Journeyfu
Journeyfu

Jensen Inequality

Jensen Inequality特殊化证明

假设f(x)是凸函数 证 即t = 时的不等式证明

为在 点处的切线，则
对两边同时求期望，则有

而在 点处,
则

Jensen Inequality一般化证明

图中蓝色与黄色的部分始终呈 的比例关系

从图中可以很明显看出
故有

你可能感兴趣的:(Jensen Inequality)

  • Bernstein inequality伯恩施坦不等式 天空仍灿烂.. 概率论人工智能
    Bernsteininequality伯恩施坦不等式原公式变体公式我的疑惑问问人工智能公式知识点来源原公式概率论中，Bernsteininequalities给出了随机变量的和对平均值偏离的概率。在最简单的情况下，设X1,X2,…Xn是独立的伯努利随机变量，取值+1和-1的概率各是1/2，则对任意正数epsilon，有变体公式这个不等式的变体形式如下，设X1,X2,…Xn是数学期望为0的独立的随机
  • 机器学习算法之EM算法 浅白Coder 机器学习算法机器学习人工智能
    一、EM算法EM算法最初是为了解决缺失数据情况下参数估计问题；根据已经给出的观察数据，估计出模型参数的值，然后根据得到的模型参数去估计缺失的数据，再由模型的观察数据和估计的确实数据去预测模型参数值，反复迭代，直至最后收敛。1.1预备知识：1.1.1.极大似然估计：根据已观察到的数据去最大化该数据出现概率，得到的参数即为所求。（已观察到的数据理应出现的概率比较大，比较合理）1.1.2.Jensen不
  • 大数据期望最大化（EM）算法：从理论到实战全解析 星川皆无恙 机器学习与深度学习大数据人工智能大数据大数据算法深度学习人工智能
    文章目录大数据期望最大化（EM）算法：从理论到实战全解析一、引言概率模型与隐变量极大似然估计（MLE）Jensen不等式二、基础数学原理条件概率与联合概率似然函数Kullback-Leibler散度贝叶斯推断三、EM算法的核心思想期望（E）步骤最大化（M）步骤Q函数与辅助函数收敛性四、EM算法与高斯混合模型（GMM）高斯混合模型的定义分量权重E步骤在GMM中的应用M步骤在GMM中的应用五、实战案例
  • Lipschitz连续 | Wasserstein距离 | KL散度(Kullback–Leibler divergence) | JS散度(Jensen-Shannon) 17西伯利亚狼 深度学习计算机视觉机器学习数学LipschitzWassersteinKLJS信息论
    看论文经常看见这几个名词，但是概念却不甚了解，所以在此立贴汇总，方便查看。不定期更新~Lipschitz（利普希茨）连续定义：有函数f(x)，如果存在一个常量K，使得对f(x)定义域上（可为实数也可以为复数）的任意两个值满足如下条件：|f(x1)−f(x2)|≤|x1−x2|∗K那么称函数f(x)满足Lipschitz连续条件，并称K为f(x)的Lipschitz常数。Lipschitz连续比一致
  • Pinsker’s inequality 与 Kullback-Leibler (KL) divergence / KL散度 快把我骂醒 笔记
    文章目录Pinsker’sinequalityKullback-Leibler(KL)divergenceKL散度在matlab中的计算KL散度在隐蔽通信概率推导中的应用Pinsker’sinequalityPinsker’sInequality是信息论中的一个不等式，通常用于量化两个概率分布之间的差异。这个不等式是由苏联数学家MarkPinsker于1964年提出的。考虑两个概率分布(P)和(Q
  • 2018.6 （3）短篇阅读~Passage One 古丽Lily
    1.betteroff2.seizeon3.household4.putweighton5.excluse6.bynomeans7.comprehensive8.lifeexpectancy9.inequality10.assess11.illustrate12.retire13.approach14.incorporate15.emission16.thirst17.commentators18
  • 集成学习——基于机器学习_周志华 Pandy Bright 机器学习集成学习人工智能神经网络生成对抗网络图像处理chatgpt
    上篇主要介绍了鼎鼎大名的EM算法，从算法思想到数学公式推导（边际似然引入隐变量，Jensen不等式简化求导），EM算法实际上可以理解为一种坐标下降法，首先固定一个变量，接着求另外变量的最优解，通过其优美的“两步走”策略能较好地估计隐变量的值。本篇将继续讨论下一类经典算法–集成学习。集成学习集成学习1.个体与集成2.Boosting3.Bagging与RandomForest3.1Bagging3.
  • 日久见人心 一 （未授权翻译） 变脸怪与不笑猫
    简介：末日文设定，两人相遇的时候Jared23岁，Jensen15岁。警告：未成年、性行为描写、粗话、不自愿、半自愿、鞭打、路人死亡、暴力（反正很黑暗就对了）原文：You'veruinedme-------lilja82原文链接：https://lilja82.livejournal.com/15804.html（不用翻墙）第一章山间春泉潺潺，Jared打马走在霜雪覆盖的小路上。他从未遗失过水流的
  • 什么是凸函数以及如何判断函数是否为凸函数 吃好多雪糕 智能反射面辅助无人机通信线性代数矩阵算法
    目录一、什么是凸函数二、如何判断函数是否为凸函数？三、为什么要求是凸函数呢？四、为什么要求是凸集呢？五、Jensen不等式六、实际建模中如何判断一个最优化问题是不是凸优化问题七、非凸优化问题如何转化为凸优化问题的方法：参考链接：https://blog.csdn.net/qq_32171789/article/details/105577594https://www.cnblogs.com/alw
  • 机器学习笔记 - WGAN生成对抗网络概述和示例 坐望云起 深度学习从入门到精通机器学习生成对抗网络WGANWGAN-GP深度学习生成式模型
    一、简述WassersteinGAN或WGAN是一种生成对抗网络，它最小化地球移动器距离(EM)的近似值，而不是原始GAN公式中的Jensen-Shannon散度。与原始GAN相比，它的训练更加稳定，模式崩溃的证据更少，并且具有可用于调试和搜索超参数的有意义的曲线。Wasserstein生成对抗网络（WassersteinGAN）是生成对抗网络的扩展，它既提高了训练模型时的稳定性，又提供了与生成图
  • 2024级管理类联考之英语二2200核心词汇(第四天) 奉先节度使 世界如此多彩考研
    equalv-等于adj-相等的n-相等物,同等的人equality同等,相等inequality不平等,不平衡counterpart职务相当的人,副本,相当之物equivalentadj-等价的n-等价物comparable可比较的,类似的evenly均匀地,平坦地flexible灵活的,柔韧的flexibility弹性,灵活性,柔韧性adapt适应,改编adaptable能适应的,可适用的ad
  • EM算法解析+代码 noobiee 机器学习深度学习统计学+数学算法算法机器学习python
    大纲数学基础：凸凹函数，Jensen不等式，MLEEM算法公式，收敛性HMM高斯混合模型一、数学基础1.凸函数通常在实际中，最小化的函数有几个极值，所以最优化算法得出的极值不确实是否为全局的极值，对于一些特殊的函数，凸函数与凹函数，任何局部极值也是全局极致，因此如果目标函数是凸的或凹的，那么优化算法就能保证是全局的。定义1：集合Rc⊂EnR_c\subsetE^nRc⊂En是凸集，如果对每对点x1
  • 人工智能数学知识 你美依旧
    1线性代数向量向量空间；矩阵线性变换特征值特征向量；奇异值奇异值分解1线性代数是人工智能的数学基础之一2线性代数的核心意义在于将具体事物抽象为数学对象3线性代数描述着食物的静态（向量）和（动态变换）的特征2概率论与统计随机事件；条件概率全概率贝叶斯概率统计量常见分布；基本原理3最优化理论极限导数；线性逼近泰勒展开凸函数Jensen不等式；最小二乘法；梯度梯度下降1先初始化一下权重参数2然后利用优化
  • 期望最大化（EM）算法：从理论到实战全解析 TechLead KrisChang 人工智能算法机器学习人工智能
    目录一、引言概率模型与隐变量极大似然估计（MLE）Jensen不等式二、基础数学原理条件概率与联合概率似然函数Kullback-Leibler散度贝叶斯推断三、EM算法的核心思想期望（E）步骤最大化（M）步骤Q函数与辅助函数收敛性四、EM算法与高斯混合模型（GMM）高斯混合模型的定义分量权重E步骤在GMM中的应用M步骤在GMM中的应用五、实战案例定义：目标定义：输入和输出实现步骤结果解释六、总结本
  • Gronwall‘s inequality 知识在于积累 数学大类专栏Gronwallsinequality
    本文的主要了解下Gronwall不等式的两种形式，此不等式常常用来证明函数有界。See知乎：https://zhuanlan.zhihu.com/p/339358108
  • Jensen不等式 Chen_Chance 信息与通信
    JensenJensenJensen不等式是一个在概率论和数学分析中非常重要的不等式，它描述了凸函数和随机变量之间的关系。具体来说，JensenJensenJensen不等式表明对于一个凸函数f(x)f(x)f(x)，其期望值大于等于用随机变量X的期望值作为参数的fff函数的期望值。数学表达式为：E[f(X)]≥f(E[X])E[f(X)]≥f(E[X])E[f(X)]≥f(E[X])这个不等式的
  • 集中不等式 (Concentration inequality) 敲代码的quant probabilityandstatistics集中不等式concentrationinequality
    在概率论中，集中不等式提供了随机变量偏离一些值（如期望）的上限。马尔科夫不等式（Markov’sInequality）假设XXX是一个非负的随机变量，对于所有常数α>0\alpha>0α>0，有：P(X≥α)≤E(X)αP(X\geq\alpha)\leq\frac{E(X)}{\alpha}P(X≥α)≤αE(X)关于马尔科夫不等式的拓展，如果ϕ\phiϕ是一个严格递增且非负的函数，
  • [PyTorch][chapter 55][GAN- 3] 明朝百晓生 pytorch生成对抗网络人工智能
    前言：这里面主要结合GAN损失函数，讲解一下JS散度缺陷问题。目录：GAN优化回顾JS散度缺陷一GAN优化回顾1.1GAN损失函数1.2固定生成器G,最优鉴别器为此刻优化目标为1.3得到最优鉴别器后，最优编码器G为优化目标：当,得到最优解二JS散度缺陷：JS散度全称Jensen-Shannon散度，简称JS散度。性质：非负性，对称性。2.1问题：当两个分布完全不重叠时，JS散度为恒定值log2.此
  • 线性矩阵不等式（LMI）在控制理论中的应用 啵啵鱼爱吃小猫咪 矩阵算法线性代数
    目录（一）Matlab中的LMI处理工具包（二）为什么LMI成为控制理论领域重要工具？（三）LMI在与Lyapunov不等式的关系（1）线性矩阵不等式（2）线性矩阵不等式系统（3）舒尔(Schur)补（四）LMI中常见引理引理2（广义KYP引理[4]）推论1（广义KYP引理推论[4]）引理3（射影定理[1])引理4(Jensen不等式[5,6]引理5(Finsler's引理[7]):参考文献（一）
  • 生成模型基础概念-JS散度和Wasserstein散度 菜菜的小粉猪 生成模型javascript开发语言ecmascript
    JS散度和Wasserstein散度JS散度（Jensen-ShannonDivergence）Wasserstein散度/距离(WassersteinDistance)JS散度（Jensen-ShannonDivergence）JS散度度量了两个概率分布的相似度，基于KL散度的变体，解决了KL散度非对称的问题。一般地，JS散度是对称的，其取值是0到1之间。定义如下：JS(P1∣∣P2)=12KL
  • 盘点S12全球总决赛的各项纪录：T1、RNG，FNC以及Bin上榜！ 游戏酱park
    ★游戏酱park原创都说长江后浪推前浪，一浪更比一浪强，但LOL却有很多愈老愈妖的选手，比如北美法王Jensen，lck赛区的Faker。近日韩国论坛fmkorea的网友整理了S12全球总决赛的各项纪录，一起来看看这些有趣的记录吧！1、Jensen刷新连续晋级全球总决赛纪录，自从转战北美赛区后已经连续八年晋级全球总决赛，并且追平DoubleLift选手8次晋级世界赛的纪录。注：前TL战队中单选手J
  • 衡量两个概率分布之间的差异性的指标 wuling129 深度学习
    原文链接：衡量两个概率分布之间的差异性的指标衡量两个概率分布之间的差异性的指标衡量两个概率分布之间的差异性的指标KL散度（Kullback–Leiblerdivergence）JS散度（Jensen-Shannondivergence）交叉熵（CrossEntropy）Wasserstein距离衡量两个概率分布之间的差异性的指标总结一下衡量两个概率分布之间的差异性的指标，这里只是简单涉及到了KL散
  • 机器学习笔记-Task03-极大似然估计&EM算法 修行僧yicen 机器学习python机器学习算法
    文章目录1.简介1.1何为EM算法?1.2似然函数、极大似然估计1.2.1问题描述-调查学生身高分布1.2.2参数估计1.2.3总结1.2.4求极大似然函数估计的一般步骤2.EM算法2.1问题描述2.2问题求解2.3总结2.3.1相关概念2.3.2与K-Means算法对比3.EM算法推导3.1相关基础3.1.1期望3.1.2凸函数3.1.3Jensen不等式3.2公式推导3.3EM算法流程3.4E
  • Delphi Web前端开发教程（6）：基于TMS WEB Core框架 xyzhan DelphiDelphi前端开发教程基于TMSWEBCore框架RADStudio
    TurboPascal时期Borland公司举世闻名的Pascal编译器，称为TurboPascal，于1983年推出，开发依据是《Pascal:用户手册和报告》，作者是Jensen和Wirth。TurboPascal编译器是有史以来最畅销的编译器系列之一，由于它兼顾了简单、强大和价格之间的平衡，使得这种语言在PC平台上特别受欢迎。原作者是安德斯-海尔斯伯格（AndersHejlsberg），他后
  • 机器人中的数值优化（二）—— 凸函数的性质 慕羽★ 数值优化方法机器人笔记数值优化凸函数路径规划
      本系列文章主要是我在学习《数值优化》过程中的一些笔记和相关思考，主要的学习资料是深蓝学院的课程《机器人中的数值优化》和高立编著的《数值最优化方法》等，本系列文章篇数较多，不定期更新，上半部分介绍无约束优化，下半部分介绍带约束的优化，中间会穿插一些路径规划方面的应用实例  三、凸函数的性质  （1）凸函数满足Jensen不等式，如下所示：  f(θx+(1−θ)y)≤θf(x)+(1−θ)f(y
  • 机器学习中的数学——特征向量、矩阵对角化 mo95311
    线性代数向量,向量空间;矩阵,线性变换;特征值,特征向量;奇异值,奇异值分解概率论与统计随机事件;条件概率,全概率,贝叶斯概率;统计量,常见分布;基本原理最优化理论极限,导数;线性逼近,泰勒展开;凸函数,jensen不等式;最小二乘法;梯度,梯度下降矩阵和线性变换方阵能描述任意线性变换,线性变换保留了直线和平行线,但原点没用移动.向量的每一个坐标都表明了平行于相应坐标轴的有向位移.如果把矩阵的行解
  • Augmix数据增强方法 赵小闹闹
    augmix是对同一张图片施加不同的数据增强，然后将多张增强后的图片叠加。AugMix其实是混合同一个图像的经过不同数据增强得到的图像，而CutMix和MixUp是混合两个不同的图像。AugMix由于是混合同一个图像，相比CutMix和MixUp，其得到的图像更自然一些。image.png提出了额外增加一个JS散度一致性损失（Jensen-ShannonDivergenceConsistencyL
  • Jensen‘s Inequality 的常用形式 正仪 基础数学类数学类
    若f(x)f(x)f(x)是区间[a,b][a,b][a,b]内的凸函数，则对∀x1,x2,…,xn∈[a,b]\forallx_1,x_2,\dots,x_n\in[a,b]∀x1,x2,…,xn∈[a,b]，有下述不等式成立：一、形式1：两点形式tf(x1)+(1−t)f(x2)≥f(tx1+(1−t)x2),0≤t≤1\begin{align*}tf(x_1)+(1-t)f(x_2)\geq
  • 不等式 馒头and花卷
    符号说明矩阵：矩阵的谱范数:矩阵的核范数:矩阵的F范数表示矩阵的秩。[Jensen’sinequality]如果为凸函数，，那么：实际上，上述为凸函数的定义，为比较一般的Jensen’sinequality。如果为凸函数，，那么：证：假设时，不等式是一定成立的，所以假设。令,，根据凸函数的定义可得：，所以，同样满足条件，所以通过数学归纳法即可证明上述等式。如果在上，,且，则当相应的积分存在时：试证
  • 7| 行动能力与经验 呆呆的环境教育笔记
    环境问题愈演愈烈，而环境教育和与之相关的可持续发展教育被指出是解决这些问题的关键手段。可是，过往研究证实了解环境问题是不够的，需要学习如何采取行动。然而，这种行动导向的教育往往不是典型的学校教育的一部分。此外，也发现学生和老师面对环境问题时的不安与恐惧。这一篇中，将介绍Jensen&Schnack（1997）与Payne（2003）对可能影响学生采取环境行动的各种经验、知识和生活方式的研究，以及A
  • java Illegal overloaded getter method with ambiguous type for propert的解决 zwllxs javajdk
    好久不来iteye,今天又来看看，哈哈,今天碰到在编码时，反射中会抛出 Illegal overloaded getter method with ambiguous type for propert这么个东东，从字面意思看，是反射在获取getter时迷惑了，然后回想起java在boolean值在生成getter时，分别有is和getter，也许我们的反射对象中就有is开头的方法迷惑了jdk，
  • IT人应当知道的10个行业小内幕 beijingjava 工作互联网
    10. 虽然IT业的薪酬比其他很多行业要好，但有公司因此视你为其“佣人”。 　　尽管IT人士的薪水没有互联网泡沫之前要好，但和其他行业人士比较，IT人的薪资还算好点。在接下的几十年中，科技在商业和社会发展中所占分量会一直增加，所以我们完全有理由相信，IT专业人才的需求量也不会减少。 　　然而，正因为IT人士的薪水普遍较高，所以有些公司认为给了你这么多钱，就把你看成是公司的“佣人”，拥有你的支配
  • java 实现自定义链表 CrazyMizzz java数据结构
    1.链表结构   链表是链式的结构 2.链表的组成    链表是由头节点，中间节点和尾节点组成    节点是由两个部分组成：       1.数据域       2.引用域 3.链表的实现 &nbs
  • web项目发布到服务器后图片过一会儿消失 麦田的设计者 struts2上传图片永久保存
      作为一名学习了android和j2ee的程序员，我们必须要意识到，客服端和服务器端的交互是很有必要的，比如你用eclipse写了一个web工程，并且发布到了服务器（tomcat）上，这时你在webapps目录下看到了你发布的web工程，你可以打开电脑的浏览器输入http://localhost:8080/工程/路径访问里面的资源。但是，有时你会突然的发现之前用struts2上传的图片
  • CodeIgniter框架Cart类 name 不能设置中文的解决方法 IT独行者 CodeIgniterCart框架　
    今天试用了一下CodeIgniter的Cart类时遇到了个小问题，发现当name的值为中文时，就写入不了session。在这里特别提醒一下。 在CI手册里也有说明，如下： $data = array( 'id' => 'sku_123ABC', 'qty' => 1, '
  • linux回收站 _wy_ linux回收站
    今天一不小心在ubuntu下把一个文件移动到了回收站，我并不想删，手误了。我急忙到Nautilus下的回收站中准备恢复它，但是里面居然什么都没有。     后来我发现这是由于我删文件的地方不在HOME所在的分区，而是在另一个独立的Linux分区下，这是我专门用于开发的分区。而我删除的东东在分区根目录下的.Trash-1000/file目录下，相关的删除信息（删除时间和文件所在
  • jquery回到页面顶端 知了ing htmljquerycss
    html代码： <h1 id="anchor">页面标题</h1> <div id="container">页面内容</div> <p><a href="#anchor" class="topLink">回到顶端</a><
  • B树、B-树、B+树、B*树 矮蛋蛋 B树
    原文地址： http://www.cnblogs.com/oldhorse/archive/2009/11/16/1604009.html B树        即二叉搜索树：        1.所有非叶子结点至多拥有两个儿子（Left和Right）； &nb
  • 数据库连接池 alafqq 数据库连接池
    http://www.cnblogs.com/xdp-gacl/p/4002804.html @Anthor:孤傲苍狼 数据库连接池 用MySQLv5版本的数据库驱动没有问题，使用MySQLv6和Oracle的数据库驱动时候报如下错误： java.lang.ClassCastException: $Proxy0 cannot be cast to java.sql.Connec
  • java泛型 百合不是茶 java泛型
    泛型 在Java SE 1.5之前，没有泛型的情况的下，通过对类型Object的引用来实现参数的“任意化”，任意化的缺点就是要实行强制转换，这种强制转换可能会带来不安全的隐患   泛型的特点：消除强制转换 确保类型安全 向后兼容   简单泛型的定义：      泛型：就是在类中将其模糊化，在创建对象的时候再具体定义 class fan
  • javascript闭包[两个小测试例子] bijian1013 JavaScriptJavaScript
    一.程序一 <script> var name = "The Window"; var Object_a = { 　　name : "My Object", 　　getNameFunc : function(){ var that = this; 　　　　return function(){ 　　　　
  • 探索JUnit4扩展：假设机制（Assumption） bijian1013 javaAssumptionJUnit单元测试
    一.假设机制（Assumption）概述        理想情况下，写测试用例的开发人员可以明确的知道所有导致他们所写的测试用例不通过的地方，但是有的时候，这些导致测试用例不通过的地方并不是很容易的被发现，可能隐藏得很深，从而导致开发人员在写测试用例时很难预测到这些因素，而且往往这些因素并不是开发人员当初设计测试用例时真正目的，
  • 【Gson四】范型POJO的反序列化 bit1129 POJO
    在下面这个例子中，POJO(Data类)是一个范型类，在Tests中，指定范型类为PieceData，POJO初始化完成后，通过 String str = new Gson().toJson(data); 得到范型化的POJO序列化得到的JSON串，然后将这个JSON串反序列化为POJO   import com.google.gson.Gson; import java.
  • 【Spark八十五】Spark Streaming分析结果落地到MySQL bit1129 Stream
    几点总结： 1. DStream.foreachRDD是一个Output Operation，类似于RDD的action，会触发Job的提交。DStream.foreachRDD是数据落地很常用的方法 2. 获取MySQL Connection的操作应该放在foreachRDD的参数（是一个RDD[T]=>Unit的函数类型)，这样，当foreachRDD方法在每个Worker上执行时，
  • NGINX + LUA实现复杂的控制 ronin47 nginx lua
    安装lua_nginx_module 模块 lua_nginx_module 可以一步步的安装，也可以直接用淘宝的OpenResty Centos和debian的安装就简单了。。 这里说下freebsd的安装： fetch http://www.lua.org/ftp/lua-5.1.4.tar.gz tar zxvf lua-5.1.4.tar.gz cd lua-5.1.4 ma
  • java-递归判断数组是否升序 bylijinnan java
    public class IsAccendListRecursive { /*递归判断数组是否升序 * if a Integer array is ascending,return true * use recursion */ public static void main(String[] args){ IsAccendListRecursiv
  • Netty源码学习-DefaultChannelPipeline2 bylijinnan javanetty
    Netty3的API http://docs.jboss.org/netty/3.2/api/org/jboss/netty/channel/ChannelPipeline.html 里面提到ChannelPipeline的一个“pitfall”： 如果ChannelPipeline只有一个handler（假设为handlerA）且希望用另一handler（假设为handlerB） 来
  • Java工具之JPS chinrui java
    JPS使用     熟悉Linux的朋友们都知道，Linux下有一个常用的命令叫做ps（Process Status)，是用来查看Linux环境下进程信息的。同样的，在Java Virtual Machine里面也提供了类似的工具供广大Java开发人员使用，它就是jps（Java Process Status)，它可以用来
  • window.print分页打印 ctrain window
    function init() { var tt = document.getElementById("tt"); var childNodes = tt.childNodes[0].childNodes; var level = 0; for (var i = 0; i < childNodes.length; i++) {
  • 安装hadoop时 执行jps命令Error occurred during initialization of VM daizj jdkhadoopjps
    在安装hadoop时，执行JPS出现下面错误   [slave16][email protected]:/tmp/hsperfdata_hdfs# jps Error occurred during initialization of VM java.lang.Error: Properties init: Could not determine current working
  • PHP开发大型项目的一点经验 dcj3sjt126com PHP重构
    一、变量 最好是把所有的变量存储在一个数组中，这样在程序的开发中可以带来很多的方便，特别是当程序很大的时候。变量的命名就当适合自己的习惯，不管是用拼音还是英语，至少应当有一定的意义，以便适合记忆。变量的命名尽量规范化，不要与PHP中的关键字相冲突。 二、函数 PHP自带了很多函数，这给我们程序的编写带来了很多的方便。当然，在大型程序中我们往往自己要定义许多个函数，几十
  • android笔记之--向网络发送GET/POST请求参数 dcj3sjt126com android
    使用GET方法发送请求 private static boolean sendGETRequest (String path, Map<String, String> params) throws Exception{ //发送地http://192.168.100.91:8080/videoServi
  • linux复习笔记 之bash shell (3) 通配符 eksliang linux 通配符linux通配符
    转载请出自出处： http://eksliang.iteye.com/blog/2104387 在bash的操作环境中有一个非常有用的功能，那就是通配符。 下面列出一些常用的通配符，如下表所示 符号 意义 * 万用字符，代表0个到无穷个任意字符 ? 万用字符，代表一定有一个任意字符 [] 代表一定有一个在中括号内的字符。例如：[abcd]代表一定有一个字符，可能是a、b、c
  • Android关于短信加密 gqdy365 android
    关于Android短信加密功能，我初步了解的如下（只在Android应用层试验）：     1、因为Android有短信收发接口，可以调用接口完成短信收发；         发送过程：APP（基于短信应用修改）接受用户输入号码、内容——>APP对短信内容加密——>调用短信发送方法Sm
  • asp.net在网站根目录下创建文件夹 hvt .netC#hovertreeasp.netWeb Forms
    假设要在asp.net网站的根目录下建立文件夹hovertree,C#代码如下： string m_keleyiFolderName = Server.MapPath("/hovertree"); if (Directory.Exists(m_keleyiFolderName)) { //文件夹已经存在 return; } else { try { D
  • 一个合格的程序员应该读过哪些书 justjavac 程序员书籍
    编者按：2008年8月4日，StackOverflow 网友 Bert F 发帖提问：哪本最具影响力的书，是每个程序员都应该读的？ “如果能时光倒流，回到过去，作为一个开发人员，你可以告诉自己在职业生涯初期应该读一本， 你会选择哪本书呢？我希望这个书单列表内容丰富，可以涵盖很多东西。” 很多程序员响应，他们在推荐时也写下自己的评语。 以前就有国内网友介绍这个程序员书单，不过都是推荐数
  • 单实例实践 跑龙套_az 单例
       1、内部类 public class Singleton { private static class SingletonHolder { public static Singleton singleton = new Singleton(); } public Singleton getRes
  • PO VO BEAN 理解 q137681467 VODTOpo
    PO：      全称是 persistant object持久对象 最形象的理解就是一个PO就是数据库中的一条记录。 好处是可以把一条记录作为一个对象处理，可以方便的转为其它对象。     BO：     全称是 business object:业务对象 主要作用是把业务逻辑封装为一个对象。这个对
  • 战胜惰性，暗自努力 金笛子 努力
    偶然看到一句很贴近生活的话：“别人都在你看不到的地方暗自努力，在你看得到的地方，他们也和你一样显得吊儿郎当，和你一样会抱怨，而只有你自己相信这些都是真的，最后也只有你一人继续不思进取。”很多句子总在不经意中就会戳中一部分人的软肋，我想我们每个人的周围总是有那么些表现得“吊儿郎当”的存在，是否你就真的相信他们如此不思进取，而开始放松了对自己的要求随波逐流呢？ 我有个朋友是搞技术的，平时嘻嘻哈哈，以
  • NDK/JNI二维数组多维数组传递 wenzongliang 二维数组jniNDK
    多维数组和对象数组一样处理，例如二维数组里的每个元素还是一个数组 用jArray表示，直到数组变为一维的，且里面元素为基本类型，去获得一维数组指针。给大家提供个例子。已经测试通过。 Java_cn_wzl_FiveChessView_checkWin( JNIEnv* env,jobject thiz,jobjectArray qizidata) { jint i,j; int s
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他