- AI大模型副业变现之路，有技术就有收入！
AI大模型-王哥
人工智能AI大模型大模型大模型学习大模型教程大模型入门
在当今时代，AI大模型的应用越来越广泛，利用这些技术开展副业赚钱已成为可能。以下是一份详细的指南，帮助你了解需要学习的内容以及如何操作。一、需要学习的内容基础知识储备（1）数学知识：线性代数、概率论与数理统计、微积分等，这些是理解AI算法的基础。（2）编程技能：掌握Python编程语言，因为Python在AI领域有丰富的库和框架支持。（3）机器学习原理：了解常见的机器学习算法，如线性回归、决策树、
- 2019-03-20记录及学习计划更正
逆风飞翔的鸟
今天早晨早早的就坐上了返回学校的高铁，自己复习的进度稍慢了一些，不过没关系，这几天再追回来，最近发现虽然自己数学的做题能力有所提升，但是熟练程度还差很多，所以接下来高等数学要多做题，线性代数基础已经复习完毕，不能丢下，每天要做一定量的练习来保持住自己的水平。概率论与数理统计自己感觉有些困难，需要从课本开始认真的复习。关于英语我已经用百词斩背了有400左右的单词了，但是不是很扎实，所以自己要提升自己
- 【个人学习笔记】概率论与数理统计知识梳理【五】
已经是全速前进了
概率论
文章目录第五章、大数定律及中心极限定理一、大数定律1.1基本概念1.2弱大数定理二、中心极限定理独立同分布的中心极限定理定理总结第五章、大数定律及中心极限定理写博客比想象中费劲得多，公式得敲好久，所以只得随缘更更了，想写一些机器学习相关的东西，但是强迫症又不允许我把这个扔掉不管，我太难了Orz这一节的内容比较深，即使我是一个喜欢数学的工科生，也没有精力再去深究了，各式各样的大数定律及中心极限定理我
- 概率论与数理统计实验 附源码及实验报告 可打包为exe
货又星
概率论经验分享笔记python开源
Hi,I’m@货又星I’minterestedin…I’mcurrentlylearning…I’mlookingtocollaborateon…Howtoreachme…README目录（持续更新中）各种错误处理、爬虫实战及模板、百度智能云人脸识别、计算机视觉深度学习CNN图像识别与分类、PaddlePaddle自然语言处理知识图谱、GitHub、运维…WeChat：1297767084GitH
- 概率论与数理统计——二、随机变量及其分布
米妮爱分享
1随机变量随机变量是把样本S映射到R(实值单值)函数随机变量的引入可以来描述各种随机现象，并能利用数学分析的方法对随机实验的结果进行深入广泛的研究和讨论。2离散随机变量及其分布律（一）（0-1）分布（二）伯努力试验、二项分布（三）泊松分布3随机变量的分布函数计算分布函数时，根据其分布律，计算某一范围的概率时，左边x是小于不等于x的，当等于时，拆开的等式在3.1中还需要加上等于此值的概率，见例子。4
- 如何快速入门深度学习
人生万事须自为，跬步江山即寥廓。
机器学习人工智能chatgpt
深度学习是人工智能领域的一个重要分支，它模拟人脑的神经网络结构，通过大量的数据训练模型，使计算机能够自动学习和理解数据。深度学习在图像识别、语音识别、自然语言处理等领域取得了显著的成果。如果你想快速入门深度学习，可以按照以下步骤进行：1.学习基础知识在学习深度学习之前，你需要具备一定的数学基础，包括线性代数、概率论与数理统计、微积分等。此外，你还需要掌握一门编程语言，如Python，因为大多数深度
- 概率论与数理统计 第八章 假设检验
Jarkata
课前导读统计推断的另一类重要问题是假设检验问题。参数估计的主要任务是找参数值等于多少，或在哪个范围内取值。而假设检验则主要是看参数的值是否等于某个特定的值。通常进行假设检验即选定一个假设，确定用以决策的拒绝域的形式，构造一个检验统计量，求出拒绝域或检验统计量的p值，查看结果是否落在拒绝域内或p值是否小于显著性水平，做出决策的一个过程。第一节检验的基本原理举个例子，体现假设检验的思想：假设检验的统计
- 考研计划 东南大学
风与易水
考研学习
考研计划2021考研自用，目前已经上岸东南大学，祝各位顺利！数一：高数、线代、概率论与数理统计使用参考资料：1.《同济高数、浙大概率论与数理统计》2.《李永乐基础强化系列材料》3.武忠祥教学视频4.李林8805.武老师的高数辅导讲义+李永乐线代讲义5.李林的1086.《李林冲刺6套卷，李林预测4套卷》复习策略：1.2月初~6月底第一轮打基础，以武忠祥2020视频【教材（查阅相关知识点）】为主，深刻
- 武忠祥2025高等数学，基础阶段的百度网盘+视频及PDF
m0_54050778
pdf概率论
考研数学武忠祥基础主要学习以下几个方面的内容：1.微积分:主要包括极限、连续、导数、积分等概念，以及它们的基本性质和运算方法。2.线性代数:主要包括向量、向量空间、线性方程组、矩阵、行列式、特征值和特征向量等概念，以及它们的基本性质和运算方法。3概率论与数理统计:主要包括随机事件和概率、条件概率、独立性、随机变量及其分布、数学期望方差和协方差、大数定律和中心极限定理等概念以及它们的基本性质和运算方
- 大二下 课程安排
三冬四夏会不会有点漫长
#大二下计划
专业选修web前端开发信息与网络安全必修数据库原理4概率论与数理统计4软件设计与体系结构3编译技术3软件设计实践2大学体育1选修（待更新）目标大二下一定要好好学习，不然最后总的排名真的就垫底了，大一上绩点专业排名33/139，大一下绩点专业排名91/139，大二上待更新，整个大一绩点专业排名71/139，希望大二下能尽自己的全力学，绩点考到尽可能高，把自己不太行的过往的成绩往上拉一拉
- 不知道几天能学完《概率论与数理统计》之1.1随机统计
不安全的安保
不知道几天能学完概率论概率论
引言确定性（必然）：一定发生/一定不发生随机性（偶然）:可能发生/不发生统计规律：对事情做出大量重复性的实验试图找出某种规律1.1.1随机事件与随机试验试验：为了找出实践规律，对客观事物进行观察、测量，然后进行科学实验等等这类统称为试验随机试验：使用E表示三个要求相同条件下可以重复实验结果不止一个无法预测哪个结果会出现举个例子：抛硬币随机抛硬币可以出现两次正面硬币有正面和反面在硬币落地之前无法得知
- 2024年高校建设大数据实验室建设的意义
泰迪智能科技
大数据实验室大数据
数据挖掘与大数据分析是以计算机基础为基础，以挖掘算法为核心，紧密面向行业应用的一门综合性学科。其主要技术涉及概率论与数理统计、数据挖掘、算法与数据结构、计算机网络、并行计算等多个专业方向，因此该学科对于实验室具有较高的专业要求。实验室不仅要提供基础的开发环境，还要提供大数据的运算环境以及用于实验的实战大数据案例。这些实验素材的准备均需专业的大数据实验室作为支撑。目前，在我国高校的专业设置上与数据挖
- 概率论与数理统计————3.随机变量及其分布
辣个骑士
概率论与数理统计概率论
一、随机变量设E是一个随机试验，S为样本空间，样本空间的任意样本点e可以通过特定的对应法则X，使得每个样本点都有与之对应的数对应，则称X=X（e）为随机变量二、分布函数分布函数：设X为随机变量，x是任意实数，则事件{Xx}为随机变量X的分布函数，记为F（x）即：F（x）=P（Xx）（1）几何意义：（2）某点处的概率：P（a）=P（Xa）-P（X0;F(x)=cx0三、离散型随机变量及其分布离散型随
- 概率论与数理统计————古典概型、几何概型和条件概率
辣个骑士
概率论与数理统计概率论
一、古典概型特点（1）有限性：试验S的样本空间的有限集合（2）等可能性：每个样本点发生的概率是相等的公式：P（A）=A为随机事件的样本点数；S是样本空间二、几何概型计算公式：p（A）=A的长度、面积或体积S的长度、面积或体积三、条件概率条件概率：设A、B为两个事件，且p（B）>0,则在事件B条件下事件A发生的概率为P（A|B）=p（|A）=1-P（B|A）乘法公式：事件的独立性：若事件A、B满足P
- 概率论与数理统计————1.随机事件与概率
辣个骑士
概率论与数理统计概率论
一、随机事件随机试验：满足三个特点（1）可重复性：可在相同的条件下重复进行（2）可预知性：每次试验的可能不止一个，事先知道试验的所有可能结果（3）不确定性：每次试验不能确定实验结果随机试验记作E样本空间：随机试验E的所有可能的结果构成的集合样本点：样本空间的每个元素是一个样本点随机事件：样本空间的子集为一个随机事件（事件放生：该事件的某个样本点出现）必然事件：必然发生的事件不可能事件：不可能发生的
- 不动点迭代c语言for循环,概率论与数理统计-西北师范大学数学与统计学院.PDF
Jezzy WANG
不动点迭代c语言for循环
概率论与数理统计-西北师范大学数学与统计学院数学与统计学院数学与应用数学专业云亭班专业平台必修课程教学大纲数学与统计学院数学与应用数学专业云亭班专业平台必修课程包括以下11门课程：概率论与数理统计、实变函数、泛函分析、拓扑学、微分几何、C语言、近世代数、运筹学、常微分方程、复变函数、大学物理。概率论与数理统计一、说明课程性质：该课程是数学与应用数学专业云亭班专业平台必修课程之一，第5学期开设。周4
- 概率论与数理统计-第7章 假设检验
Ciian
概率论与数理统计概率论
假设检验的基本概念二、假设检验的基本思想假设检验的基本思想实质上是带有某种概率性质的反证法，为了检验一个假设H0,是否正确，首先假定该假设H0正确，然后根据抽取到的样本对假设H0作出接受或拒绝的决策，如果样本观察值导致了不合理的现象发生，就应拒绝假设H0,否则应接受假设H0·三、假设检验的两类错误第一类错误当假设H0正确时，小概率事件也有可能发生，此时，我们会拒绝假设H0,因而犯了“弃真”的错误，
- 概率论与数理统计系列笔记之第六章——参数估计
欧阳妙妙
概率论
概率论与数理统计笔记（第六章——参数估计）对于统计专业来说，书本知识总有遗忘，翻看教材又太麻烦，于是打算记下笔记与自己的一些思考，主要参考用书是茆诗松老师编写的《概率论与数理统计教程》，其他知识待后续书籍补充。文章目录概率论与数理统计笔记（第六章——参数估计）6.1点估计的概念以及无偏性6.1.1点估计及无偏性6.1.2有效性6.2矩估计以及相合性6.2.1替换原理和矩法估计6.2.2概率函数已知
- 【概率论与数理统计】第二章知识点复习与习题
小萨摩！
期末考试概率论
思维导图笔记一、随机变量定义：设随机试验的样本空间为S={e}，X=X(e)是定义在样本空间S上的实值单值函数。称X=X(e)为随机变量。类似于函数、映射的概念。既然类似于函数，就有定义域和至于，通过定义知道，定义域为样本空间，值域为实数集。即对随机事件数量化。二、离散型随机变量及其分布律1离散型随机变量定义：全部可能取到的值是有限个或可列无限多个的随机变量。这里有限一定可列，可列不一定有限。而分
- 张宇1000题概率论与数理统计 第九章 参数估计与假设检验
古月忻
#概率论张宇考研其他
目录AAA组6.设x1,x2,⋯ ,xnx_1,x_2,\cdots,x_nx1,x2,⋯,xn是来自总体X∼N(μ,σ2)X\simN(\mu,\sigma^2)X∼N(μ,σ2)（μ,σ2\mu,\sigma^2μ,σ2都未知）的简单随机样本的观测值，则σ2\sigma^2σ2的最大似然估计值为（ ）。(A)1n∑i=1n(xi−μ)2;(A)\cfrac{1}{n}\displaystyl
- 概率论与数理统计 Chapter4. 参数估计
Espresso Macchiato
基础数学概率论参数估计极大似然估计矩估计区间估计
概率论与数理统计Chapter4.参数估计1.基础概念1.总体2.样品3.统计量1.样本方差2.k阶原点矩3.k阶中心矩2.参数的点估计1.矩估计1.正态分布2.指数分布3.均匀分布4.二项分布5.泊松分布2.极大似然估计1.正态分布2.指数分布3.二项分布4.均匀分布5.泊松分布3.贝叶斯估计3.点估计的优良性准则1.无偏性1.均值2.方差3.标准差2.最小方差无偏估计3.相合性4.区间估计1.
- 概率论与数理统计浙大第五版 第七章 部分习题+R代码
⑨充满智慧与力量⑨
概率论
习题七1、μ1=E(X)=μ=1n∑i=1nxi=18(74.001+74.005+74.003+74.001+74.000+73.998+74.006+74.002)=74.002\mu_1=E(X)=\mu\\=\frac{1}{n}\sum_{i=1}^nx_i\\=\frac{1}{8}(74.001+74.005+74.003+74.001+74.000+73.998+74.006+74
- 概率论与数理统计-第6章 参数估计
Ciian
概率论与数理统计概率论
6.1点估计问题概述一、点估计的概念二、评价估计量的标准无偏性定义1：设^θ(X1,…,Xn)是未知参数θ的估计量，若E(^θ)=θ,则称^θ为θ的无偏估计量定理1：设X1,…,Xn,为取自总体X的样本，总体X的均值为μ，方差为σ2,则(I)样本均值¯X是μ的无偏估计量；(2)样本方差S2是σ2的无偏估计量；&1有效性无偏性是有效性的前提。定义2：例题：*1相合性（一致性）我们不仅希望一个估计量是
- 最小描述长度MDL(Minimum Description Length）及信息论介绍
Avasla
机器学习算法概率论
信息论介绍信息论是应用数学的一个分支，主要研究的是对一个信号包含信息的多少进行量化。它最初被发明是用来研究在一个含有噪声的信道上用离散的字母表来发送消息，例如通过无线电传输来通信。在这种情况下，信息论告诉我们如何对消息设计最有编码以及计算消息的期望长度，这些消息是使用多种不同编码机制、从特斯能够的概率分布上采样得到的。百度百科的解释是：信息论是运用概率论与数理统计的方法研究信息、信息熵、通信系统、
- 概率论与数理统计（期末复习）
蓝桉802
概率论
第四章数学期望与方差1.期望的性质：E(C)=C;E(X+C)=E(X)+C;E(CX)=CE(X);E(kX+C)=kE(X)+C;E(X+Y)=E(X)+E(Y);E(X-Y)=E(X-Y);;X与Y独立：E(XY)=E(X)E(Y);2.方差的性质：D(X)=E(X^2)-[E(X)]^2D(C)=0;D(X+C)=D(X);D(CX)=C^2D(X);D(kX+C)=k^2D(X);X与Y
- 概率论与数理统计 知识点+课后习题
兑生
大学课程概率论
文章目录[学习资源整合](https://www.cnblogs.com/duisheng/p/17872980.html)总复习知识点⭐常用分布的数学期望和方差选择题填空题大题1.概率2.概率3.概率4.P5.概率6.概率密度函数F(X)F(X)F(X)7.分布列求方差V(X)V(X)V(X)8.求分布函数F(X)F(X)F(X)9.求F(X)F(X)F(X)和P(X)P(X)P(X)10.求未
- AI技术体系和领域浅总结
TisUs
数学基础微积分《高等数学》线性代数《线性代数》概率统计《概率论与数理统计》信息论《信息论基础》（机械工业出版社）集合论和图论《离散数学》博弈论《博弈论》（中国人民大学出版社）张量分析现代几何计算机基础计算机原理程序设计语言操作系统分布式系统算法基础机器学习算法机器学习基础（估计方法特征工程）线性模型（线性回归）逻辑回归决策树模型（GBDT）支持向量机贝叶斯分类器神经网络（深度学习）：MLPCNNR
- 概率论与数理统计基础知识
竹叶青lvye
程序员的数学概率论
计算机视觉一些算法中常会用到概论的一些知识，为了便于理解和快速回忆，博主这边对常用的一些知识点做下整理，主要来源于如下这本书籍。1.随机试验的每一可能结果称为一个基本事件，一个或一组基本事件统称随机事件，或简称事件。典型的随机试验有掷骰子、扔硬币、抽扑克牌以及轮盘游戏等。2.事件的概率是衡量该事件发生的可能性的量度。概率论（数学分支）_百度百科概率（统计学术语）_百度百科3.随机事件,是指的一个事
- 二月
goldfish2017
2018年已经过完一个月了，一月份完成了公司搬办公室，开年会中了个末等奖，修车的钱给保险公司也都给报销了，部门公司也彻底成为全资子公司，原来老板特意把年终奖提前给发了，手头能多少宽裕点了。如果考试成绩不理想，还是年后想办法谋求再回北京找工作，如果成绩还可以，就需要准备加试复试。一月份完成了概率论与数理统计的通读，看了两三遍课本和视频才大概了解，编译原理在年前完成通读教材一遍。减少同时关注事情的数量
- 极大似然估计定义及例题
脑子不好真君
数学概率论与数理统计极大似然估计
一、极大似然估计定义实际上就是说，我们在总体中抽取样本，我们希望在样本中发生的情况最大化，用在样本中发生的情况去估计总体中发生情况。二、例题注意：对分布函数求导得概率密度函数三、参考书目茆诗松,周纪芗等.概率论与数理统计(第三版).中国统计出版社,2007王松桂等.概率论与数理统计(第三版).科学出版社,2011同济大学数学系.概率论与数理统计.人民邮电出版社,2017
- LeetCode[Math] - #66 Plus One
Cwind
javaLeetCode题解AlgorithmMath
原题链接：#66 Plus One
要求：
给定一个用数字数组表示的非负整数，如num1 = {1, 2, 3, 9}, num2 = {9, 9}等，给这个数加上1。
注意：
1. 数字的较高位存在数组的头上，即num1表示数字1239
2. 每一位（数组中的每个元素）的取值范围为0~9
难度：简单
分析：
题目比较简单，只须从数组
- JQuery中$.ajax()方法参数详解
AILIKES
JavaScriptjsonpjqueryAjaxjson
url: 要求为String类型的参数，（默认为当前页地址）发送请求的地址。
type: 要求为String类型的参数，请求方式（post或get）默认为get。注意其他http请求方法，例如put和 delete也可以使用，但仅部分浏览器支持。
timeout: 要求为Number类型的参数，设置请求超时时间（毫秒）。此设置将覆盖$.ajaxSetup()方法的全局
- JConsole & JVisualVM远程监视Webphere服务器JVM
Kai_Ge
JVisualVMJConsoleWebphere
JConsole是JDK里自带的一个工具，可以监测Java程序运行时所有对象的申请、释放等动作，将内存管理的所有信息进行统计、分析、可视化。我们可以根据这些信息判断程序是否有内存泄漏问题。
使用JConsole工具来分析WAS的JVM问题，需要进行相关的配置。
首先我们看WAS服务器端的配置.
1、登录was控制台https://10.4.119.18
- 自定义annotation
120153216
annotation
Java annotation 自定义注释@interface的用法 一、什么是注释
说起注释，得先提一提什么是元数据(metadata)。所谓元数据就是数据的数据。也就是说，元数据是描述数据的。就象数据表中的字段一样，每个字段描述了这个字段下的数据的含义。而J2SE5.0中提供的注释就是java源代码的元数据，也就是说注释是描述java源
- CentOS 5/6.X 使用 EPEL YUM源
2002wmj
centos
CentOS 6.X 安装使用EPEL YUM源1. 查看操作系统版本[root@node1 ~]# uname -a Linux node1.test.com 2.6.32-358.el6.x86_64 #1 SMP Fri Feb 22 00:31:26 UTC 2013 x86_64 x86_64 x86_64 GNU/Linux [root@node1 ~]#
- 在SQLSERVER中查找缺失和无用的索引SQL
357029540
SQL Server
--缺失的索引
SELECT avg_total_user_cost * avg_user_impact * ( user_scans + user_seeks ) AS PossibleImprovement ,
last_user_seek ,
- Spring3 MVC 笔记（二） —json+rest优化
7454103
Spring3 MVC
接上次的 spring mvc 注解的一些详细信息！
其实也是一些个人的学习笔记 呵呵！
- 替换“\”的时候报错Unexpected internal error near index 1 \ ^
adminjun
java“\替换”
发现还是有些东西没有刻子脑子里,,过段时间就没什么概念了,所以贴出来...以免再忘...
在拆分字符串时遇到通过 \ 来拆分，可是用所以想通过转义 \\ 来拆分的时候会报异常
public class Main {
/*
- POJ 1035 Spell checker(哈希表)
aijuans
暴力求解--哈希表
/*
题意：输入字典，然后输入单词，判断字典中是否出现过该单词，或者是否进行删除、添加、替换操作，如果是，则输出对应的字典中的单词
要求按照输入时候的排名输出
题解：建立两个哈希表。一个存储字典和输入字典中单词的排名，一个进行最后输出的判重
*/
#include <iostream>
//#define
using namespace std;
const int HASH =
- 通过原型实现javascript Array的去重、最大值和最小值
ayaoxinchao
JavaScriptarrayprototype
用原型函数（prototype）可以定义一些很方便的自定义函数，实现各种自定义功能。本次主要是实现了Array的去重、获取最大值和最小值。
实现代码如下：
<script type="text/javascript">
Array.prototype.unique = function() {
var a = {};
var le
- UIWebView实现https双向认证请求
bewithme
UIWebViewhttpsObjective-C
什么是HTTPS双向认证我已在先前的博文 ASIHTTPRequest实现https双向认证请求
中有讲述，不理解的读者可以先复习一下。本文是用UIWebView来实现对需要客户端证书验证的服务请求，网上有些文章中有涉及到此内容，但都只言片语，没有讲完全，更没有完整的代码，让人困扰不已。但是此知
- NoSQL数据库之Redis数据库管理(Redis高级应用之事务处理、持久化操作、pub_sub、虚拟内存)
bijian1013
redis数据库NoSQL
3.事务处理
Redis对事务的支持目前不比较简单。Redis只能保证一个client发起的事务中的命令可以连续的执行，而中间不会插入其他client的命令。当一个client在一个连接中发出multi命令时，这个连接会进入一个事务上下文，该连接后续的命令不会立即执行，而是先放到一个队列中，当执行exec命令时，redis会顺序的执行队列中
- 各数据库分页sql备忘
bingyingao
oraclesql分页
ORACLE
下面这个效率很低
SELECT * FROM ( SELECT A.*, ROWNUM RN FROM (SELECT * FROM IPAY_RCD_FS_RETURN order by id desc) A ) WHERE RN <20;
下面这个效率很高
SELECT A.*, ROWNUM RN FROM (SELECT * FROM IPAY_RCD_
- 【Scala七】Scala核心一：函数
bit1129
scala
1. 如果函数体只有一行代码，则可以不用写{},比如
def print(x: Int) = println(x)
一行上的多条语句用分号隔开，则只有第一句属于方法体，例如
def printWithValue(x: Int) : String= println(x); "ABC"
上面的代码报错，因为，printWithValue的方法
- 了解GHC的factorial编译过程
bookjovi
haskell
GHC相对其他主流语言的编译器或解释器还是比较复杂的，一部分原因是haskell本身的设计就不易于实现compiler，如lazy特性，static typed，类型推导等。
关于GHC的内部实现有篇文章说的挺好，这里，文中在RTS一节中详细说了haskell的concurrent实现，里面提到了green thread，如果熟悉Go语言的话就会发现，ghc的concurrent实现和Go有点类
- Java-Collections Framework学习与总结-LinkedHashMap
BrokenDreams
LinkedHashMap
前面总结了java.util.HashMap，了解了其内部由散列表实现，每个桶内是一个单向链表。那有没有双向链表的实现呢？双向链表的实现会具备什么特性呢？来看一下HashMap的一个子类——java.util.LinkedHashMap。
- 读《研磨设计模式》-代码笔记-抽象工厂模式-Abstract Factory
bylijinnan
abstract
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/
package design.pattern;
/*
* Abstract Factory Pattern
* 抽象工厂模式的目的是：
* 通过在抽象工厂里面定义一组产品接口，方便地切换“产品簇”
* 这些接口是相关或者相依赖的
- 压暗面部高光
cherishLC
PS
方法一、压暗高光&重新着色
当皮肤很油又使用闪光灯时，很容易在面部形成高光区域。
下面讲一下我今天处理高光区域的心得：
皮肤可以分为纹理和色彩两个属性。其中纹理主要由亮度通道（Lab模式的L通道）决定，色彩则由a、b通道确定。
处理思路为在保持高光区域纹理的情况下，对高光区域着色。具体步骤为：降低高光区域的整体的亮度，再进行着色。
如果想简化步骤，可以只进行着色（参看下面的步骤1
- Java VisualVM监控远程JVM
crabdave
visualvm
Java VisualVM监控远程JVM
JDK1.6开始自带的VisualVM就是不错的监控工具.
这个工具就在JAVA_HOME\bin\目录下的jvisualvm.exe, 双击这个文件就能看到界面
通过JMX连接远程机器, 需要经过下面的配置:
1. 修改远程机器JDK配置文件 (我这里远程机器是linux).
- Saiku去掉登录模块
daizj
saiku登录olapBI
1、修改applicationContext-saiku-webapp.xml
<security:intercept-url pattern="/rest/**" access="IS_AUTHENTICATED_ANONYMOUSLY" />
<security:intercept-url pattern=&qu
- 浅析 Flex中的Focus
dsjt
htmlFlexFlash
关键字：focus、 setFocus、 IFocusManager、KeyboardEvent
焦点、设置焦点、获得焦点、键盘事件
一、无焦点的困扰——组件监听不到键盘事件
原因：只有获得焦点的组件（确切说是InteractiveObject）才能监听到键盘事件的目标阶段；键盘事件（flash.events.KeyboardEvent）参与冒泡阶段，所以焦点组件的父项（以及它爸
- Yii全局函数使用
dcj3sjt126com
yii
由于YII致力于完美的整合第三方库，它并没有定义任何全局函数。yii中的每一个应用都需要全类别和对象范围。例如，Yii::app()->user;Yii::app()->params['name'];等等。我们可以自行设定全局函数，使得代码看起来更加简洁易用。(原文地址)
我们可以保存在globals.php在protected目录下。然后，在入口脚本index.php的，我们包括在
- 设计模式之单例模式二（解决无序写入的问题）
come_for_dream
单例模式volatile乱序执行双重检验锁
在上篇文章中我们使用了双重检验锁的方式避免懒汉式单例模式下由于多线程造成的实例被多次创建的问题，但是因为由于JVM为了使得处理器内部的运算单元能充分利用，处理器可能会对输入代码进行乱序执行（Out Of Order Execute）优化，处理器会在计算之后将乱序执行的结果进行重组，保证该
- 程序员从初级到高级的蜕变
gcq511120594
框架工作PHPandroidhtml5
软件开发是一个奇怪的行业，市场远远供不应求。这是一个已经存在多年的问题，而且随着时间的流逝，愈演愈烈。
我们严重缺乏能够满足需求的人才。这个行业相当年轻。大多数软件项目是失败的。几乎所有的项目都会超出预算。我们解决问题的最佳指导方针可以归结为——“用一些通用方法去解决问题，当然这些方法常常不管用，于是，唯一能做的就是不断地尝试，逐个看看是否奏效”。
现在我们把淫浸代码时间超过3年的开发人员称为
- Reverse Linked List
hcx2013
list
Reverse a singly linked list.
/**
* Definition for singly-linked list.
* public class ListNode {
* int val;
* ListNode next;
* ListNode(int x) { val = x; }
* }
*/
p
- Spring4.1新特性——数据库集成测试
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
- C# Ajax上传图片同时生成微缩图(附Demo)
liyonghui160com
1.Ajax无刷新上传图片,详情请阅我的这篇文章。（jquery + c# ashx）
2.C#位图处理 System.Drawing。
3.最新demo支持IE7,IE8,Fir
- Java list三种遍历方法性能比较
pda158
java
从c/c++语言转向java开发，学习java语言list遍历的三种方法，顺便测试各种遍历方法的性能，测试方法为在ArrayList中插入1千万条记录，然后遍历ArrayList，发现了一个奇怪的现象，测试代码例如以下：
package com.hisense.tiger.list;
import java.util.ArrayList;
import java.util.Iterator;
- 300个涵盖IT各方面的免费资源（上）——商业与市场篇
shoothao
seo商业与市场IT资源免费资源
A.网站模板+logo+服务器主机+发票生成
HTML5 UP:响应式的HTML5和CSS3网站模板。
Bootswatch:免费的Bootstrap主题。
Templated:收集了845个免费的CSS和HTML5网站模板。
Wordpress.org|Wordpress.com:可免费创建你的新网站。
Strikingly:关注领域中免费无限的移动优
- localStorage、sessionStorage
uule
localStorage
W3School 例子
HTML5 提供了两种在客户端存储数据的新方法：
localStorage - 没有时间限制的数据存储
sessionStorage - 针对一个 session 的数据存储
之前，这些都是由 cookie 完成的。但是 cookie 不适合大量数据的存储，因为它们由每个对服务器的请求来传递，这使得 cookie 速度很慢而且效率也不
