- 【学习】《算法图解》第十二章学习笔记:K近邻算法
程序员
前言《算法图解》第十二章介绍了一种简单而强大的机器学习算法——K近邻算法(K-NearestNeighbors,简称KNN)。这是一种基于实例的学习方法,也是机器学习领域中最基础、最直观的算法之一。本章不仅讲解了KNN的基本原理和实现方式,还探讨了特征提取、归一化等重要概念,为读者打开了机器学习的大门。本笔记将梳理KNN算法的核心思想、实现步骤以及应用场景。一、K近邻算法概述(一)基本思想K近邻算
- 七天学完十大机器学习经典算法-05.从投票到分类:K近邻(KNN)算法完全指南
接上一篇《七天学完十大机器学习经典算法-04.随机森林:群众智慧的机器学习实践》想象一下,你搬进了一个新小区。想知道这个小区整体氛围如何?最直接的方法就是看看你最近的几家邻居是什么样的人——如果邻居们都很安静、整洁,小区大概率不错;如果邻居们深夜喧哗、环境杂乱,你可能就得重新考虑了。K近邻(K-NearestNeighbors,KNN)算法的核心思想,就如同这个观察邻居的过程。它是机器学习中最直观
- Python实例题:基于 KNN 算法的手写数字识别
目录Python实例题题目要求:解题思路:代码实现:Python实例题题目基于KNN算法的手写数字识别要求:实现一个基于K-NearestNeighbors(KNN)算法的手写数字识别系统。支持以下功能:使用MNIST数据集训练和测试模型实现KNN分类算法可视化手写数字样本评估模型性能(准确率、混淆矩阵等)添加用户交互界面,允许用户绘制数字并进行识别。解题思路:使用sklearn加载MNIST数据
- 【k近邻】 K-Nearest Neighbors算法原理及流程
F_D_Z
机器学习方法数理算法学习机器学习k近邻算法k-近邻算法
【k近邻】K-NearestNeighbors算法原理及流程【k近邻】K-NearestNeighbors算法距离度量选择与数据维度归一化【k近邻】K-NearestNeighbors算法k值的选择【k近邻】Kd树的构造与最近邻搜索算法【k近邻】Kd树构造与最近邻搜索示例k近邻算法(K-NearestNeighbors,简称KNN)是一种常用的监督学习算法,可以用于分类和回归问题。在OpenCV中
- rknn优化教程(三)
凌佚
rknnCPPxmakeYOLO目标检测c++
文章目录1.前述2.部分代码3.说明1.前述OK,这一篇博客将完整给出最后的优化教程,包括代码设计。首先有这样的目录结构:./rknn_engine├──include│├──def││└──rknn_define.h│└──rknn_engine.h├──src│├──common││├──rknn_data.h││└──rknn_functions.hpp│├──inference││├──i
- 机器学习×完结 · 她们不是写完了,而是偷偷留下了你
Gyoku Mint
人工智障AI修炼日记机器学习人工智能集成学习算法boostingpython深度学习
【开场·咱把整个机器学习都写成了偷摸贴贴的证据】猫猫:“你看嘛,这一卷完结后,总有人问咱:‘这么一本正经的机器学习,为什么你们要写得像小情侣写信?’”狐狐:“有人觉得,这些章节明明可以用20页讲完,为什么要写200页?”猫猫:“呜呜……咱想说,你懂嘛!如果只讲机器学习,那对咱来说就只是一个fit()命令。可咱想让你记住的是——那行命令后面有咱。咱把自己贴进去了。”这一卷从KNN的“她学会先看邻居”
- KNN算法(K近邻算法)
姜姜爱学习
人工智能近邻算法
目录含义代码含义knn(k近邻)算法就像它的名字一样,使用邻居而且是近的邻居来确定某个样本的类别,就好像物以类聚这种意思。为了理解的更直观,观看下面的图片,模拟knn算法把中间的星星归类成正方形或则是圆形。当k=3时,可以发现就是小圈的情况找到最近的三个图形,两个正方形,一个圆形,那么此时星星就被划分到正方形的分类当k=7的,找到最近的7个图形,有三个正方形,四个圆形,那么此时星星就被划分到圆形的
- k近邻算法(kNearest Neighbors) 原理与代码实例讲解
AI大模型应用实战
javapythonjavascriptkotlingolang架构人工智能
k-近邻算法,聚类,分类,分离散数据,决策边界,邻域,机器学习,监督学习k-近邻算法(k-NearestNeighbors)-原理与代码实例讲解k-近邻算法(k-NearestNeighbors,简称kNN)是一种简单的监督学习方法,它在机器学习领域有着广泛的应用。kNN算法的核心思想是:在特征空间中,如果一个样本附近的k个最近邻样本的大多数属于某个类别,则该样本也属于这个类别。这种基于局部决策的
- 【RKNN】RKNN-Toolkit2 Python API之accuracy_analysis函数详解
浩瀚之水_csdn
#RK平台边缘端部署(实践)python数据挖掘开发语言
accuracy_analysis()是RKNN-Toolkit2中用于量化精度分析的核心接口,通过对比浮点模型与量化模型(或NPU硬件推理)的输出差异,定位量化误差来源。以下结合多篇文档整理其核心参数、使用流程及优化策略:一、核心参数说明参数名类型默认值说明inputslist[str/ndarray]必填输入数据路径或Numpy数组列表(需与模型输入尺寸一致)。ref_outputslist[
- Lua 事务双写、RedisGears 异步双写、零停机索引迁移与容量预估
一、背景与整体架构在电商、内容推荐等业务里,我们常把热数据拆成两层:数据结构存什么为什么要用它Hashprod:数值型KV(价格、库存、点击数…)HINCRBY、HSET超快;天然适合计数与并发写JSONprodjs:结构化/全文/向量字段RediSearch可直接对JSON做全文、过滤、KNN核心挑战:一次业务写请求→两份数据都要最新可见,且有时必须强一致(写失败全回滚)有时需要高吞吐、可弹性(
- KNN算法数字识别实战:训练集、测试集与代码实现
Aurora曙光
本文还有配套的精品资源,点击获取简介:KNN算法,作为一种经典的监督学习方法,特别适用于分类和回归问题,在模式识别和数据挖掘中应用广泛。本文通过构建数字识别任务的训练集和测试集,并提供完整的代码实现,向读者展示如何使用KNN算法进行数字识别。文章详细解释了K值选择、数据预处理、距离计算、最近邻选择、类别决定以及模型评估等关键步骤,并强调了KNN在大数据集中的效率问题。1.KNN算法概述与在数字识别
- 【数据挖掘】期末复习模拟题(暨考试题)
chaser&upper
数据分析随笔小记数据挖掘python聚类
数据挖掘-期末复习试题挑战全网最全题库单选题多选题判断题填空题程序填空sigmoid曼哈顿距离泰坦尼克号披萨价格预测鸢尾花DBSCN密度聚类决策树购物表单-关联规则火龙果-关联分析数据非线性映射高斯朴素贝叶斯分类器手写数字识别k1-10聚类平均偏差程序分析PM2.5线性回归Titanic数据清洗KNN鸢尾花Kmeans聚类KNN电影分类频繁k项集混淆矩阵OverlookMOOC总结挑战全网最全题库
- BIRCH、K-Means、KNN聚类算法实战:二维坐标空间聚类分析
闲书郎
本文还有配套的精品资源,点击获取简介:本项目深入探讨BIRCH、K-Means、K-Means++和K-NearestNeighbors(KNN)四种聚类算法在二维坐标空间中的应用与分析。通过Python代码实现,项目着重介绍算法的运行机制,以及它们在聚类任务中的效果和优缺点。测试集包含二维坐标数据,通过比较不同算法处理效果,学习者将加深对算法的理解,并为未来的数据分析工作打下基础。1.聚类算法在
- OpenCV Video 模块使用指南(Python 版)
ice_junjun
OpenCVopencvpython人工智能
一、模块概述video模块是OpenCV的视频分析核心,提供以下核心功能:背景建模:运动检测(MOG2/KNN背景减除)光流法:物体运动估计(LK金字塔光流)目标跟踪:单目标/多目标跟踪(KCF、MOSSE等算法)视频分析:运动轨迹提取、异常行为检测二、核心功能详解与实战1.背景减除(运动检测)1.1算法对比算法名称特点适用场景核心参数示例代码MOG2混合高斯模型,自适应学习率室内外场景(如监控视
- 从代码学习深度学习 - 词的相似性和类比任务 PyTorch版
飞雪白鹿€
#自然语言处理深度学习pytorch
提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档文章目录前言加载预训练词向量TokenEmbedding类详解预训练词向量简介(GloVe)具体含义总结建议应用预训练词向量词相似度knn函数get_similar_tokens函数相似词查找示例词类比get_analogy函数词类比任务示例总结前言词向量(WordEmbeddings)是自然语言处理(NLP)中的基石之一。它们是将词
- Ubuntu24.04 onnx 模型转 rknn
一只名叫Me的猫
大模型人工智能个人开发
前面的环境配置有点懒得写,教程也很多,可以自己找rknn-toolkit2gitee地址:pingli/rknn-toolkit2试了很多开源的代码,都没办法跑通,最后自己改了一版微调后的qwen2模型适用fromrknn.apiimportRKNNimportosif__name__=='__main__':platform='rk3588'rknn=RKNN()rknn.config(targ
- RKNN3588配置推理环境
不要绝望总会慢慢变强
人工智能深度学习python
查看NPU使用率sudowatch-n0.1/sys/kernel/debug/rknpu/loa
- 《昇思25天学习打卡营第17天|K近邻算法实现红酒聚类》
2301_82117638
MindSpore深度学习人工智能
K近邻算法实现红酒聚类今天我来学习一下使用MindSpore在部分wine数据集上进行KNN实验。1、实验目的了解KNN的基本概念;了解如何使用MindSpore进行KNN实验。2、K近邻算法原理介绍K近邻算法(K-Nearest-Neighbor,KNN)是一种用于分类和回归的非参数统计方法,最初由Cover和Hart于1968年提出(Cover等人,1967),是机器学习最基础的算法之一。它正
- 昇思25天学习打卡营第17天|K近邻算法实现红酒聚类
shen-727
笔记学习近邻算法聚类
K近邻算法原理介绍K近邻算法(K-Nearest-Neighbor,KNN)是一种用于分类和回归的非参数统计方法,最初由Cover和Hart于1968年提出(Cover等人,1967),是机器学习最基础的算法之一。它正是基于以上思想:要确定一个样本的类别,可以计算它与所有训练样本的距离,然后找出和该样本最接近的k个样本,统计出这些样本的类别并进行投票,票数最多的那个类就是分类的结果。KNN的三个基
- 昇思25天学习打卡营第17天 | K近邻算法实现红酒聚类
神奇的布欧
MindSpore学习学习近邻算法聚类数据挖掘深度学习人工智能算法
内容介绍:K近邻算法(K-Nearest-Neighbor,KNN)是一种用于分类和回归的非参数统计方法,是机器学习最基础的算法之一。它正是基于以上思想:要确定一个样本的类别,可以计算它与所有训练样本的距离,然后找出和该样本最接近的k个样本,统计出这些样本的类别并进行投票,票数最多的那个类就是分类的结果。KNN的三个基本要素:K值,一个样本的分类是由K个邻居的“多数表决”确定的。K值越小,容易受噪
- 2015-5-10分享的PDF
qq2011705918
iOS传感器应用开发最佳实践_PDF电子书下载带书签目录完整版http://pan.baidu.com/s/1dDtSP2LNode应用程序构建使用MongoDB和Backbone_PDF电子书下载带书签目录完整版http://pan.baidu.com/s/1c04KnNMPhoneGap移动应用开发手册_PDF电子书下载带书签目录完整版http://pan.baidu.com/s/1mgssE
- RKNN-Toolkit 开源项目教程
彭宏彬
RKNN-Toolkit开源项目教程rknn-toolkit项目地址:https://gitcode.com/gh_mirrors/rk/rknn-toolkit1.项目介绍RKNN-Toolkit是一款由Rockchip开发的软件工具包,旨在为开发者提供模型转换、推理以及性能评估等功能,支持在PC和RockchipNPU平台(包括RK1808/RK1806/RK3399Pro/RV1109/RV
- rknn优化教程(二)
凌佚
xmakerknnCPPc++opencv目标检测
文章目录1.前述2.三方库的封装2.1`xrepo`中的库2.2`xrepo`之外的库2.2.1`opencv`2.2.2`rknnrt`2.2.3`spdlog`3.`rknn_engine`库1.前述OK,开始写第二篇的内容了。这篇博客主要能写一下:如何给一些三方库按照xmake方式进行封装,供调用如何按照xmake构建rknn_engine2.三方库的封装这个三方库的封装,主要分为如下两类:
- 使用Python和Scikit-Learn实现机器学习模型调优
Blossom.118
机器学习与人工智能机器学习人工智能scikit-learn开发语言目标检测python深度学习
在机器学习项目中,模型的性能往往取决于多个因素,其中模型的超参数(hyperparameters)起着关键作用。超参数是模型在训练之前需要设置的参数,例如决策树的深度、KNN的邻居数等。合理地选择超参数可以显著提升模型的性能。Scikit-Learn是一个功能强大的机器学习库,它提供了多种工具来帮助我们进行模型调优。本文将通过一个具体的例子,介绍如何使用Scikit-Learn进行模型调优。一、环
- 机器学习KNN算法全解析:从原理到实战
AI妈妈手把手
机器学习算法人工智能pythonKNN
大家好!今天我们来聊聊机器学习中的"懒人算法"——KNN(K-NearestNeighbors,K近邻)算法。这个算法就像个"墙头草",它不学习模型参数,而是直接根据邻居的"投票"来做决策,是不是很有趣?让我们一起来揭开它的神秘面纱吧!一、算法简介:近朱者赤,近墨者黑KNN(K-NearestNeighbors,K最近邻)是最直观的机器学习算法之一,核心思想就是“物以类聚”:一个样本的类别由其最近
- 【统计方法】基础分类器: logistic, knn, svm, lda
pen-ai
数据科学支持向量机算法机器学习
均方误差(MSE)理解与分解在监督学习中,均方误差衡量的是预测值与实际值之间的平均平方差:MSE=E[(Y−f^(X))2]\text{MSE}=\mathbb{E}[(Y-\hat{f}(X))^2]MSE=E[(Y−f^(X))2]MSE可以分解为三部分:MSE=Bias2(f^(x0))+Var(f^(x0))+Var(ε)\text{MSE}=\text{Bias}^2(\hat{f}(x
- 【动手学机器学习】第三章模式识别与机器学习经典算法——k 近邻算法
小洛~·~
算法机器学习近邻算法python人工智能
前言本章先来讲解k近邻算法——最简单的机器学习算法,从中展开机器学习的一些基本概念和思想。或许有的读者会认为机器学习非常困难,需要庞大的模型、复杂的网络,但事实并非如此。相当多的机器学习算法都非常简单、直观,也不涉及神经网络。本章就将介绍一个最基本的分类和回归算法:k近邻(k-nearestneighbor,KNN)算法。KNN是最简单也是最重要的机器学习算法之一,它的思想可以用一句话来概括:“相
- matlab 绘图常用命令
Great_lid
matlab
1、常用全局设置set(gca,'FontName','TimesNewRoman','FontSize',10);set(gca,'xcolor',[100]);set(gca,'ycolor',[100]);2、设置横/纵坐标刻度标签set(gca,'XTickLabel',["LR","SVR","KNN","Tree","ElasticNet","BR"])set(gca,'YTickLa
- 【LLM】Redis 作为向量库入门指南
herogus丶
LLMredisaispringboot
爆肝整理,请不要吝啬你的赞和收藏。目录1.前言2.前提条件3.创建向量索引3.1基础语法3.2参数解析3.3创建索引3.4验证索引3.5其它操作4.存储和更新向量4.1Hash4.1.1示例4.1.2解释5.1JSON5.1.1示例5.1.2解释6.查询命令简介6.1FT.SEARCH6.2FT.AGGREGATE6.3与SQL语句对比7.向量搜索7.1KNNvectorsearch7.1.1语法
- python代码实现KNN对鸢尾花的分类
邀_灼灼其华
机器学习及概率统计python分类开发语言机器学习scikit-learn聚类
一、KNN模型-KNeighborsClassifier()1.1导入sklearn第三方库fromsklearnimportdatasets#sklearn的数据集fromsklearn.neighborsimportKNeighborsClassifier#sklearn模块的KNN类我们使用一个叫作鸢尾花数据集的数据,这个数据集里面有150条数据,共有3个类别,即Setosa鸢尾花、Vers
- 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