- 人工智能福利站,初识人工智能,机器学习,第三课
普修罗双战士
人工智能专栏人工智能机器学习
作者简介,普修罗双战士,一直追求不断学习和成长,在技术的道路上持续探索和实践。多年互联网行业从业经验,历任核心研发工程师,项目技术负责人。欢迎点赞✍评论⭐收藏人工智能领域知识链接专栏人工智能专业知识学习一机器学习专栏人工智能专业知识学习二机器学习专栏人工智能专业知识学习三机器学习专栏文章目录初识人工智能(机器学习)一、机器学习(3)21.什么是K近邻(KNN)算法?22.什么是逻辑回归?23.什么
- 人工智能福利站,初识人工智能,机器学习,第四课
普修罗双战士
人工智能专栏人工智能机器学习
作者简介,普修罗双战士,一直追求不断学习和成长,在技术的道路上持续探索和实践。多年互联网行业从业经验,历任核心研发工程师,项目技术负责人。欢迎点赞✍评论⭐收藏人工智能领域知识链接专栏人工智能专业知识学习一机器学习专栏人工智能专业知识学习二机器学习专栏人工智能专业知识学习三机器学习专栏人工智能专业知识学习四机器学习专栏文章目录初识人工智能(机器学习)一、机器学习(4)31.什么是聚类算法中的层次聚类
- 人工智能福利站,初识人工智能,机器学习,第二课
普修罗双战士
人工智能专栏人工智能机器学习
作者简介,普修罗双战士,一直追求不断学习和成长,在技术的道路上持续探索和实践。多年互联网行业从业经验,历任核心研发工程师,项目技术负责人。欢迎点赞✍评论⭐收藏人工智能领域知识链接专栏人工智能专业知识学习一机器学习专栏人工智能专业知识学习二机器学习专栏文章目录初识人工智能(机器学习)一、机器学习(2)11.什么是特征选择和特征提取?12.解释一下正则化。13.什么是ROC曲线和AUC?14.什么是混
- 人工智能福利站,初识人工智能,机器学习,第六课
普修罗双战士
人工智能专栏人工智能机器学习自然语言处理
作者简介,普修罗双战士,一直追求不断学习和成长,在技术的道路上持续探索和实践。多年互联网行业从业经验,历任核心研发工程师,项目技术负责人。欢迎点赞✍评论⭐收藏人工智能领域知识链接专栏人工智能专业知识学习一机器学习专栏人工智能专业知识学习二机器学习专栏人工智能专业知识学习三机器学习专栏人工智能专业知识学习四机器学习专栏人工智能专业知识学习五机器学习专栏人工智能专业知识学习六机器学习专栏文章目录初识人
- 人工智能福利站,初识人工智能,机器学习,第五课
普修罗双战士
人工智能专栏人工智能机器学习机器人
作者简介,普修罗双战士,一直追求不断学习和成长,在技术的道路上持续探索和实践。多年互联网行业从业经验,历任核心研发工程师,项目技术负责人。欢迎点赞✍评论⭐收藏人工智能领域知识链接专栏人工智能专业知识学习一机器学习专栏人工智能专业知识学习二机器学习专栏人工智能专业知识学习三机器学习专栏人工智能专业知识学习四机器学习专栏人工智能专业知识学习五机器学习专栏文章目录初识人工智能(机器学习)一、机器学习(5
- 机器学习第12天:聚类
Nowl
机器学习机器学习人工智能聚类
文章目录机器学习专栏无监督学习介绍聚类K-Means使用方法实例演示代码解析绘制决策边界本章总结机器学习专栏机器学习_Nowl的博客-CSDN博客无监督学习介绍某位著名计算机科学家有句话:“如果智能是蛋糕,无监督学习将是蛋糕本体,有监督学习是蛋糕上的糖霜,强化学习是蛋糕上的樱桃”现在的人工智能大多数应用有监督学习,但无监督学习的世界也是广阔的,因为如今大部分的数据都是没有标签的上一篇文章讲到的降维
- 机器学习第11天:降维
Nowl
机器学习机器学习人工智能
文章目录机器学习专栏主要思想主流方法1.投影二维投射到一维三维投射到二维2.流形学习一、PCA主成分分析介绍代码二、三内核PCA具体代码三、LLE结语机器学习专栏机器学习_Nowl的博客-CSDN博客主要思想介绍:当一个任务有很多特征时,我们找到最主要的,剔除不重要的主流方法1.投影投影是指找到一个比当前维度低的维度面(或线),这个维度面或线离当前所有点的距离最小,然后将当前维度投射到小维度上二维
- 机器学习第10天:集成学习
Nowl
机器学习机器学习集成学习人工智能
文章目录机器学习专栏介绍投票分类器介绍代码核心代码示例代码软投票与硬投票bagging与pasting介绍核心代码随机森林介绍代码结语机器学习专栏机器学习_Nowl的博客-CSDN博客介绍集成学习的思想是很直观的:多个人判断的结合往往比一个人的想法好我们将在下面介绍几种常见的集成学习思想与方法投票分类器介绍假如我们有一个分类任务,我们训练了多个模型:逻辑回归模型,SVM分类器,决策树分类器,然后我
- 机器学习第8天:SVM分类
Nowl
机器学习机器学习支持向量机分类
文章目录机器学习专栏介绍特征缩放示例代码硬间隔与软间隔分类主要代码代码解释非线性SVM分类结语机器学习专栏机器学习_Nowl的博客-CSDN博客介绍作用:判别种类原理:找出一个决策边界,判断数据所处区域来识别种类简单介绍一下SVM分类的思想,我们看下面这张图,两种分类都很不错,但是我们可以注意到第二种的决策边界与实例更远(它们之间的距离比较宽),而SVM分类就是一种寻找距每种实例最远的决策边界的算
- 机器学习第9天:决策树分类
Nowl
机器学习机器学习决策树分类
文章目录机器学习专栏介绍基本思想使用代码深度探索优点估计概率训练算法CART成本函数实例数与不纯度正则化在鸢尾花数据集上训练决策树机器学习专栏机器学习_Nowl的博客-CSDN博客介绍作用:分类原理:构建一个二叉树,逐级条件判断筛选基本思想假如有小明,小红和小张三个人,我们知道他们的身高体重,要通过身高体重来判断是哪个人,决策树算法会构建一个二叉树,逐级判断,如下使用代码fromsklearn.t
- 【机器学习Python实战】线性回归
为梦而生~
机器学习python实战机器学习python线性回归
个人主页:为梦而生~关注我一起学习吧!专栏:机器学习python实战欢迎订阅!后面的内容会越来越有意思~⭐内容说明:本专栏主要针对机器学习专栏的基础内容进行python的实现,部分基础知识不再讲解,有需要的可以点击专栏自取~往期推荐(机器学习基础专栏):【机器学习基础】机器学习入门(1)【机器学习基础】机器学习入门(2)【机器学习基础】机器学习的基本术语【机器学习基础】机器学习的模型评估(评估方法
- 机器学习——k-均值算法(聚类)
Tao_RY
机器学习专栏k-means聚类三维聚类
前言:有三维聚类图,我只是一个代码的搬运工。。。机器学习专栏:机器学习专栏文章目录k-均值(k-means)聚类1、k-均值算法2、k-均值算法的代价函数3、k-均值算法步骤4、初始化聚类中心点和聚类个数5、sklearn实现k-means算法k-均值(k-means)聚类1、k-均值算法k-均值算法是一种无监督学习,是一种“基于原型的聚类”(prototype-basedclustering)方
- 【零基础学机器学习 4】机器学习中的回归-线性回归
程序员半夏
零基础学机器学习机器学习人工智能python
作者简介:程序员半夏,一名全栈程序员,擅长使用各种编程语言和框架,如JavaScript、React、Node.js、Java、Python、Django、MySQL等.专注于大前端与后端的硬核干货分享,同时是一个随缘更新的UP主.你可以在各个平台找到我!本文收录于专栏:零基础学机器学习专栏介绍:本专栏将帮助您了解机器学习、其工作原理以及如何使用它。本教程包含以下内容:监督和无监督学习、线性回归
- 付费课程:路径规划、机器学习、运筹优化算法以及数据分析领域
且行且安~
付费课程付费课程路径规划机器学习数据分析
目录授课形式学习内容可包含附加内容教学价格授课形式线上课程,一对一教学学习内容可包含python从入门到精通matlab入门及保姆级程序调试方法cplex入门到精通运筹学方面最优化理论-单纯形法、分支定界法、列生成法、切平面法机器学习方面机器学习专栏目录内容模型讲解TSP、VRP、VRPTW、多目标VRP、多式联运、选址问题、调度类问题等算法方面机器学习领域-支持向量机、随机森林等智能优化算法-遗
- 机器学习——特征缩放
Tao_RY
机器学习专栏正则化标准化特征缩放
前言:大多数模型都是直接给出公式,其实自己私下有推导,涉及好多自己不懂的数学知识,会一点点补充的机器学习专栏:机器学习专栏文章目录特征缩放1、特征缩放作用2、特征缩放的四种方式3、sklearn实现特征缩放特征缩放1、特征缩放作用面对特征数量较多的时候,保证这些特征具有相近的尺度(无量纲化),可以使梯度下降法更快的收敛。这两张图代表数据是否均一化的最优解寻解过程(左边是未归一化的),从这两张图可以
- 计算机图形学07:有效边表法的多边形扫描转换
非妃是公主
计算机图形学c++数据结构算法OpenGL图形渲染
作者:非妃是公主专栏:《计算机图形学》博客地址:https://blog.csdn.net/myf_666个性签:顺境不惰,逆境不馁,以心制境,万事可成。——曾国藩文章目录专栏推荐专栏系列文章序一、算法原理二、OpenGL代码实现三、效果展示theend……专栏推荐专栏名称专栏地址软件工程专栏——软件工程计算机图形学专栏——计算机图形学操作系统专栏——操作系统软件测试专栏——软件测试机器学习专栏—
- 计算机图形学08:中点BH算法绘制抛物线(100x = y^2)
非妃是公主
计算机图形学算法OpenGLc++图形渲染
作者:非妃是公主专栏:《计算机图形学》博客地址:https://blog.csdn.net/myf_666个性签:顺境不惰,逆境不馁,以心制境,万事可成。——曾国藩文章目录专栏推荐专栏系列文章序一、算法原理二、OpenGL代码实现三、效果展示theend……专栏推荐专栏名称专栏地址软件工程专栏——软件工程计算机图形学专栏——计算机图形学操作系统专栏——操作系统软件测试专栏——软件测试机器学习专栏—
- 计算机图形学01:直线生成算法(DDA算法)
非妃是公主
计算机图形学算法OpenGL图形渲染c++
作者:非妃是公主专栏:《计算机图形学》博客地址:https://blog.csdn.net/myf_666个性签:顺境不惰,逆境不馁,以心制境,万事可成。——曾国藩文章目录专栏推荐专栏系列文章序算法OpenGL代码缺点效果图theend……专栏推荐专栏名称专栏地址软件工程专栏——软件工程计算机图形学专栏——计算机图形学操作系统专栏——操作系统软件测试专栏——软件测试机器学习专栏——机器学习数据库专
- 机器学习专栏——(五)线性模型之基础概念
CheckOneA
机器学习机器学习人工智能算法
线性模型——基本概念 线性模型是机器学习中应用最广泛的模型,是通过样本特征的线性组合累进行预测的模型。假设有一个DDD维的样本x={x1,x2,...,xD}\bf{x}=\{x_1,x_2,...,x_D\}x={x1,x2,...,xD},其线性组合表示为f(x;w)=w1x1+w2x2+...+wDxD=wTx+bf({\bfx;w})=w_1x_1+w_2x_2+...+w_Dx_D
- 如何利用Bindsnet-Python模拟脉冲神经网络(SNN)?Part I. 建立一个网络
脑机接口研习社
机器学习与脑机接口神经网络机器学习人工智能python
微信公众号:脑机接口研习社关注脑机接口最新进展脑机接口研习社公众号即将开通机器学习专栏,从本篇文章开始,将介绍如何利用Bindsnet-Python包模拟脉冲神经网络(SNN)。一、脉冲神经网络(SNN)简介首先,我们来看什么是人工神经网络。人工神经网络(ArtificialNeuralNetwork,即ANN),是20世纪80年代以来人工智能领域兴起的研究热点。它从信息处理角度对人脑神经元网络进
- 一步步看α-β剪枝算法
大隐隐于野
最近在看人工智能的部分内容,这个α-β剪枝算法可是让我服了,看了PPT又看了网上好多blog,感觉一个也没讲清楚是怎么回事,什么上界下界上界小于下界的…现在终于搞明白是怎么一回事了。这篇blog实际上不应该出现在机器学习专栏里面的,因为不涉及任何数学的知识,主要是想从头到尾梳理一下这个的内容,最后的实现应该会放到编程笔记专栏里。封面:电影《龙猫》算法思想首先要说的是,alpha-beta剪枝建立在
- 机器学习专栏——(一)人工智能概述
CheckOneA
机器学习人工智能机器学习
第一部分人工智能概述一、人工智能相关人工智能(ArtificalIntelligence,AI):人工智能是计算机科学的一个分支,主要研究、开发和扩展人类智能的理论、方法、技术和应用系统等。JohnMcCarthy对其定义为:人工智能就是让机器的行为看起来表现的是人多表现出来的智能行为一样。人工智能涵盖许多的子学科,例如:机器感知(计算机视觉、语音信息处理)、学习(模式识别、机器学习、强化学习)、
- 机器学习——决策树(分类)
Tao_RY
机器学习专栏决策树机器学习分类
前言:内容参考周志华老师的《机器学习》,确实是一本好书,不过本科生读懂还是有很大难度的,大多数模型都是直接给出公式,其实自己私下有推导,涉及好多自己不懂的数学知识,会一点点补充的机器学习专栏:机器学习专栏文章目录一、决策树基本流程二、划分选择1、信息增益(ID3算法)2、信息增益率(C4.5算法)3、基尼指数(CART算法)三、剪枝处理1、预剪枝2、后剪枝三、连续与缺失值处理1、连续值处理2、缺失
- 机器学习——多元梯度下降法
Luo_LA
机器学习机器学习人工智能算法
一、多维特征模型目前为止,我们探讨了单变量/特征的回归模型(参考机器学习专栏中前面的文章),现在我们对房价模型增加更多的特征,例如房间数楼层等,构成一个含有多个变量的模型,模型中的特征为(x1,x2,...,xn)\left({x_{1}},{x_{2}},...,{x_{n}}\right)(x1,x2,...,xn)。增添更多特征后,我们引入一系列新的注释:nnn代表特征的数量x(i){x^{
- [从0开始机器学习]4.线性回归 正规方程
ζั͡ ั͡雾 ั͡狼 ั͡✾
机器学习笔记机器学习python人工智能线性回归正规方程
本博主博客:ζั͡ั͡雾ั͡狼ั͡✾的博客专栏:机器学习专栏:爬虫专栏:OpenCV图像识别处理专栏:Unity2D⭐本节课理论视频:P23-P25正规方程⭐本节课推荐其他人笔记:正规方程(Normalequations)推导过程_momentum_的博客机器学习通过文字描述是难以教学学会的,每一节课我会推荐这个理论的网课,一定要看上面的理论视频!一定要看上面的理论视频!一定要看上面的理论视频!所
- [从0开始机器学习]1.一元一次函数线性回归
ζั͡ ั͡雾 ั͡狼 ั͡✾
机器学习笔记机器学习python梯度下降法一元一次线性回归
本博主博客:ζั͡ั͡雾ั͡狼ั͡✾的博客专栏:机器学习专栏:爬虫专栏:OpenCV图像识别处理专栏:Unity2D⭐本节课理论视频:吴恩达P1-P4:机器学习理论概述吴恩达P5-P11:线性回归算法原理⭐推荐其他人笔记:【吴恩达机器学习笔记详解】第二章线性回归的过程机器学习通过文字描述是难以教学学会的,每一节课我会推荐这个理论的网课,一定要看上面的理论视频!一定要看上面的理论视频!一定要看上面的
- GoatGui邀你参加机器学习研讨班
GoatGui
机器学习python人工智能聚类回归
参与机器学习专栏限定免费学习群方式(以下2种皆可):扫描主海报活动页中机器学习专栏学习群的二维码入群.点击下图直接进入机器学习专栏活动页,并扫描二维码入群.具体活动细节,详见21天学习挑战赛主海报活动页.A.活动介绍CSDN与每一位学习者同行平台优质专栏作者带队精准学习精选高质量专栏学习资料活动期内限时免费学习此刻开启学习打卡之路,收获知识、赢取豪礼更能结交志同道合的博友B.作者本人简单介绍概要领
- 【一起入门DeepLearning】中科院深度学习_期末复习_梯度消失与梯度爆炸
vector<>
深度学习
专栏介绍:本栏目为“2022春季中国科学院大学王亮老师的深度学习”课程记录,这门课程与自然语言处理以及机器学习有部分知识点重合,重合的部分不再单独开博客记录了,有需要的读者可以移步自然语言处理专栏和机器学习专栏。如果感兴趣的话,就和我一起入门DL吧什么是梯度消失和梯度爆炸?激活函数的误差从输出层反向传播时每一层都要乘激活函数的导数,当激活函数的导数值小于1时,误差经过每一层传递都会不断衰减,当网络
- 【一起入门DeepLearning】中科院深度学习_期末复习题2018-2019第八题:注意力机制
vector<>
深度学习深度学习注意力机制
专栏介绍:本栏目为“2022春季中国科学院大学王亮老师的深度学习”课程记录,这门课程与自然语言处理以及机器学习有部分知识点重合,重合的部分不再单独开博客记录了,有需要的读者可以移步自然语言处理专栏和机器学习专栏。如果感兴趣的话,就和我一起入门DL吧2018-2019学年第二学期期末试题五、(10分)画出用于机器翻译(或者图像描述)的基于注意机制的编码器-解码器结构示意图,并简要描述注意机制的工作原
- 【一起入门DeepLearning】中科院深度学习_期末复习题2018-2019第三题:卷积计算
vector<>
深度学习深度学习CNN
专栏介绍:本栏目为“2022春季中国科学院大学王亮老师的深度学习”课程记录,这门课程与自然语言处理以及机器学习有部分知识点重合,重合的部分不再单独开博客记录了,有需要的读者可以移步自然语言处理专栏和机器学习专栏。如果感兴趣的话,就和我一起入门DL吧2018-2019学年第二学期期末试题输入图片尺寸为:3x128x128第一层卷积:96个大小为3的卷积核,步长为1第二层池化:96个大小为2的均值池化
- 辗转相处求最大公约数
沐刃青蛟
C++漏洞
无言面对”江东父老“了,接触编程一年了,今天发现还不会辗转相除法求最大公约数。惭愧惭愧!
为此,总结一下以方便日后忘了好查找。
1.输入要比较的两个数a,b
忽略:2.比较大小(因为后面要的是大的数对小的数做%操作)
3.辗转相除(用循环不停的取余,如a%b,直至b=0)
4.最后的a为两数的最大公约数
&
- F5负载均衡会话保持技术及原理技术白皮书
bijian1013
F5负载均衡
一.什么是会话保持? 在大多数电子商务的应用系统或者需要进行用户身份认证的在线系统中,一个客户与服务器经常经过好几次的交互过程才能完成一笔交易或者是一个请求的完成。由于这几次交互过程是密切相关的,服务器在进行这些交互过程的某一个交互步骤时,往往需要了解上一次交互过程的处理结果,或者上几步的交互过程结果,服务器进行下
- Object.equals方法:重载还是覆盖
Cwind
javagenericsoverrideoverload
本文译自StackOverflow上对此问题的讨论。
原问题链接
在阅读Joshua Bloch的《Effective Java(第二版)》第8条“覆盖equals时请遵守通用约定”时对如下论述有疑问:
“不要将equals声明中的Object对象替换为其他的类型。程序员编写出下面这样的equals方法并不鲜见,这会使程序员花上数个小时都搞不清它为什么不能正常工作:”
pu
- 初始线程
15700786134
暑假学习的第一课是讲线程,任务是是界面上的一条线运动起来。
既然是在界面上,那必定得先有一个界面,所以第一步就是,自己的类继承JAVA中的JFrame,在新建的类中写一个界面,代码如下:
public class ShapeFr
- Linux的tcpdump
被触发
tcpdump
用简单的话来定义tcpdump,就是:dump the traffic on a network,根据使用者的定义对网络上的数据包进行截获的包分析工具。 tcpdump可以将网络中传送的数据包的“头”完全截获下来提供分析。它支 持针对网络层、协议、主机、网络或端口的过滤,并提供and、or、not等逻辑语句来帮助你去掉无用的信息。
实用命令实例
默认启动
tcpdump
普通情况下,直
- 安卓程序listview优化后还是卡顿
肆无忌惮_
ListView
最近用eclipse开发一个安卓app,listview使用baseadapter,里面有一个ImageView和两个TextView。使用了Holder内部类进行优化了还是很卡顿。后来发现是图片资源的问题。把一张分辨率高的图片放在了drawable-mdpi文件夹下,当我在每个item中显示,他都要进行缩放,导致很卡顿。解决办法是把这个高分辨率图片放到drawable-xxhdpi下。
&nb
- 扩展easyUI tab控件,添加加载遮罩效果
知了ing
jquery
(function () {
$.extend($.fn.tabs.methods, {
//显示遮罩
loading: function (jq, msg) {
return jq.each(function () {
var panel = $(this).tabs(&
- gradle上传jar到nexus
矮蛋蛋
gradle
原文地址:
https://docs.gradle.org/current/userguide/maven_plugin.html
configurations {
deployerJars
}
dependencies {
deployerJars "org.apache.maven.wagon
- 千万条数据外网导入数据库的解决方案。
alleni123
sqlmysql
从某网上爬了数千万的数据,存在文本中。
然后要导入mysql数据库。
悲剧的是数据库和我存数据的服务器不在一个内网里面。。
ping了一下, 19ms的延迟。
于是下面的代码是没用的。
ps = con.prepareStatement(sql);
ps.setString(1, info.getYear())............;
ps.exec
- JAVA IO InputStreamReader和OutputStreamReader
百合不是茶
JAVA.io操作 字符流
这是第三篇关于java.io的文章了,从开始对io的不了解-->熟悉--->模糊,是这几天来对文件操作中最大的感受,本来自己认为的熟悉了的,刚刚在回想起前面学的好像又不是很清晰了,模糊对我现在或许是最好的鼓励 我会更加的去学 加油!:
JAVA的API提供了另外一种数据保存途径,使用字符流来保存的,字符流只能保存字符形式的流
字节流和字符的难点:a,怎么将读到的数据
- MO、MT解读
bijian1013
GSM
MO= Mobile originate,上行,即用户上发给SP的信息。MT= Mobile Terminate,下行,即SP端下发给用户的信息;
上行:mo提交短信到短信中心下行:mt短信中心向特定的用户转发短信,你的短信是这样的,你所提交的短信,投递的地址是短信中心。短信中心收到你的短信后,存储转发,转发的时候就会根据你填写的接收方号码寻找路由,下发。在彩信领域是一样的道理。下行业务:由SP
- 五个JavaScript基础问题
bijian1013
JavaScriptcallapplythisHoisting
下面是五个关于前端相关的基础问题,但却很能体现JavaScript的基本功底。
问题1:Scope作用范围
考虑下面的代码:
(function() {
var a = b = 5;
})();
console.log(b);
什么会被打印在控制台上?
回答:
上面的代码会打印 5。
&nbs
- 【Thrift二】Thrift Hello World
bit1129
Hello world
本篇,不考虑细节问题和为什么,先照葫芦画瓢写一个Thrift版本的Hello World,了解Thrift RPC服务开发的基本流程
1. 在Intellij中创建一个Maven模块,加入对Thrift的依赖,同时还要加上slf4j依赖,如果不加slf4j依赖,在后面启动Thrift Server时会报错
<dependency>
- 【Avro一】Avro入门
bit1129
入门
本文的目的主要是总结下基于Avro Schema代码生成,然后进行序列化和反序列化开发的基本流程。需要指出的是,Avro并不要求一定得根据Schema文件生成代码,这对于动态类型语言很有用。
1. 添加Maven依赖
<?xml version="1.0" encoding="UTF-8"?>
<proj
- 安装nginx+ngx_lua支持WAF防护功能
ronin47
需要的软件:LuaJIT-2.0.0.tar.gz nginx-1.4.4.tar.gz &nb
- java-5.查找最小的K个元素-使用最大堆
bylijinnan
java
import java.util.Arrays;
import java.util.Random;
public class MinKElement {
/**
* 5.最小的K个元素
* I would like to use MaxHeap.
* using QuickSort is also OK
*/
public static void
- TCP的TIME-WAIT
bylijinnan
socket
原文连接:
http://vincent.bernat.im/en/blog/2014-tcp-time-wait-state-linux.html
以下为对原文的阅读笔记
说明:
主动关闭的一方称为local end,被动关闭的一方称为remote end
本地IP、本地端口、远端IP、远端端口这一“四元组”称为quadruplet,也称为socket
1、TIME_WA
- jquery ajax 序列化表单
coder_xpf
Jquery ajax 序列化
checkbox 如果不设定值,默认选中值为on;设定值之后,选中则为设定的值
<input type="checkbox" name="favor" id="favor" checked="checked"/>
$("#favor&quo
- Apache集群乱码和最高并发控制
cuisuqiang
apachetomcat并发集群乱码
都知道如果使用Http访问,那么在Connector中增加URIEncoding即可,其实使用AJP时也一样,增加useBodyEncodingForURI和URIEncoding即可。
最大连接数也是一样的,增加maxThreads属性即可,如下,配置如下:
<Connector maxThreads="300" port="8019" prot
- websocket
dalan_123
websocket
一、低延迟的客户端-服务器 和 服务器-客户端的连接
很多时候所谓的http的请求、响应的模式,都是客户端加载一个网页,直到用户在进行下一次点击的时候,什么都不会发生。并且所有的http的通信都是客户端控制的,这时候就需要用户的互动或定期轮训的,以便从服务器端加载新的数据。
通常采用的技术比如推送和comet(使用http长连接、无需安装浏览器安装插件的两种方式:基于ajax的长
- 菜鸟分析网络执法官
dcj3sjt126com
网络
最近在论坛上看到很多贴子在讨论网络执法官的问题。菜鸟我正好知道这回事情.人道"人之患好为人师" 手里忍不住,就写点东西吧. 我也很忙.又没有MM,又没有MONEY....晕倒有点跑题.
OK,闲话少说,切如正题. 要了解网络执法官的原理. 就要先了解局域网的通信的原理.
前面我们看到了.在以太网上传输的都是具有以太网头的数据包. 
- Android相对布局属性全集
dcj3sjt126com
android
RelativeLayout布局android:layout_marginTop="25dip" //顶部距离android:gravity="left" //空间布局位置android:layout_marginLeft="15dip //距离左边距
// 相对于给定ID控件android:layout_above 将该控件的底部置于给定ID的
- Tomcat内存设置详解
eksliang
jvmtomcattomcat内存设置
Java内存溢出详解
一、常见的Java内存溢出有以下三种:
1. java.lang.OutOfMemoryError: Java heap space ----JVM Heap(堆)溢出JVM在启动的时候会自动设置JVM Heap的值,其初始空间(即-Xms)是物理内存的1/64,最大空间(-Xmx)不可超过物理内存。
可以利用JVM提
- Java6 JVM参数选项
greatwqs
javaHotSpotjvmjvm参数JVM Options
Java 6 JVM参数选项大全(中文版)
作者:Ken Wu
Email:
[email protected]
转载本文档请注明原文链接 http://kenwublog.com/docs/java6-jvm-options-chinese-edition.htm!
本文是基于最新的SUN官方文档Java SE 6 Hotspot VM Opt
- weblogic创建JMC
i5land
weblogicjms
进入 weblogic控制太
1.创建持久化存储
--Services--Persistant Stores--new--Create FileStores--name随便起--target默认--Directory写入在本机建立的文件夹的路径--ok
2.创建JMS服务器
--Services--Messaging--JMS Servers--new--name随便起--Pers
- 基于 DHT 网络的磁力链接和BT种子的搜索引擎架构
justjavac
DHT
上周开发了一个磁力链接和 BT 种子的搜索引擎 {Magnet & Torrent},本文简单介绍一下主要的系统功能和用到的技术。
系统包括几个独立的部分:
使用 Python 的 Scrapy 框架开发的网络爬虫,用来爬取磁力链接和种子;
使用 PHP CI 框架开发的简易网站;
搜索引擎目前直接使用的 MySQL,将来可以考虑使
- sql添加、删除表中的列
macroli
sql
添加没有默认值:alter table Test add BazaarType char(1)
有默认值的添加列:alter table Test add BazaarType char(1) default(0)
删除没有默认值的列:alter table Test drop COLUMN BazaarType
删除有默认值的列:先删除约束(默认值)alter table Test DRO
- PHP中二维数组的排序方法
abc123456789cba
排序二维数组PHP
<?php/*** @package BugFree* @version $Id: FunctionsMain.inc.php,v 1.32 2005/09/24 11:38:37 wwccss Exp $*** Sort an two-dimension array by some level
- hive优化之------控制hive任务中的map数和reduce数
superlxw1234
hivehive优化
一、 控制hive任务中的map数: 1. 通常情况下,作业会通过input的目录产生一个或者多个map任务。 主要的决定因素有: input的文件总个数,input的文件大小,集群设置的文件块大小(目前为128M, 可在hive中通过set dfs.block.size;命令查看到,该参数不能自定义修改);2. 
- Spring Boot 1.2.4 发布
wiselyman
spring boot
Spring Boot 1.2.4已于6.4日发布,repo.spring.io and Maven Central可以下载(推荐使用maven或者gradle构建下载)。
这是一个维护版本,包含了一些修复small number of fixes,建议所有的用户升级。
Spring Boot 1.3的第一个里程碑版本将在几天后发布,包含许多