既是张大牙更是张大侠
既是张大牙更是张大侠

降维和度量学习（二）

流形学习

“流形”：在局部有欧式空间的性质
虽然样本在高维空间中的分布看起来非常复杂，但只要他们在聚不上仍具有欧式空间的性质，因此可以在局部建立降维映射关系，然后再设法将局部映射关系推广到全局。

等度量映射

保持近邻样本之间的距离，因为测地线距离和高位空间的直线距离是不相等的降维和度量学习（二）_第1张图片
其中，近邻图如何构建

  • k近邻图：指定k个点为近邻点
  • \epsilon 近邻图：定义距离阈值epsilon
    对于新样本如何变换
  • 构建高维坐标和低维坐标的回归器
局部线性嵌入算法

降维和度量学习（二）_第2张图片

度量学习

每个空间其实对应了样本属性上定义的距离度量，寻找合适的空间的本质是寻找一个合适的距离度量。度量学习的基本动机是学习得到一个合适的“度量”。降维和度量学习（二）_第3张图片
降维和度量学习（二）_第4张图片

NCA

前面学习过k近邻以邻居投票的形式决定自身的标签，假设将一邻一票替换成概率投票，降维和度量学习（二）_第5张图片
降维和度量学习（二）_第6张图片

你可能感兴趣的:(机器学习,人工智能)

  • 强化学习是否能够在完全不确定的环境中找到一个合理的策略，还是说它只能在已知规则下生效？ concisedistinct 人工智能人工智能强化学习
    强化学习（ReinforcementLearning，RL）是机器学习的一个重要分支，广泛应用于机器人控制、自动驾驶、游戏策略和金融决策等领域。其核心理念是通过与环境的互动，不断学习如何选择最优行动以最大化累积奖励。尽管强化学习在许多已知和相对确定的环境中表现出色，但在面对完全不确定或动态变化的环境时，其表现和可靠性是否依然能保持一致是一个值得深入探讨的问题。我们生活的世界充满了不确定性，尤其是在
  • 嵌入式仿真实验教学平台比Proteus更具有教学优势 嵌入式仿真实验教学平台 学习proteus嵌入式实时数据库stm32嵌入式硬件
    近年来，随着物联网、人工智能等技术的快速发展，嵌入式系统教学的实践性和创新性需求日益增强。传统仿真工具如Proteus虽曾占据重要地位，但其局限性逐渐暴露。相比之下，嵌入式仿真实验教学平台凭借其高仿真度、资源整合能力及虚实结合的教学模式，正在成为高校和教育机构的新选择。本文将从技术演进、教学痛点、平台优势及实际应用等角度，解析嵌入式仿真实验教学平台为何能全面超越Proteus，成为教学创新的核心工
  • 2024 年 AI 垂直应用迅速落地，人人都可以获得AI红利 yimifx AIAIGC人工智能人工智能aiAI写作AIGCagiAI编程AI作画
    演示站点：https://ai.uaai.cn技能模块官方论坛：www.jingyuai.com京娱AI随着人工智能技术的持续发展与突破，2024年AI辅助研发正成为科技界和工业界瞩目的焦点。从医药研发到汽车设计，从软件开发到材料科学，AI正逐渐渗透到研发的各个环节，变革着传统的研发模式。在这一背景下，AI辅助研发不仅提升了研发效率，降低了成本，更在某种程度上解决了复杂问题，推动了科技进步。202
  • ai垂直领域和水平领域如何理解? 王摇摆 ChatGPT人工智能
    在AI领域中，"垂直领域"和"水平领域"是两个相关但不同的概念。垂直领域（VerticalDomain）：指的是在特定行业或领域中应用人工智能技术和解决方案的情况。在垂直领域中，AI技术被专门应用于解决该领域内的具体问题。例如，医疗保健、金融、零售、交通运输等都是垂直领域。在这些领域中，AI技术被用于医学诊断、风险评估、销售预测、智能交通管理等特定领域的应用。水平领域（HorizontalDoma
  • （一）spark是什么？ 一智哇 大数据框架学习sparkbigdata大数据
    1.spark是什么？spark是一个用来实现快速，通用的集群计算平台spark适用于各种各样原先需要多种不同的分布式平台的场景，包括批处理，迭代算法，交互式查询，流处理。通过在一个统一的框架下支持这些不同的计算，spark使我们可以简单而低耗地把各种处理流程整合在一起。2.spark的用途（1）：数据科学任务具备SQL、统计、预测建模（机器学习）等方面的经验，以及一定的python，matlab
  • 智能模型轻量化：知识蒸馏技术如何重塑AI部署格局 人工智能
    智能模型轻量化：知识蒸馏技术如何重塑AI部署格局前言在人工智能技术高速迭代的今天，模型优化领域正经历着静默的革命。当我们惊叹于DeepSeek在自然语言处理上的惊艳表现时，一个关键问题逐渐浮出水面：如何让这些"庞然大物"真正走入现实场景？知识蒸馏技术作为模型压缩领域的突破性方案，正在为AI技术的普惠化开辟新路径。一、技术本质的解构与重构知识蒸馏颠覆了传统模型训练的范式，构建了"师生传承"的新型学习
  • AI大模型之争：通用性与垂直性，哪个更具优势？ 想你依然心痛 个人总结与成长规划人工智能
    文章目录每日一句正能量前言背景介绍能力分析通用大模型的能力：垂直大模型的能力：差异与互补性分析：难点探究1.算力挑战2.数据挑战3.算法挑战4.泛化能力5.可解释性和透明度6.伦理和偏见问题7.成本效益后记每日一句正能量昨天已逝，明日是谜，面对今朝，尽力而为！前言在人工智能的快速发展浪潮中，AI大模型作为这一领域的明珠，正以其强大的数据处理能力和智能决策能力，引领着技术革新的潮流。随着技术的不断成
  • 推荐收藏！数据分析必会的 10 个 python 库！ Python数据挖掘 深度学习机器学习数据分析及可视化数据分析python数据挖掘算法
    大家好，今天给大家分享除了基本的NumPy、Pandas和Matplotlib之外的10个流行的数据分析Python库。文末提供资料和技术交流Scikit-learnScikit-learn是一个功能强大的机器学习库，为监督和无监督学习、模型选择和预处理提供了广泛的算法。Scikit-learn简化了构建机器学习模型的过程，使其成为数据科学家和分析师的热门选择。可以通过pip命令来进行安装。pip
  • 超市数字化落地：RWA + 智能体赋能实体零售数字化 leijiwen 零售
    引言随着数字化技术的飞速发展，传统零售行业正在面临前所未有的挑战与机遇。在这个转型过程中，**现实世界资产（RWA）与智能体（AIAgents）**的结合为实体零售业带来了强大的赋能，特别是在超市领域。通过将现实资产数字化、引入人工智能技术以及去中心化治理，RWA和智能体为实体零售提供了全新的数字化解决方案，推动零售业向智能化、透明化和个性化方向发展。本文将详细探讨基于RWA与智能体结合的超市数字
  • 探秘Mixup：数据增强的新利器 荣正青
    探秘Mixup：数据增强的新利器mixupImplementationofthemixuptrainingmethod项目地址:https://gitcode.com/gh_mirrors/mi/mixup项目简介是一个由HongyiZhang开发的Python库，它实现了机器学习中的数据增强策略——Mixup方法。这个项目的目标是通过混合不同样本的数据点生成新的训练样本，从而帮助模型更好地学习数
  • 通用大模型VS垂直大模型，你更青睐哪一方? 109702008 人工智能杂谈人工智能
    AI大模型之辩：通用与垂直，谁将引领未来？在人工智能（AI）领域，大模型技术的崛起无疑为整个行业带来了革命性的变革。然而，随着技术的深入发展，AI大模型的战场似乎正在悄然分化，形成了通用大模型与垂直大模型两大阵营。两者各有千秋，各有其适用的场景和优势，那么在这场没有硝烟的战争中，究竟谁将引领未来呢？通用大模型，以其广泛的适用性和强大的学习能力，成为AI领域的明星产品。它能够在多个领域和场景下展现出
  • AI创业机遇：垂直领域无限可能 AGI大模型与大数据研究院 DeepSeekR1&大数据AI人工智能javapythonjavascriptkotlingolang架构人工智能
    AI创业垂直领域机器学习深度学习自然语言处理计算机视觉无人驾驶1.背景介绍人工智能（AI）正在各行各业掀起一场革命，为创业者带来了前所未有的机遇。垂直领域，即特定行业或细分市场，正在成为AI创业的热门选择。本文将深入探讨AI在垂直领域的应用，并提供实用的指南，帮助读者把握AI创业机遇。2.核心概念与联系2.1AI与垂直领域AI在垂直领域的应用，需要理解AI与垂直领域的关系。AI可以为垂直领域提供智
  • AI赋能校园安全：科技助力预防与应对校园霸凌 weixin_45819535 人工智能安全科技
    校园本应是学生快乐学习、健康成长的地方，然而，校园霸凌却成为威胁学生身心健康的隐形“毒瘤”。近年来，随着人工智能（AI）技术的快速发展，AI在校园安全领域的应用逐渐成为解决校园霸凌问题的新突破口。通过智能监控、行为分析、情感识别等技术，AI为预防和应对校园霸凌提供了全新的解决方案。辉视AI智能安防系统作为行业领先的智能安防解决方案，正以其卓越的技术能力，为校园安全保驾护航。校园霸凌的现状与挑战校园
  • DeepSeek模型家族大揭秘：不同版本到底有啥区别？ 再见孙悟空_ 【2025AI学习从零单排系列】【2025AI工具合集】DeepSeekDeepSeekV1DeepSeekV2DeepSeerR1
    DeepSeek模型家族大揭秘：不同版本到底有啥区别？大家好！今天咱们来聊聊DeepSeek这个超火的AI模型家族。如果你对人工智能有点兴趣，肯定听说过DeepSeek，但你知道它其实有好几个版本吗？每个版本都有自己的特点和适用场景。今天我就带大家好好扒一扒这些版本的区别，帮你搞清楚哪个版本最适合你的需求。1.DeepSeek是什么？首先，简单介绍一下DeepSeek。DeepSeek是一个基于深
  • 清华大学DeepSeek PPT第二版深度解读：人工智能前沿技术解析 qudongmofashi 人工智能
    立即下载完整课件资料点击此处获取最新版PPT一、DeepSeek课件为何值得关注？清华大学出品的DeepSeek系列教学资源，长期聚焦人工智能领域核心技术。第二版PPT从以下方面实现全面升级：AI前沿技术覆盖：涵盖大模型、深度强化学习等领域最新研究进展工业级实践案例：新增多个企业级项目解决方案案例三维知识框架：从算法原理→代码实现→工程部署的全链路解析下载建议：建议保存至本地，结合源码案例同步学习
  • DeepSeek人工智能领域的创新先锋与变革力量 CodeJourney. 数据库算法人工智能
    在科技飞速发展的时代，人工智能（AI）无疑是最具变革性的力量之一。DeepSeek作为人工智能领域的关键参与者，正以其独特的技术路径和创新理念，深刻影响着行业的发展格局。深入解读相关信息，能让我们更全面地认识DeepSeek在人工智能领域的重要贡献、技术优势、发展战略以及其带来的广泛影响。一、DeepSeek的技术突破与创新（一）核心技术成就DeepSeek在自然语言处理（NLP）和计算机视觉等人
  • Prompt工程指南：从入门到精通，手把手教你玩转AI大模型！ AI大模型-大飞 prompt人工智能大模型教程AI大模型开源chatgpt大模型
    一、什么是Prompt？Prompt是一种基于人工智能（AI）指令的技术，通过明确而具体的指导语言模型的输出。在提示词工程中，Prompt的定义涵盖了任务、指令和角色三个主要元素，以确保模型生成符合用户需求的文本。任务：Prompt明确而简洁地陈述了用户要求模型生成的内容。这包括在特定应用场景中，用户希望模型完成的任务或生成的文本类型。指令：模型在生成文本时应遵循的指令是Prompt中的关键要素之
  • 国内如何快速拿下微软AI-900!? 全球认证考试中心 microsoft人工智能ai
    微软AI-900认证，全称AzureAIFundamentals是由微软官方最新研发的一项有关人工智能的认证证书。想要获得该证书，需通过AI-900测试或者AI-102。适用于全行业、全学龄人员，考试不设置专业和年龄限制，对人工智能感兴趣即可参加。获得证书能够证明证书持有者在机器学习（ML）、人工智能（AI）基础概念、云技术基础及MicrosoftAzure服务等多方面的掌握程度。此考试的考生应熟
  • 深度学习代码分析——自用 肆—— 深度学习人工智能笔记
    代码来自：https://github.com/ChuHan89/WSSS-Tissue?tab=readme-ov-file借助了一些人工智能1_train_stage1.py代码功能总览该代码是弱监督语义分割（WSSS）流程的Stage1训练与测试脚本，核心任务是通过多标签分类模型生成图像级标签，为后续生成伪掩码（Pseudo-Masks）提供基础。代码分为train_phase和test_p
  • Python 学习与开发：高效编程技巧与实用案例 壹屋安源 知识分享python学习开发语言
    Python学习与开发：高效编程技巧与实用案例Python是现代编程语言中最受欢迎的一种，它以简洁、易读的语法和强大的功能广泛应用于数据分析、人工智能、Web开发等多个领域。无论你是Python新手还是有经验的开发者，掌握一些高效编程技巧和实用案例，能让你的Python开发之旅更加顺畅。1.高效的函数式编程使用列表推导式列表推导式是Python中非常常用的功能，它不仅可以让代码更加简洁，还能提高执
  • AI时代，程序员如何提升竞争力：技术与软技能双修炼 源码姑娘 人工智能
    人工智能技术的迅猛发展正在重塑软件开发行业的格局。从代码生成工具（如GitHubCopilot）到智能调试系统，AI已从辅助工具逐步演变为开发流程中不可或缺的伙伴。然而，这种变革既是机遇也是挑战：程序员若想在这场技术浪潮中保持竞争力，必须实现技术与软技能的双重修炼。本文将从技术深耕、AI工具驾驭、跨学科融合及软技能提升四个维度，探讨程序员的核心竞争力构建路径。一、技术修炼：从工具使用者到领域专家1
  • AI大语言模型(LLM)：电商行业的搜索革命与未来趋势 搞技术的妹子 人工智能语言模型智能电视
    大语言模型：电商行业的搜索革命与未来趋势一、大语言模型在电商搜索中的应用1.提升搜索精准度2.改善搜索召回率3.虚拟购物助手二、大语言模型与生成性AI的结合1.生成性AI：从搜索到对话式购物体验2.提升个性化推荐三、大语言模型的未来展望1.电商与LLM的深度融合2.面临的挑战与机遇随着人工智能的快速发展，电商行业正在经历一场深刻的变革。尤其是在搜索技术方面，大语言模型（LLM）正逐渐成为提升用户体
  • 【量子退火（Quantum Annealing, QA）在Machine Learning Classification中的应用】 搞技术的妹子 机器学习量子计算人工智能
    随着量子计算技术的发展，**量子退火（QuantumAnnealing,QA）成为了优化问题中一种潜力巨大的方法。它不仅可以用于求解传统优化问题，还被逐渐应用于机器学习领域，特别是机器学习分类（MachineLearningClassification）**任务中。在这篇博客中，我们将探讨量子退火在机器学习分类中的应用，并通过一个实际的案例来展示如何使用量子退火优化分类模型。什么是量子退火（Qua
  • 二维随机变量 Shockang 机器学习数学通关指南机器学习人工智能数学概率论
    前言本文隶属于专栏《机器学习数学通关指南》，该专栏为笔者原创，引用请注明来源，不足和错误之处请在评论区帮忙指出，谢谢！本专栏目录结构和参考文献请见《机器学习数学通关指南》正文1.二维随机变量基础1.1基本定义二维随机变量(X,Y)(X,Y)(X,Y)是由两个定义在同一概率空间上的随机变量XXX和YYY组成的向量样本空间：每个试验结果e∈Se\inSe∈S对应到平面上的一个点(X(e),Y(e))(
  • 似然函数与极大似然估计 Shockang 机器学习数学通关指南机器学习人工智能数学概率论
    前言本文隶属于专栏《机器学习数学通关指南》，该专栏为笔者原创，引用请注明来源，不足和错误之处请在评论区帮忙指出，谢谢！本专栏目录结构和参考文献请见《机器学习数学通关指南》正文1.似然函数：直观理解与数学定义核心概念似然函数是机器学习中参数估计的基石，它从数据与模型之间的关系出发，提供了一种优化参数的数学框架。直观理解：假设你正在调整相机参数以拍摄最清晰的照片。似然函数就像是一个"清晰度指标"，告诉
  • 正交投影与内积空间：机器学习的几何基础 Shockang 机器学习数学通关指南机器学习人工智能线性代数数学
    前言本文隶属于专栏《机器学习数学通关指南》，该专栏为笔者原创，引用请注明来源，不足和错误之处请在评论区帮忙指出，谢谢！本专栏目录结构和参考文献请见《机器学习数学通关指南》正文1.内积空间的数学定义1.1代数定义✏️两个维度相同的向量a=[a1,…,an]\mathbf{a}=[a_1,\dots,a_n]a=[a1,…,an]和b=[b1,…,bn]\mathbf{b}=[b_1,\dots,b_
  • 特征值与特征向量 Shockang 机器学习数学通关指南机器学习线性代数矩阵数学
    前言本文隶属于专栏《机器学习数学通关指南》，该专栏为笔者原创，引用请注明来源，不足和错误之处请在评论区帮忙指出，谢谢！本专栏目录结构和参考文献请见《机器学习数学通关指南》正文一、定义与数学表达特征向量：对于方阵AAA，若存在非零向量v\mathbf{v}v满足Av=λvA\mathbf{v}=\lambda\mathbf{v}Av=λv，则v\mathbf{v}v称为AAA的特征向量。特征值：对应
  • mac系统下安装pycharm 连小黑 pythonpycharmmacospython
    mac系统下安装pycharm前言Windows系统安装教程传送门链接:https://blog.csdn.net/lianxiaohei/article/details/121694126随着人工智能的不断发展，机器学习这门技术也越来越重要，也有很多人都因为做自动化，爬虫会学python，今天写的是pycharm编译器，在mac上如何安装,废话不多说，上步骤一、第一步下载示例：下载安装软件的第一
  • 【机器学习】Reinforcement Learning-强化学习基本概念 长相忆兮长相忆 深度学习人工智能算法机器学习
    1、Q值与V值1.1Q值和V值的定义Q值：也称为动作价值函数，评估动作的价值，它代表了智能体选择这个动作后，一直到最终状态奖励总和的期望，表示为Q(s,a)，其中s是状态，a是动作。V值：评估状态的价值，也称为状态价值函数，表示为V(s)，其中s是状态。它代表了智能体在这个状态下，一直到最终状态的奖励总和的期望。V值与动作无关只与状态有关。Q值和V值的概念是一致的，都是衡量在马可洛夫树上某一个节点
  • 机器学习笔记 - 监督学习备忘清单 坐望云起 深度学习从入门到精通监督学习线性模型支持向量机生成学习集成方法
    一、监督学习简介给定一组数据点关联到一组结果，我们想要构建一个分类器，学习如何从预测。1、预测类型下表总结了不同类型的预测模型：2、模型类型下表总结了不同的模型：
  • 二分查找排序算法 周凡杨 java二分查找排序算法折半
    一：概念 二分查找又称 折半查找（ 折半搜索/ 二分搜索），优点是比较次数少，查找速度快，平均性能好；其缺点是要求待查表为有序表，且插入删除困难。因此，折半查找方法适用于不经常变动而 查找频繁的有序列表。首先，假设表中元素是按升序排列，将表中间位置记录的关键字与查找关键字比较，如果两者相等，则查找成功；否则利用中间位置记录将表 分成前、后两个子表，如果中间位置记录的关键字大于查找关键字，则进一步
  • java中的BigDecimal bijian1013 javaBigDecimal
            在项目开发过程中出现精度丢失问题，查资料用BigDecimal解决，并发现如下这篇BigDecimal的解决问题的思路和方法很值得学习，特转载。         原文地址：http://blog.csdn.net/ugg/article/de
  • Shell echo命令详解 daizj echoshell
    Shell echo命令 Shell 的 echo 指令与 PHP 的 echo 指令类似，都是用于字符串的输出。命令格式： echo string 您可以使用echo实现更复杂的输出格式控制。 1.显示普通字符串: echo "It is a test" 这里的双引号完全可以省略，以下命令与上面实例效果一致： echo Itis a test 2.显示转义
  • Oracle DBA 简单操作 周凡杨 oracle dba sql
    --执行次数多的SQL select sql_text,executions from (      select sql_text,executions from v$sqlarea order by executions desc      ) where rownum<81;  &nb
  • 画图重绘 朱辉辉33 游戏
      我第一次接触重绘是编写五子棋小游戏的时候，因为游戏里的棋盘是用线绘制的，而这些东西并不在系统自带的重绘里，所以在移动窗体时，棋盘并不会重绘出来。所以我们要重写系统的重绘方法。   在重写系统重绘方法时，我们要注意一定要调用父类的重绘方法，即加上super.paint(g)，因为如果不调用父类的重绘方式，重写后会把父类的重绘覆盖掉，而父类的重绘方法是绘制画布，这样就导致我们
  • 线程之初体验 西蜀石兰 线程
    一直觉得多线程是学Java的一个分水岭，懂多线程才算入门。 之前看《编程思想》的多线程章节，看的云里雾里，知道线程类有哪几个方法，却依旧不知道线程到底是什么？书上都写线程是进程的模块，共享线程的资源，可是这跟多线程编程有毛线的关系，呜呜。。。 线程其实也是用户自定义的任务，不要过多的强调线程的属性，而忽略了线程最基本的属性。 你可以在线程类的run()方法中定义自己的任务，就跟正常的Ja
  • linux集群互相免登陆配置 林鹤霄 linux
    配置ssh免登陆 1、生成秘钥和公钥    ssh-keygen -t rsa 2、提示让你输入，什么都不输，三次回车之后会在~下面的.ssh文件夹中多出两个文件id_rsa 和 id_rsa.pub    其中id_rsa为秘钥，id_rsa.pub为公钥，使用公钥加密的数据只有私钥才能对这些数据解密    c
  • mysql : Lock wait timeout exceeded; try restarting transaction aigo mysql
    原文：http://www.cnblogs.com/freeliver54/archive/2010/09/30/1839042.html   原因是你使用的InnoDB   表类型的时候, 默认参数:innodb_lock_wait_timeout设置锁等待的时间是50s, 因为有的锁等待超过了这个时间,所以抱错.   你可以把这个时间加长,或者优化存储
  • Socket编程 基本的聊天实现。 alleni123 socket
    public class Server { //用来存储所有连接上来的客户 private List<ServerThread> clients; public static void main(String[] args) { Server s = new Server(); s.startServer(9988); } publi
  • 多线程监听器事件模式(一个简单的例子) 百合不是茶 线程监听模式
        多线程的事件监听器模式   监听器时间模式经常与多线程使用,在多线程中如何知道我的线程正在执行那什么内容,可以通过时间监听器模式得到        创建多线程的事件监听器模式 思路:    1, 创建线程并启动,在创建线程的位置设置一个标记     2,创建队
  • spring InitializingBean接口 bijian1013 javaspring
    spring的事务的TransactionTemplate，其源码如下： public class TransactionTemplate extends DefaultTransactionDefinition implements TransactionOperations, InitializingBean{ ... } TransactionTemplate继承了DefaultT
  • Oracle中询表的权限被授予给了哪些用户 bijian1013 oracle数据库权限
            Oracle查询表将权限赋给了哪些用户的SQL，以备查用。 select t.table_name as "表名", t.grantee as "被授权的属组", t.owner as "对象所在的属组"
  • 【Struts2五】Struts2 参数传值 bit1129 struts2
    Struts2中参数传值的3种情况 1.请求参数绑定到Action的实例字段上 2.Action将值传递到转发的视图上 3.Action将值传递到重定向的视图上   一、请求参数绑定到Action的实例字段上以及Action将值传递到转发的视图上 Struts可以自动将请求URL中的请求参数或者表单提交的参数绑定到Action定义的实例字段上，绑定的规则使用ognl表达式语言
  • 【Kafka十四】关于auto.offset.reset[Q/A] bit1129 kafka
    I got serveral questions about  auto.offset.reset. This configuration parameter governs how  consumer read the message from  Kafka when  there is no initial offset in ZooKeeper or
  • nginx gzip压缩配置 ronin47 nginx gzip 压缩范例
    nginx gzip压缩配置 更多 0 nginx gzip 配置   随着nginx的发展，越来越多的网站使用nginx，因此nginx的优化变得越来越重要，今天我们来看看nginx的gzip压缩到底是怎么压缩的呢？ gzip(GNU-ZIP)是一种压缩技术。经过gzip压缩后页面大小可以变为原来的30%甚至更小，这样，用
  • java-13.输入一个单向链表，输出该链表中倒数第 k 个节点 bylijinnan java
    two cursors. Make the first cursor go K steps first. /* * 第 13 题：题目：输入一个单向链表，输出该链表中倒数第 k 个节点 */ public void displayKthItemsBackWard(ListNode head,int k){ ListNode p1=head,p2=head;
  • Spring源码学习-JdbcTemplate queryForObject bylijinnan javaspring
    JdbcTemplate中有两个可能会混淆的queryForObject方法： 1. Object queryForObject(String sql, Object[] args, Class requiredType) 2. Object queryForObject(String sql, Object[] args, RowMapper rowMapper) 第1个方法是只查
  • [冰川时代]在冰川时代,我们需要什么样的技术? comsci 技术
         看美国那边的气候情况....我有个感觉...是不是要进入小冰期了?      那么在小冰期里面...我们的户外活动肯定会出现很多问题...在室内呆着的情况会非常多...怎么在室内呆着而不发闷...怎么用最低的电力保证室内的温度.....这都需要技术手段...   &nb
  • js 获取浏览器型号 cuityang js浏览器
    根据浏览器获取iphone和apk的下载地址 <!DOCTYPE html> <html> <head>     <meta charset="utf-8" content="text/html"/>     <meta name=
  • C# socks5详解 转 dalan_123 socketC#
    http://www.cnblogs.com/zhujiechang/archive/2008/10/21/1316308.html  这里主要讲的是用.NET实现基于Socket5下面的代理协议进行客户端的通讯，Socket4的实现是类似的，注意的事，这里不是讲用C#实现一个代理服务器，因为实现一个代理服务器需要实现很多协议，头大，而且现在市面上有很多现成的代理服务器用，性能又好，
  • 运维 Centos问题汇总 dcj3sjt126com 云主机
    一、sh 脚本不执行的原因 sh脚本不执行的原因 只有2个 1.权限不够 2.sh脚本里路径没写完整。   二、解决You have new mail in /var/spool/mail/root 修改/usr/share/logwatch/default.conf/logwatch.conf配置文件 MailTo = MailFrom   三、查询连接数
  • Yii防注入攻击笔记 dcj3sjt126com sqlWEB安全yii
    网站表单有注入漏洞须对所有用户输入的内容进行个过滤和检查，可以使用正则表达式或者直接输入字符判断，大部分是只允许输入字母和数字的，其它字符度不允许；对于内容复杂表单的内容，应该对html和script的符号进行转义替换：尤其是<,>,',"",&这几个符号 这里有个转义对照表： http://blog.csdn.net/xinzhu1990/articl
  • MongoDB简介[一] eksliang mongodbMongoDB简介
    MongoDB简介 转载请出自出处：http://eksliang.iteye.com/blog/2173288 1.1易于使用        MongoDB是一个面向文档的数据库，而不是关系型数据库。与关系型数据库相比，面向文档的数据库不再有行的概念，取而代之的是更为灵活的“文档”模型。        另外，不
  • zookeeper windows 入门安装和测试 greemranqq zookeeper安装分布式
    一、序言       以下是我对zookeeper 的一些理解：      zookeeper 作为一个服务注册信息存储的管理工具，好吧，这样说得很抽象，我们举个“栗子”。       栗子1号：       假设我是一家KTV的老板，我同时拥有5家KTV，我肯定得时刻监视
  • Spring之使用事务缘由(2-注解实现) ihuning spring
      Spring事务注解实现   1. 依赖包：     1.1 spring包：           spring-beans-4.0.0.RELEASE.jar           spring-context-4.0.0.
  • iOS App Launch Option 啸笑天 option
    iOS 程序启动时总会调用application:didFinishLaunchingWithOptions:，其中第二个参数launchOptions为NSDictionary类型的对象，里面存储有此程序启动的原因。   launchOptions中的可能键值见UIApplication Class Reference的Launch Options Keys节 。 1、若用户直接
  • jdk与jre的区别（_） macroli javajvmjdk
    简单的说JDK是面向开发人员使用的SDK，它提供了Java的开发环境和运行环境。SDK是Software Development Kit 一般指软件开发包，可以包括函数库、编译程序等。  JDK就是Java Development Kit JRE是Java Runtime Enviroment是指Java的运行环境，是面向Java程序的使用者，而不是开发者。 如果安装了JDK，会发同你
  • Updates were rejected because the tip of your current branch is behind qiaolevip 学习永无止境每天进步一点点众观千象git
    $ git push joe prod-2295-1 To git@git.dianrong.com:joe.le/dr-frontend.git ! [rejected] prod-2295-1 -> prod-2295-1 (non-fast-forward) error: failed to push some refs to 'git@git.dianron
  • [一起学Hive]之十四-Hive的元数据表结构详解 superlxw1234 hivehive元数据结构
    关键字：Hive元数据、Hive元数据表结构   之前在 “[一起学Hive]之一–Hive概述，Hive是什么”中介绍过，Hive自己维护了一套元数据，用户通过HQL查询时候，Hive首先需要结合元数据，将HQL翻译成MapReduce去执行。 本文介绍一下Hive元数据中重要的一些表结构及用途，以Hive0.13为例。   文章最后面，会以一个示例来全面了解一下，
  • Spring 3.2.14，4.1.7，4.2.RC2发布 wiselyman Spring 3
      Spring 3.2.14、4.1.7及4.2.RC2于6月30日发布。   其中Spring 3.2.1是一个维护版本(维护周期到2016-12-31截止)，后续会继续根据需求和bug发布维护版本。此时，Spring官方强烈建议升级Spring框架至4.1.7 或者将要发布的4.2 。   其中Spring 4.1.7主要包含这些更新内容。
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他