都可以被视为随机信号。随机信号的特点：①不可预测性：随机信号的未来取值无法通过确定性规律准确预测，只能通过统计特性来描述和估计。②统计特性描述：由于随机信号的瞬时值难以预测，因此我们通常通过统计特性，如均值、方差、自相关函数、功
- 【概率图与随机过程】01 一维高斯分布：极大似然与无偏性
石 溪
机器学习中的数学（全集）概率论图论自然语言处理机器学习人工智能
在这个专栏中，我们开篇首先介绍高斯分布，他的重要性体现在两点：第一：依据中心极限定理，当样本量足够大的时候，任意分布的均值都趋近于一个高斯分布，这是在整个工程领域体现出该分布的一种普适性；第二：高斯分布是后续许多模型的根本基础，例如线性高斯模型（卡尔曼滤波）、高斯过程等等。因此我们首先在这一讲当中，结合一元高斯分布，来讨论一下极大似然估计，估计的有偏性、无偏性等基本建模问题。1.极大似然估计问题背
- 【Stable Diffusion】：原理、应用与未来展望
Python小原
stablediffusion人工智能深度学习
一、引言在人工智能的快速发展中，StableDiffusion作为一种先进的随机过程模型，受到了广泛的关注。StableDiffusion不仅能够描述许多自然和人工系统中的随机演化行为，而且在多个领域展现出了广泛的应用潜力。本文将详细介绍StableDiffusion的原理、应用以及未来的发展趋势。二、StableDiffusion的原理StableDiffusion可以被定义为一个基于随机漫步的
- 随机过程及应用学习笔记（三）几种重要的随机过程
苦瓜汤补钙
学习笔记
介绍独立过程和独立增量过程。重点介绍两种独立增量过程-—维纳过程和泊松过程。目录前言一、独立过程和独立增量过程1、独立过程（IndependentProcess）2、独立增量过程（IndependentIncrementProcess）二、正态过程（高斯过程）1、正态过程的定义编辑2、正态过程的概率分布三、维纳过程（Brown运动）1、定义2、概率分布及数学特征3、性质四、泊松过程1、定义2、概率
- MATLAB实现几何布朗运动(模拟股价走势)
MATLAB代码顾问
matlab开发语言
问题描述:几何布朗运动（GeometricBrownianMotion，GBM）是一种常常用于模拟股票价格或汇率等金融资产价格的随机过程。MATLAB代码:clearall;clc;closeall;%设置参数T=1;%时间总长N=1000;%时间步数dt=T/N;%时间步长mu=0.1;%均值sigma=0.2;%标准差S0=100;%初始价格%初始化向量S=zeros(1,N);%价格t=ze
- 指数随机变量 泊松过程跳_随机过程学习笔记(1)：指数分布与泊松过程
姐姐妹妹向前冲
指数随机变量泊松过程跳
笔记主要基于中文版《应用随机过程IntroductiontoProbabilityModels》(SheldonM.Ross)，只有非常少的一部分是我自己的注解。写这个笔记的目的是自己复习用，阅读需要一定的微积分和概率论基础。本人为初学者，且全部为自学，如果笔记中有错误，欢迎指正。提示：概率论和指数分布作为本节的基础，我把一些重要公式写在开头，但是可以直接从泊松过程开始阅读，在泊松过程中用到相关知
- 应用随机过程期中复习总结
ldc1513
课程复习资料数学概率论应用随机过程马氏链常返
应用随机过程期中复习总结byldc前言：该笔记为北京大学数学科学学院应用随机过程课程的复习笔记和内容总结。主要参考课程讲义编写而成。该复习笔记截止期中，主要介绍了马氏链的概念，并且非常详细地讲解了时齐马氏链的各个性质。由于是总结性质的笔记，因此该总结中的结论不加证明地给出，如果需要查询证明的话可以参考以下两本书，也可以自行谷歌：英文：《MarkovChain》,Norris中文：《应用随机过程》,
- 项目中 枚举与注解的结合使用
飞翔的马甲
javaenumannotation
前言：版本兼容，一直是迭代开发头疼的事，最近新版本加上了支持新题型，如果新创建一份问卷包含了新题型，那旧版本客户端就不支持，如果新创建的问卷不包含新题型，那么新旧客户端都支持。这里面我们通过给问卷类型枚举增加自定义注解的方式完成。顺便巩固下枚举与注解。
一、枚举
1.在创建枚举类的时候，该类已继承java.lang.Enum类，所以自定义枚举类无法继承别的类，但可以实现接口。
- 【Scala十七】Scala核心十一：下划线_的用法
bit1129
scala
下划线_在Scala中广泛应用，_的基本含义是作为占位符使用。_在使用时是出问题非常多的地方，本文将不断完善_的使用场景以及所表达的含义
1. 在高阶函数中使用
scala> val list = List(-3,8,7,9)
list: List[Int] = List(-3, 8, 7, 9)
scala> list.filter(_ > 7)
r
- web缓存基础：术语、http报头和缓存策略
dalan_123
Web
对于很多人来说，去访问某一个站点，若是该站点能够提供智能化的内容缓存来提高用户体验，那么最终该站点的访问者将络绎不绝。缓存或者对之前的请求临时存储，是http协议实现中最核心的内容分发策略之一。分发路径中的组件均可以缓存内容来加速后续的请求，这是受控于对该内容所声明的缓存策略。接下来将讨web内容缓存策略的基本概念，具体包括如如何选择缓存策略以保证互联网范围内的缓存能够正确处理的您的内容，并谈论下
- crontab 问题
周凡杨
linuxcrontabunix
一： 0481-079 Reached a symbol that is not expected.
背景：
*/5 * * * * /usr/IBMIHS/rsync.sh
- 让tomcat支持2级域名共享session
g21121
session
tomcat默认情况下是不支持2级域名共享session的，所有有些情况下登陆后从主域名跳转到子域名会发生链接session不相同的情况，但是只需修改几处配置就可以了。
打开tomcat下conf下context.xml文件
找到Context标签,修改为如下内容
如果你的域名是www.test.com
<Context sessionCookiePath="/path&q
- web报表工具FineReport常用函数的用法总结（数学和三角函数）
老A不折腾
Webfinereport总结
ABS
ABS(number):返回指定数字的绝对值。绝对值是指没有正负符号的数值。
Number:需要求出绝对值的任意实数。
示例:
ABS(-1.5)等于1.5。
ABS(0)等于0。
ABS(2.5)等于2.5。
ACOS
ACOS(number):返回指定数值的反余弦值。反余弦值为一个角度，返回角度以弧度形式表示。
Number:需要返回角
- linux 启动java进程 sh文件
墙头上一根草
linuxshelljar
#!/bin/bash
#初始化服务器的进程PId变量
user_pid=0;
robot_pid=0;
loadlort_pid=0;
gateway_pid=0;
#########
#检查相关服务器是否启动成功
#说明：
#使用JDK自带的JPS命令及grep命令组合，准确查找pid
#jps 加 l 参数，表示显示java的完整包路径
#使用awk，分割出pid
- 我的spring学习笔记5-如何使用ApplicationContext替换BeanFactory
aijuans
Spring 3 系列
如何使用ApplicationContext替换BeanFactory？
package onlyfun.caterpillar.device;
import org.springframework.beans.factory.BeanFactory;
import org.springframework.beans.factory.xml.XmlBeanFactory;
import
- Linux 内存使用方法详细解析
annan211
linux内存Linux内存解析
来源 http://blog.jobbole.com/45748/
我是一名程序员，那么我在这里以一个程序员的角度来讲解Linux内存的使用。
一提到内存管理，我们头脑中闪出的两个概念，就是虚拟内存，与物理内存。这两个概念主要来自于linux内核的支持。
Linux在内存管理上份为两级，一级是线性区，类似于00c73000-00c88000，对应于虚拟内存，它实际上不占用
- 数据库的单表查询常用命令及使用方法(-)
百合不是茶
oracle函数单表查询
创建数据库;
--建表
create table bloguser(username varchar2(20),userage number(10),usersex char(2));
创建bloguser表,里面有三个字段
&nbs
- 多线程基础知识
bijian1013
java多线程threadjava多线程
一．进程和线程
进程就是一个在内存中独立运行的程序，有自己的地址空间。如正在运行的写字板程序就是一个进程。
“多任务”：指操作系统能同时运行多个进程（程序）。如WINDOWS系统可以同时运行写字板程序、画图程序、WORD、Eclipse等。
线程：是进程内部单一的一个顺序控制流。
线程和进程
a. 每个进程都有独立的
- fastjson简单使用实例
bijian1013
fastjson
一.简介
阿里巴巴fastjson是一个Java语言编写的高性能功能完善的JSON库。它采用一种“假定有序快速匹配”的算法，把JSON Parse的性能提升到极致，是目前Java语言中最快的JSON库；包括“序列化”和“反序列化”两部分，它具备如下特征：
- 【RPC框架Burlap】Spring集成Burlap
bit1129
spring
Burlap和Hessian同属于codehaus的RPC调用框架，但是Burlap已经几年不更新，所以Spring在4.0里已经将Burlap的支持置为Deprecated,所以在选择RPC框架时，不应该考虑Burlap了。
这篇文章还是记录下Burlap的用法吧，主要是复制粘贴了Hessian与Spring集成一文，【RPC框架Hessian四】Hessian与Spring集成
- 【Mahout一】基于Mahout 命令参数含义
bit1129
Mahout
1. mahout seqdirectory
$ mahout seqdirectory
--input (-i) input Path to job input directory(原始文本文件).
--output (-o) output The directory pathna
- linux使用flock文件锁解决脚本重复执行问题
ronin47
linux lock 重复执行
linux的crontab命令，可以定时执行操作，最小周期是每分钟执行一次。关于crontab实现每秒执行可参考我之前的文章《linux crontab 实现每秒执行》现在有个问题，如果设定了任务每分钟执行一次，但有可能一分钟内任务并没有执行完成，这时系统会再执行任务。导致两个相同的任务在执行。
例如：
<?
//
test
.php
- java-74-数组中有一个数字出现的次数超过了数组长度的一半，找出这个数字
bylijinnan
java
public class OcuppyMoreThanHalf {
/**
* Q74 数组中有一个数字出现的次数超过了数组长度的一半，找出这个数字
* two solutions:
* 1.O(n)
* see <beauty of coding>--每次删除两个不同的数字，不改变数组的特性
* 2.O(nlogn)
* 排序。中间
- linux 系统相关命令
candiio
linux
系统参数
cat /proc/cpuinfo cpu相关参数
cat /proc/meminfo 内存相关参数
cat /proc/loadavg 负载情况
性能参数
1）top
M：按内存使用排序
P：按CPU占用排序
1：显示各CPU的使用情况
k：kill进程
o：更多排序规则
回车：刷新数据
2）ulimit
ulimit -a：显示本用户的系统限制参
- [经营与资产]保持独立性和稳定性对于软件开发的重要意义
comsci
软件开发
一个软件的架构从诞生到成熟，中间要经过很多次的修正和改造
如果在这个过程中，外界的其它行业的资本不断的介入这种软件架构的升级过程中
那么软件开发者原有的设计思想和开发路线
- 在CentOS5.5上编译OpenJDK6
Cwind
linuxOpenJDK
几番周折终于在自己的CentOS5.5上编译成功了OpenJDK6，将编译过程和遇到的问题作一简要记录，备查。
0. OpenJDK介绍
OpenJDK是Sun（现Oracle）公司发布的基于GPL许可的Java平台的实现。其优点：
1、它的核心代码与同时期Sun（-> Oracle）的产品版基本上是一样的，血统纯正，不用担心性能问题，也基本上没什么兼容性问题；（代码上最主要的差异是
- java乱码问题
dashuaifu
java乱码问题js中文乱码
swfupload上传文件参数值为中文传递到后台接收中文乱码 在js中用setPostParams（{"tag" : encodeURI( document.getElementByIdx_x("filetag").value，"utf-8")}）;
然后在servlet中String t
- cygwin很多命令显示command not found的解决办法
dcj3sjt126com
cygwin
cygwin很多命令显示command not found的解决办法
修改cygwin.BAT文件如下
@echo off
D:
set CYGWIN=tty notitle glob
set PATH=%PATH%;d:\cygwin\bin;d:\cygwin\sbin;d:\cygwin\usr\bin;d:\cygwin\usr\sbin;d:\cygwin\us
- [介绍]从 Yii 1.1 升级
dcj3sjt126com
PHPyii2
2.0 版框架是完全重写的，在 1.1 和 2.0 两个版本之间存在相当多差异。因此从 1.1 版升级并不像小版本间的跨越那么简单，通过本指南你将会了解两个版本间主要的不同之处。
如果你之前没有用过 Yii 1.1，可以跳过本章，直接从"入门篇"开始读起。
请注意，Yii 2.0 引入了很多本章并没有涉及到的新功能。强烈建议你通读整部权威指南来了解所有新特性。这样有可能会发
- Linux SSH免登录配置总结
eksliang
ssh-keygenLinux SSH免登录认证Linux SSH互信
转载请出自出处：http://eksliang.iteye.com/blog/2187265 一、原理
我们使用ssh-keygen在ServerA上生成私钥跟公钥，将生成的公钥拷贝到远程机器ServerB上后,就可以使用ssh命令无需密码登录到另外一台机器ServerB上。
生成公钥与私钥有两种加密方式，第一种是
- 手势滑动销毁Activity
gundumw100
android
老是效仿ios，做android的真悲催！
有需求：需要手势滑动销毁一个Activity
怎么办尼？自己写？
不用~，网上先问一下百度。
结果：
http://blog.csdn.net/xiaanming/article/details/20934541
首先将你需要的Activity继承SwipeBackActivity，它会在你的布局根目录新增一层SwipeBackLay
- JavaScript变换表格边框颜色
ini
JavaScripthtmlWebhtml5css
效果查看：http://hovertree.com/texiao/js/2.htm代码如下，保存到HTML文件也可以查看效果：
<html>
<head>
<meta charset="utf-8">
<title>表格边框变换颜色代码-何问起</title>
</head>
<body&
- Kafka Rest : Confluent
kane_xie
kafkaRESTconfluent
最近拿到一个kafka rest的需求，但kafka暂时还没有提供rest api（应该是有在开发中，毕竟rest这么火），上网搜了一下，找到一个Confluent Platform，本文简单介绍一下安装。
这里插一句，给大家推荐一个九尾搜索，原名叫谷粉SOSO，不想fanqiang谷歌的可以用这个。以前在外企用谷歌用习惯了，出来之后用度娘搜技术问题，那匹配度简直感人。
环境声明：Ubu
- Calender不是单例
men4661273
单例Calender
在我们使用Calender的时候，使用过Calendar.getInstance()来获取一个日期类的对象，这种方式跟单例的获取方式一样，那么它到底是不是单例呢，如果是单例的话，一个对象修改内容之后，另外一个线程中的数据不久乱套了吗？从试验以及源码中可以得出，Calendar不是单例。
测试：
Calendar c1 =
- 线程内存和主内存之间联系
qifeifei
java thread
1， java多线程共享主内存中变量的时候，一共会经过几个阶段，
lock:将主内存中的变量锁定，为一个线程所独占。
unclock:将lock加的锁定解除，此时其它的线程可以有机会访问此变量。
read:将主内存中的变量值读到工作内存当中。
load:将read读取的值保存到工作内存中的变量副本中。
- schedule和scheduleAtFixedRate
tangqi609567707
javatimerschedule
原文地址：http://blog.csdn.net/weidan1121/article/details/527307
import java.util.Timer;import java.util.TimerTask;import java.util.Date;
/** * @author vincent */public class TimerTest {
- erlang 部署
wudixiaotie
erlang
1.如果在启动节点的时候报这个错 ：
{"init terminating in do_boot",{'cannot load',elf_format,get_files}}
则需要在reltool.config中加入
{app, hipe, [{incl_cond, exclude}]},
2.当generate时，遇到：
ERROR
