chj65
chj65

K-近邻算法

K-近邻算法学习

根据你的“邻居“来推断你的类别

  • 定义
    如果一个样本在特征空间中的K个最相似（即特征空间中最邻近）的样本中的大多数属于某一个类别，则该样本也属于这个类别

欧氏距离

K-近邻算法_第1张图片

曼哈顿距离

K-近邻算法_第2张图片

切比雪夫距离

K-近邻算法_第3张图片

闵可夫斯基距离

K-近邻算法_第4张图片

标准化欧氏距离

K-近邻算法_第5张图片

余弦距离

K-近邻算法_第6张图片

汉明距离【Hamming Distance】

K-近邻算法_第7张图片

杰卡德距离【Janccard Distance】

K-近邻算法_第8张图片

使用sklearn

input: 已知类别数据集中点坐标，预测点坐标
output: 预测点的类别

for i in range(数据集中点的个数):
	计算数据集中点与预测点之间的距离
对距离进行递增排序
选取距离最小的k个点
for j in range(选取的k个点):
	统计这k个点所在类别出现的频率
return 出现频率最高的类别

k值的选择

一般选1，3，5.等，不选偶数值。
k值的减小意味着整体模型变得复杂，容易发生过拟合
k值的增大意味着模型变得简单，容易发生欠拟合
估计误差好才是真的好
近似误差–过拟合–在训练集上表现好，测试集表现不好

kd树

1.构造
树的建立

K-近邻算法_第9张图片
2.搜索
最近领域搜索

案例：鸢尾花种类预测

你可能感兴趣的:(近邻)

  • 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，
  • K近邻算法_分类鸢尾花数据集 _feivirus_ 算法机器学习和数学分类机器学习K近邻
    importnumpyasnpimportpandasaspdfromsklearn.datasetsimportload_irisfromsklearn.model_selectionimporttrain_test_splitfromsklearn.metricsimportaccuracy_score1.数据预处理iris=load_iris()df=pd.DataFrame(data=ir
  • 生活越来越好了，关系且越来越淡了！ 刷脸的时代
    你是不是也很久没有感受到小时候那种近邻如家人的感觉了？是不是很久没有体会到小时候那种做客的热闹了……物质生活越来越好了，可是人们的感情且越来越淡薄了。图片发自App小时候大人基本不怎么监护我们，只要保证不让我们饿肚子就行，出门或者上街，告诉邻居一声就可以了，就是不回家也跟小伙伴一起吃，一起睡。哪家有什么事，根本不用去请，大家自己就来帮忙了，那时候大家都穷，拿的东西虽没有现在的多，但是现在看来且很珍
  • 分类算法可视化方法 dundunmm 数据挖掘分类数据挖掘人工智能可视化
    可视化方法可以用于帮助理解分类算法的决策边界、性能和在不同数据集上的行为。下面列举几个常见的可视化方法。1.决策边界可视化这种方法用于可视化不同分类算法在二维特征空间中如何分隔不同类别。对于理解决策树、支持向量机（SVM）、逻辑回归和k近邻（k-NN）等模型的行为非常有用。importnumpyasnpimportmatplotlib.pyplotaspltfromsklearn.datasets
  • 39、离情别意《乌鸦落过的村庄》 亚宁
    我考上了大学，成了村里第二名跳过龙门的大学生，全家人为我骄傲，自己也头大的不知姓啥名谁。高远方闻讯把我拦在村口说：“玉明，你可真行，一考就上了大学。不像我折腾了几年都没个结果。你能上大学学习，是多幸福的一件喜事啊！让人羡慕死了。”我有点飘飘然，谦虚说：“我是瞎猫碰上了死耗子，侥幸上线而已。要说学习比你可差远了。”过几天就要去学校报到，父亲请了村里有身份的人来家里吃酒。我坚持叫了高远方，而近邻刘三亮
  • 研路漫漫复试篇（四） Mrchanges
    这次文章其实与复试没有直接的关系，但它也坚定了我积极准备复试的决心。过年走亲访友，我了解了许多远亲近邻的消息，总的来说，尽管他们的学历都不算特别高，但都在各自的领域有所成就，也都有幸福美满的家庭。我渴望拥有足够的经济实力，我渴望拥有忠贞的伴侣和幸福的家庭，可我现在一无所有。虽然各位亲朋都在夸赞我学有所成、前途光明，而我却心知肚明——我对自己的未来仍然充满迷茫和怀疑，我还没有什么拿的出手的东西，能够
  • K近邻法（K-nearest neighbor,K-NN）—有监督学习方法、非概率模型、判别模型、线性模型、参数化模型、批量学习、核方法 剑海风云 ArtificialIntelligence人工智能机器学习K近邻法KNN
    定义输入：训练数据集（T={(x1,y1),(x2,y2),…,(xN,yN)}\left\{(x_1,y_1),(x_2,y_2),\dots,(x_N,y_N)\right\}{(x1,y1),(x2,y2),…,(xN,yN)}）其中：xi∈χ⊆Rnx_i\in{\tt\chi}\subseteqR^nxi∈χ⊆Rn:实例的特征向量yi∈yy_i\in{\tty}yi∈y={c1,c2,⋯ 
  • 向量数据库对比分析报告 大霸王龙 行业+领域+业务场景=定制人工智能深度学习python
    FAISS、Milvus、Weaviate和OpenAIAPI四个工具的对比分析，主要针对是否支持离线、开发难度、debug支持、生态系统以及Python接口等方面。1.FAISS(FacebookAISimilaritySearch)是否支持离线:支持。FAISS是一个离线库，可以部署在本地或服务器上，不需要网络连接。开发难度:中等。FAISS是一个低级别的工具，需要开发者对近似最近邻搜索算法和
  • 【机器学习】K近邻 可口的冰可乐 机器学习机器学习人工智能
    2.K近邻K近邻算法（KNN）的基本思想是通过计算待分类样本与训练集中所有样本之间的距离，选取距离最近的K个样本，根据这些样本的标签进行分类或回归。KNN属于非参数学习算法，因为它不假设数据的分布形式，主要依赖距离度量来进行决策。优点简单易懂：KNN算法非常直观，容易理解和实现。无假设：KNN算法对数据没有假设，适用于复杂分布的数据集。适用于多类分类问题：KNN能够处理多类分类问题，只需在投票过程
  • 珠海的一个下雨天 秋的树
    在珠海的一个下雨天，人们都在做什么？在那些无休止的空闲时间里，人人都穿着裤衩和拖鞋，在屋里懒洋洋地浑身瘫软地躺着，以此来打发时间，直到有人提议打赌傍晚之后是否会有台风出现，为了明天可以不去上班这个共同的目的，无论是远亲近邻还是朋友及朋友的朋友以及同事或者随便那些能聊得来的人，只要他明天也不愿意上班，就都能来“我赌有台风，可不上班”的群里闲晃、聊天、吹牛。对现代人来说，这将会是一个比等待跨年更令人兴
  • K近邻(KNN)算法详解及Python实现 天明豆豆
    K近邻(KNN)算法详解及Python实现今天浏览网页看到一篇用Python实现K近邻(KNN)算法的详解教程，果断收藏下来，虽然是五年前的文章，可能有些语法已经不适合，但文章语法思路还是可以值得借鉴的，收藏之后以后慢慢研究。KNN依然是一种监督学习算法KNN（KNearestNeighbors,K近邻）算法是机器学习所有算法中理论最简单，最好理解的。KNN是一种基于实例的学习，通过计算新数据与训
  • PyTorch库学习之torch.nn.functional.interpolate(函数) Midsummer-逐梦 #torchpytorch学习人工智能
    PyTorch库学习之torch.nn.functional.interpolate(函数)一、简介torch.nn.functional.interpolate是PyTorch中用于对张量进行上采样或下采样的函数。它支持多种插值方法，例如双线性插值、最近邻插值等，广泛用于图像处理、特征图缩放等场景。二、语法和参数语法torch.nn.functional.interpolate(input,si
  • 【机器学习】5. K近邻（KNN） pen-ai 机器学习机器学习人工智能数据挖掘深度学习神经网络
    K近邻（KNN）1.K-NearestNeighbour1.1特点：计算复杂1.2K的设置1.3加权近邻Weightednearestneighbor1.4决策边界DecisionboundaryVoronoiregion2.KNN总结1.K-NearestNeighbourK:超参数(hyperparameter)定义一种距离，参考第三节距离公式计算预测点到其他训练数据的距离找到最近的K个邻居预
  • 《三字经》初鉴 其一 南川子
    引:人之初，性本善，性相近，習相遠。南川子曰:人之初，无善恶。善恶者，意之动。引:昔孟母，擇鄰處，子不學，斷機杼。南川子曰:择邻而处，此为居家之大要也。常言道:远亲不如近邻。然邻善则居家宁，邻恶则居家不宁。有一善邻，可谓福气。有一恶邻，难免受气。引:子不學，非所宜，幼不學，老何為？南川子曰:莫等闲，白了少年头，空悲切。岁月蹉跎，不可不惜。引:曰喜怒，曰哀懼，愛惡欲，七情具。南川子曰:七情六欲，人所
  • 机器学习：knn算法实现图像识别 夜清寒风 机器学习算法人工智能
    1、概述使用K-近邻（K-NearestNeighbors,KNN）算法对手写数字进行识别的过程。通过读取一张包含多个手写数字的图片，将其分割成单独的数字图像，并将其作为训练和测试数据集。2、数据处理思路1、图像分割该数据有50行100列，每个数字占据20*20个像素点，可以进行切分2、划分出训练集和测试集3、每个数据的像素点为20*20，将其全部变成一列1*400格式，转换成数值特征4、最后使用
  • python库——sklearn的关键组件和参数设置 零 度° pythonpythonsklearn
    文章目录模型构建线性回归逻辑回归决策树分类器随机森林支持向量机K-近邻模型评估交叉验证性能指标特征工程主成分分析标准化和归一化scikit-learn，简称sklearn，是Python中一个广泛使用的机器学习库，它建立在NumPy、SciPy和Matplotlib这些科学计算库之上。sklearn提供了简单而有效的工具来进行数据挖掘和数据分析。我们将介绍sklearn中一些关键组件的参数设置。模
  • 四十一、【人工智能】【机器学习】- Bayesian Logistic Regression算法模型 暴躁的大熊 人工智能人工智能机器学习算法
    系列文章目录第一章【机器学习】初识机器学习第二章【机器学习】【监督学习】-逻辑回归算法(LogisticRegression)第三章【机器学习】【监督学习】-支持向量机(SVM)第四章【机器学习】【监督学习】-K-近邻算法(K-NN)第五章【机器学习】【监督学习】-决策树(DecisionTrees)第六章【机器学习】【监督学习】-梯度提升机(GradientBoostingMachine,GBM
  • 重要的话才说3遍，观音菩萨收灵感大王，为何连念7遍？都念的啥 中山人读文史
    观音菩萨收灵感大王，为何很神秘，连念7遍颂语：死的去，活的住走过了车迟国，打败了虎力、鹿力、羊力三大仙，唐僧师徒进入了该国元会县的陈家庄。陈家庄近邻通天河畔。唐僧取经团队，想要继续西行，就必须渡过通天河。四大名著《西游记》里，谈到这条河的神奇之处时，用了3个“惊叹”之处。第一、通天河太长，碑文上有10个小字记载：径过八百里，亘古少人行；第二、通天河太深，孙悟空让八戒试下水的深浅，八戒抛起一块大石头
  • 中原焦点团队焦点解决网初18中20张红勋坚持分享第605天约练第232次2021年10月9日读书打卡第505天 啊哈d9387b66a3dc
    晚饭晚回了一会，送同事回家的路上楼上邻居打来电话，原来女儿打不开门了。等我匆忙赶到家时，邻居正和女儿一起找开锁的帮忙，很感动，不管门开不开，女儿没有孤单，真是远亲不如近邻。
  • 论文阅读笔记《SimpleShot: Revisiting Nearest-Neighbor Classification for Few-Shot Learning》 深视 论文阅读笔记#小样本学习深度学习小样本学习
    小样本学习&元学习经典论文整理||持续更新核心思想  本文提出一种基于最近邻方法的小样本学习算法（SimpleShot），作者指出目前大量的小样本学习算法都采用了元学习的方案，而作者却发现使用简单的特征提取器+最近邻分类器的方法就能实现非常优异的小样本分类效果。本文首先用特征提取网络fθf_{\theta}fθ+线性分类器在一个基础数据集上对网络进行训练，将训练得到的特征提取网络增加一个简单的特征
  • SimpleShot: Revisiting Nearest-Neighbor Classification for Few-Shot Learning 论文笔记 头柱碳只狼 小样本学习
    前言目前大多数小样本学习器首先使用一个卷积网络提取图像特征，然后将元学习方法与最近邻分类器结合起来，以进行图像识别。本文探讨了这样一种可能性，即在不使用元学习方法，而仅使用最近邻分类器的情况下，能否很好地处理小样本学习问题。本文发现，对图像特征进行简单的特征转换，然后再进行最近邻分类，也可以产生很好的小样本学习结果。比如，使用DenseNet特征的最近邻分类器，在结合均值相减（meansubtra
  • 机器学习-近邻KNN算法学习笔记 不会敲代码的陈序员 机器学习算法人工智能
    目录一、算法定义KNN算法性能：欠拟合和过拟合KNN算法优缺点二、算法原理算法通俗解释算法的公式欧氏距离曼哈顿距离三、算法实现与应用模型搭建思路KNN算法模型源码代码运行效果图四、总结一、算法定义K最近邻（K-NearestNeighbors，KNN）算法是一种用于分类和回归的监督学习算法。KNN算法的主要思想可以简单概括如下：训练阶段：在训练阶段，KNN算法将所有的训练样本和它们对应的标签存储在
  • 封龙山故地重游 3ad24734af2c
    图片发自App五一假期我们回到了石家庄，我们决定去封龙山玩儿，小时候妈妈经常带我来封龙山。封龙山不仅有秀美的自然景观，更是一座历史文化名山，传说大禹治水时把兴风作浪的蛟龙锁封在这座山里，顾名封龙山。图片发自App大公庙是为了纪念一位叫张大宏的人，他不仅武功高强，而且慷慨义气，当时盗贼蜂起，闻大公之名，皆不敢近邻，村民们赖以安宁，尊称他为张大公。图片发自App传说大禹治水时，把恶龙封印在山里，派大将
  • 惹祸的地：那些死于“小事”的邻里乡情 语语兮
    远亲不如近邻，近邻不抵对门。016.19日，发生在河北沧州南皮县。两家人为了争一小块能种树的地，一户人家的男主人残忍地杀死邻居家祖孙三代4人，最小的才3岁。嫌疑人被抓获有人说，那块地属集体的地，可谁想占就占，谁占得早就是谁家的。在这之前，他们是很好的邻居，关系一直不错。也就是说：让事情恶化到如此地步的，归根索源，那块地是祸首！（地表示：我不背这锅，人类自私贪婪~）因为那块地，今年春，嫌疑人的妻子心
  • Elasticsearch：什么是 kNN? Elastic 中国社区官方博客 ElasticsearchAIElasticelasticsearch大数据搜索引擎全文检索人工智能
    kNN-K-nearestneighbor定义kNN（即k最近邻算法）是一种机器学习算法，它使用邻近度将一个数据点与其训练并记忆的一组数据进行比较以进行预测。这种基于实例的学习为kNN提供了“惰性学习（lazylearning）”名称，并使算法能够执行分类或回归问题。kNN的假设是相似的点可以在彼此附近找到——物以类聚。作为一种分类算法，kNN将新数据点分配给其邻居中的多数集。作为一种回归算法，k
  • 四方邻居聚餐说90-81 霜霜微记
    2018-8-22今天是个好日子，四方邻居聚餐，搬家有大半年了，总体来说邻居真的很不错，今年的大桃都没买过，都是邻居送的蟠桃、油桃、大毛桃，甜脆可口，还有时不时地聚餐，有事在邻居群呼叫，随时有人回应。真是验证了那句:远亲不如近邻。聚餐当然得有集体活动，那就是包饺子，饺子馅是事先调好的，大家分工明确，和面的、擀面的、擀饺子皮的、包饺子的，真是人多效率高，虽然我包的饺子上不了台面，但是也助力了，在互相
  • 日更20天了 简单d123
    写完这篇将会获得一个徽章，是对坚持日更20天的一个奖励，希望再接再厉获得更多徽章。今天过得比较混乱，没有好好的收拾屋子，也没有认真的看书，心情随着我家空置已久的对门要住进新的人家而变得情绪低落，这些年习惯了对门没有邻居的日子。虽说远亲不如近邻，可突然多了个邻居反倒让我内心觉得很不安，其实让我不安的不是新邻居而是与陌生人相处和对未知的抵触与恐惧。说到对未知的恐惧，在樊登读书里听过相关的文章，我该找出
  • 论语3.19 23aae7e9bc8e
    远亲不如近邻，选择一个好的邻居是多么重要，好的邻居可以时时刻刻教会自己很多东西，孟母三迁也是一样的，为了找个好邻居让孩子有正能量学习，可以搬好几次家
  • “邻居病” 闲思碎想
    “远亲不如近邻”说的是邻里关系和睦的重要性。邻里之间有事时可以互相有个照应，没事时也可以在一起玩一玩，每天推开门看到的是笑脸，关上门遇到的是温馨，这种日子谁会不喜欢呢？可是今天，我发现有人竟然患上了“邻居病”。爱人身体不适去医院检查，他担心脑瘤啥啥病，在家里也没告诉我，当医生问他家里有没有这类病，我说没有，医生问为啥会想到这个病，他说我们以前的邻居是这个病。医生笑着说，刚才那两个母女也是因为邻居，
  • 深入浅出Java Annotation(元注解和自定义注解） Josh_Persistence Java Annotation元注解自定义注解
    一、基本概述     　　 Annontation是Java5开始引入的新特征。中文名称一般叫注解。它提供了一种安全的类似注释的机制，用来将任何的信息或元数据（metadata）与程序元素（类、方法、成员变量等）进行关联。   　　更通俗的意思是为程序的元素（类、方法、成员变量）加上更直观更明了的说明，这些说明信息是与程序的业务逻辑无关，并且是供指定的工具或
  • mysql优化特定类型的查询 annan211 java工作mysql
    本节所介绍的查询优化的技巧都是和特定版本相关的，所以对于未来mysql的版本未必适用。 1 优化count查询 对于count这个函数的网上的大部分资料都是错误的或者是理解的都是一知半解的。在做优化之前我们先来看看 真正的count()函数的作用到底是什么。 count()是一个特殊的函数，有两种非常不同的作用，他可以统计某个列值的数量，也可以统计行数。 在统
  • MAC下安装多版本JDK和切换几种方式 棋子chessman jdk
    环境： MAC AIR,OS X 10.10,64位   历史： 过去 Mac 上的 Java 都是由 Apple 自己提供，只支持到 Java 6，并且OS X 10.7 开始系统并不自带（而是可选安装）（原自带的是1.6）。 后来 Apple 加入 OpenJDK 继续支持 Java 6，而 Java 7 将由 Oracle 负责提供。   在终端中输入jav
  • javaScript （1） Array_06 JavaScriptjava浏览器
    JavaScript 1、运算符 　　运算符就是完成操作的一系列符号，它有七类： 　　赋值运算符（=,+=,-=,*=,/=,%=,<<=,>>=,|=,&=）、算术运算符(+,-,*,/,++,--,%)、比较运算符(>,<,<=,>=,==,===,!=,!==)、逻辑运算符(||,&&,!)、条件运算(?:)、位
  • 国内顶级代码分享网站 袁潇含 javajdkoracle.netPHP
           现在国内很多开源网站感觉都是为了利益而做的                  当然利益是肯定的,否则谁也不会免费的去做网站      &
  • Elasticsearch、MongoDB和Hadoop比较 随意而生 mongodbhadoop搜索引擎
      IT界在过去几年中出现了一个有趣的现象。很多新的技术出现并立即拥抱了“大数据”。稍微老一点的技术也会将大数据添进自己的特性，避免落大部队太远，我们看到了不同技术之间的边际的模糊化。假如你有诸如Elasticsearch或者Solr这样的搜索引擎，它们存储着JSON文档，MongoDB存着JSON文档，或者一堆JSON文档存放在一个Hadoop集群的HDFS中。你可以使用这三种配
  • mac os 系统科研软件总结 张亚雄 mac os
    1.1 Microsoft Office for Mac 2011      大客户版，自行搜索。      1.2 Latex （MacTex）:      系统环境：https://tug.org/mactex/     &nb
  • Maven实战（四）生命周期 AdyZhang maven
    1. 三套生命周期     Maven拥有三套相互独立的生命周期，它们分别为clean，default和site。 每个生命周期包含一些阶段，这些阶段是有顺序的，并且后面的阶段依赖于前面的阶段，用户和Maven最直接的交互方式就是调用这些生命周期阶段。 以clean生命周期为例，它包含的阶段有pre-clean, clean 和 post
  • Linux下Jenkins迁移 aijuans Jenkins
    1. 将Jenkins程序目录copy过去      源程序在/export/data/tomcatRoot/ofctest-jenkins.jd.com下面            tar -cvzf jenkins.tar.gz ofctest-jenkins.jd.com &
  • request.getInputStream()只能获取一次的问题 ayaoxinchao requestInputstream
    问题：在使用HTTP协议实现应用间接口通信时，服务端读取客户端请求过来的数据，会用到request.getInputStream()，第一次读取的时候可以读取到数据，但是接下来的读取操作都读取不到数据   原因： 1. 一个InputStream对象在被读取完成后，将无法被再次读取，始终返回-1； 2. InputStream并没有实现reset方法（可以重
  • 数据库SQL优化大总结之 百万级数据库优化方案 BigBird2012 SQL优化
    网上关于SQL优化的教程很多，但是比较杂乱。近日有空整理了一下，写出来跟大家分享一下，其中有错误和不足的地方，还请大家纠正补充。 这篇文章我花费了大量的时间查找资料、修改、排版，希望大家阅读之后，感觉好的话推荐给更多的人，让更多的人看到、纠正以及补充。 1.对查询进行优化，要尽量避免全表扫描，首先应考虑在 where 及 order by 涉及的列上建立索引。 2.应尽量避免在 where
  • jsonObject的使用 bijian1013 javajson
            在项目中难免会用java处理json格式的数据，因此封装了一个JSONUtil工具类。 JSONUtil.java package com.bijian.json.study; import java.util.ArrayList; import java.util.Date; import java.util.HashMap;
  • [Zookeeper学习笔记之六]Zookeeper源代码分析之Zookeeper.WatchRegistration bit1129 zookeeper
    Zookeeper类是Zookeeper提供给用户访问Zookeeper service的主要API，它包含了如下几个内部类     首先分析它的内部类，从WatchRegistration开始，为指定的znode path注册一个Watcher，   /** * Register a watcher for a particular p
  • 【Scala十三】Scala核心七：部分应用函数 bit1129 scala
    何为部分应用函数？ Partially applied function: A function that’s used in an expression and that misses some of its arguments.For instance, if function f has type Int => Int => Int, then f and f(1) are p
  • Tomcat Error listenerStart 终极大法 ronin47 tomcat
    Tomcat报的错太含糊了，什么错都没报出来，只提示了Error listenerStart。为了调试，我们要获得更详细的日志。可以在WEB-INF/classes目录下新建一个文件叫logging.properties，内容如下 Java代码  handlers = org.apache.juli.FileHandler, java.util.logging.ConsoleHa
  • 不用加减符号实现加减法 BrokenDreams 实现
            今天有群友发了一个问题，要求不用加减符号(包括负号)来实现加减法。         分析一下，先看最简单的情况，假设1+1，按二进制算的话结果是10，可以看到从右往左的第一位变为0，第二位由于进位变为1。    
  • 读《研磨设计模式》-代码笔记-状态模式-State 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/ /* 当一个对象的内在状态改变时允许改变其行为，这个对象看起来像是改变了其类 状态模式主要解决的是当控制一个对象状态的条件表达式过于复杂时的情况 把状态的判断逻辑转移到表示不同状态的一系列类中，可以把复杂的判断逻辑简化 如果在
  • CUDA程序block和thread超出硬件允许值时的异常 cherishLC CUDA
    调用CUDA的核函数时指定block 和 thread大小，该大小可以是dim3类型的（三维数组），只用一维时可以是usigned int型的。 以下程序验证了当block或thread大小超出硬件允许值时会产生异常！！！GPU根本不会执行运算！！！ 所以验证结果的正确性很重要！！！ 在VS中创建CUDA项目会有一个模板，里面有更详细的状态验证。 以下程序在K5000GPU上跑的。
  • 诡异的超长时间GC问题定位 chenchao051 jvmcmsGChbaseswap
    HBase的GC策略采用PawNew+CMS, 这是大众化的配置，ParNew经常会出现停顿时间特别长的情况，有时候甚至长到令人发指的地步，例如请看如下日志： 2012-10-17T05:54:54.293+0800: 739594.224: [GC 739606.508: [ParNew: 996800K->110720K(996800K), 178.8826900 secs] 3700
  • maven环境快速搭建 daizj 安装mavne环境配置
    一 下载maven 安装maven之前，要先安装jdk及配置JAVA_HOME环境变量。这个安装和配置java环境不用多说。 maven下载地址：http://maven.apache.org/download.html，目前最新的是这个apache-maven-3.2.5-bin.zip，然后解压在任意位置，最好地址中不要带中文字符，这个做java 的都知道，地址中出现中文会出现很多
  • PHP网站安全，避免PHP网站受到攻击的方法 dcj3sjt126com PHP
    对于PHP网站安全主要存在这样几种攻击方式:1、命令注入(Command Injection)2、eval注入(Eval Injection)3、客户端脚本攻击(Script Insertion)4、跨网站脚本攻击(Cross Site Scripting, XSS)5、SQL注入攻击(SQL injection)6、跨网站请求伪造攻击(Cross Site Request Forgerie
  • yii中给CGridView设置默认的排序根据时间倒序的方法 dcj3sjt126com GridView
    public function searchWithRelated() {         $criteria = new CDbCriteria;         $criteria->together = true; //without th
  • Java集合对象和数组对象的转换 dyy_gusi java集合
        在开发中，我们经常需要将集合对象（List，Set）转换为数组对象，或者将数组对象转换为集合对象。Java提供了相互转换的工具，但是我们使用的时候需要注意，不能乱用滥用。 1、数组对象转换为集合对象     最暴力的方式是new一个集合对象，然后遍历数组，依次将数组中的元素放入到新的集合中，但是这样做显然过
  • nginx同一主机部署多个应用 geeksun nginx
    近日有一需求，需要在一台主机上用nginx部署2个php应用，分别是wordpress和wiki，探索了半天，终于部署好了，下面把过程记录下来。 1.   在nginx下创建vhosts目录，用以放置vhost文件。 mkdir vhosts   2.   修改nginx.conf的配置， 在http节点增加下面内容设置，用来包含vhosts里的配置文件 #
  • ubuntu添加admin权限的用户账号 hongtoushizi ubuntuuseradd
    ubuntu创建账号的方式通常用到两种：useradd 和adduser . 本人尝试了useradd方法，步骤如下： 1:useradd    使用useradd时，如果后面不加任何参数的话，如：sudo useradd sysadm 创建出来的用户将是默认的三无用户：无home directory ,无密码,无系统shell。 顾应该如下操作：  
  • 第五章 常用Lua开发库2-JSON库、编码转换、字符串处理 jinnianshilongnian nginxlua
      JSON库   在进行数据传输时JSON格式目前应用广泛，因此从Lua对象与JSON字符串之间相互转换是一个非常常见的功能；目前Lua也有几个JSON库，本人用过cjson、dkjson。其中cjson的语法严格（比如unicode \u0020\u7eaf），要求符合规范否则会解析失败（如\u002），而dkjson相对宽松，当然也可以通过修改cjson的源码来完成
  • Spring定时器配置的两种实现方式OpenSymphony Quartz和java Timer详解 yaerfeng1989 timerquartz定时器
    原创整理不易，转载请注明出处：Spring定时器配置的两种实现方式OpenSymphony Quartz和java Timer详解 代码下载地址：http://www.zuidaima.com/share/1772648445103104.htm 有两种流行Spring定时器配置：Java的Timer类和OpenSymphony的Quartz。 1.Java Timer定时 首先继承jav
  • Linux下df与du两个命令的差别？ pda158 linux
    　一、df显示文件系统的使用情况，与du比較，就是更全盘化。 　　最经常使用的就是 df -T，显示文件系统的使用情况并显示文件系统的类型。 　　举比例如以下： 　　[root@localhost ~]# df -T 　　Filesystem                   Type &n
  • [转]SQLite的工具类 ---- 通过反射把Cursor封装到VO对象 ctfzh VOandroidsqlite反射Cursor
    在写DAO层时，觉得从Cursor里一个一个的取出字段值再装到VO(值对象)里太麻烦了，就写了一个工具类，用到了反射，可以把查询记录的值装到对应的VO里，也可以生成该VO的List。   使用时需要注意： 考虑到Android的性能问题，VO没有使用Setter和Getter，而是直接用public的属性。 表中的字段名需要和VO的属性名一样，要是不一样就得在查询的SQL中
  • 该学习笔记用到的Employee表 vipbooks oraclesql工作
        这是我在学习Oracle是用到的Employee表，在该笔记中用到的就是这张表，大家可以用它来学习和练习。 drop table Employee; -- 员工信息表 create table Employee( -- 员工编号 EmpNo number(3) primary key, -- 姓
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他