- 数学建模-基于熵权法对Topsis模型的修正
啥都想学点的研究生
矩阵线性代数
topsis模型赋予权重有层次分析法,但层次分析法也有其弊端。层次分析法最大的缺点:判断矩阵的确定依赖于专家,如果专家的判断存在主观性的话,会对结果产生很大的影响。(主观性太强)针对层次分析法主观性太强的弊端,我们可以采用熵权法给topsis评价模型的各个指标赋权。如何度量信息量的大小,以小明和小王的例子为例:建立信息量I(x)和P(x)之间的关系:信息熵的定义:信息熵越大,信息量是越大还是越小呢
- 为量产而设计:自动驾驶车辆激光雷达旋转外参在线标定与异常排除策略
智驾机器人技术前线
高精定位与大规模建图自动驾驶算法机器人
更多精彩内容,请关注公众号:智驾机器人技术前线1.论文信息论文标题:FaultDetectionandExclusionforRobustOnlineCalibrationofVehicletoLiDARRotationParameter作者:JiwonSeok,ChansooKim,PauloResende,BenazouzBradai,andKichunJo作者单位:韩国首尔大学论文链接:ht
- 决策树(decision tree)
a15957199647
机器学习数据
决策树就是像树结构一样的分类下去,最后来预测输入样本的属于那类标签。本文是本人的学习笔记,所以有些地方也不是很清楚。大概流程就是1.查看子类是否属于同一个类2.如果是,返回类标签,如果不是,找到最佳的分类子集的特征3.划分数据集4.创建分支节点5.对每一个节点重复上述步骤6.返回树首先我们要像一个办法,怎么来确定最佳的分类特征就是为什么要这么划分子集。一般有三种方法:1.Gini不纯度2.信息熵3
- 压缩感知或压缩传感
zhoutongchi
特征提取
由来采样定理(又称取样定理、抽样定理)是采样带限信号过程所遵循的规律,1928年由美国电信工程师H.奈奎斯特首先提出来的,因此称为奈奎斯特采样定理。1948年信息论的创始人C.E.香农对这一定理加以明确说明并正式作为定理引用,因此在许多文献中又称为香农采样定理。该理论支配着几乎所有的信号/图像等的获取、处理、存储、传输等,即:采样率不小于最高频率的两倍(该采样率称作Nyquist采样率)。该理论指
- 压缩感知
weixin_34185320
人工智能python
2019独角兽企业重金招聘Python工程师标准>>>首先,我们必须要认识到这一点,即CS(CompressedSensing)中的Compressed不同于传统信息论和率失真意义上的compression。在CS中,"Compressed"一词更加准确的描述是一个降维采样的过程,而不是在信源编码意义上的“compression”。在CS中,我们是没有关于原始信号像素域的任何信息,仅仅只有观测域信
- 压缩感知——革新数据采集的科学魔法
superdont
计算机视觉人工智能算法计算机视觉opencv系统地学习Pythonpython机器学习
引言:在数字时代,数据以及数据的收集和处理无处不在。压缩感知(CompressedSensing,CS)是一种新兴的数学框架,它挑战了我们传统上对数据采集和压缩的看法,给医学图像、天文观测、环境监测等领域带来了颠覆性的影响。但到底什么是压缩感知,它又为何如此重要呢?本文将为你深入浅出地解释。压缩感知压缩感知(CS)与传统数据压缩的差异:传统信息论告诉我们,数据被采集后通常需要进行压缩以便于存储和传
- 蓝桥杯:01串的熵讲解(C++)
DaveVV
蓝桥杯c++蓝桥杯c++c语言算法数据结构
01串的熵本题来自于:2023年十四届省赛大学B组真题(共10道题)主要考察:暴力。代码放在下面,代码中重要的细节全都写了注释,非常清晰明了:#includeusingnamespacestd;intmain(){//请在此输入您的代码intn=23333333;//01串的长度doubletarget=11625907.5798;//信息熵的目标值for(inti=0;i(i)/n;//强转,让
- c++常考基础知识(1)
不懂编程的小王
c++常考基础知识c++开发语言
一.计算机学重要人物及背景1.必记世界上第一位女程序员-----Ada(阿达或艾达)。戈登·摩尔提出处理器的性能会每两年翻一倍,同时价格下降为原来的一半。冯·诺依曼主导发明了世界上第二台电子计算机。图灵被誉为计算机科学之父,人工智能之父,为纪念他出现了计算机学派的最高奖项——图灵奖。克劳德·香农将热力学中的熵引入信息通信领域,标志着信息论研究的开端。2.选记c++之父:本贾尼·斯特劳斯特卢普3.历
- 机器学习3----决策树
pyniu
机器学习机器学习决策树人工智能
这是前期准备importnumpyasnpimportpandasaspdimportmatplotlib.pyplotasplt#ID3算法#每个特征的信息熵#target:账号是否真实,共2种情况#yes7个p=0.7#no3个p=0.3info_D=-(0.7*np.log2(0.7)+0.3*np.log2(0.3))info_D#日志密度L#日志密度3种结果#s3个0.31yes,2no
- 对网络流水印的调查
h0l10w
PaperReading网络tor流水印网络安全流量分析
文章信息论文题目:NetworkFlowWatermarking:ASurvey期刊(会议):IEEECommunicationsSurveys&Tutorials时间:2016级别:中科院1区文章链接:https://ieeexplore.ieee.org/stamp/stamp.jsp?arnumber=7570208概述被动流量分析(TrafficAnalysis,TA)有三大缺点:1)它需
- 20191127面对不确定性
zwrockman
社会变化很快,生活有的时候也这样,以为意外事情的出现,保险公司经常会拿明天和意外到底那个会先来做噱头卖保险。但是确实不确定性现在感受越来越强烈。吴军老师在得到的《信息论40讲》里说到不确定性是源于人类的科学发展,通过牛顿的物理定律搞定了连续性的确定性的事情,现在可以开始研究不确定性了,所以现在可以借助信息论的工具来利用信息消除不确定性。当然塔勒布的《黑天鹅》和《反脆弱-从不确定性中收益》肯定是值得
- [机器学习]决策树
LBENULL
决策树决策树学习采用的是自顶向下的递归方法,其基本思想是以信息熵为度量构造一颗熵值下降最快的树,到叶子节点处,熵值为0具有非常好的可解释性、分类速度快的优点,是一种有监督学习最早提及决策树思想的是Quinlan在1986年提出的ID3算法和1993年提出的C4.5算法,以及Breiman等人在1984年提出的CART算法工作原理一般的,一颗决策树包含一个根结点、若干个内部节点和若干个叶节点构造构造
- Python概率建模算法和图示
亚图跨际
数学机器学习Pythonpython算法概率建模统计
要点Python朴素贝叶斯分类器解释概率学习示例Python概率论,衡量一个或多个变量相互依赖性,从数据中学习概率模型参数,贝叶斯决策论,信息论,线性代数和优化Python线性判别分析分类模型,逻辑回归,线性回归,广义线性模型Python结构化数据,图像和序列神经网络朴素贝叶斯分类器示例概率学习在机器学习的广阔领域中,概率学习开辟了自己独特的空间。在统计和概率的驱动下,概率学习侧重于对数据中存在的
- Python实现熵权法:客观求指标数据的权重
乌漆帅黑
python开发语言算法
介绍:熵权法(EntropyWeightMethod)是一种常用的多指标权重确定方法,用于评价指标之间的重要程度。它基于信息熵理论,通过计算指标数据的熵值和权重,实现客观、科学地确定指标权重,以辅助决策分析和多指标优化问题的解决。本文将介绍熵权法的基本原理,并提供Python编程语言的实现过程及示例代码,帮助理解和应用熵权法。目录1.数据准备2.计算指标熵值3.计算指标权重4.示例应用5.完整代码
- 100天搞定机器学习|Day55 最大熵模型
统计学家
1、熵的定义熵最早是一个物理学概念,由克劳修斯于1854年提出,它是描述事物无序性的参数,跟热力学第二定律的宏观方向性有关:在不加外力的情况下,总是往混乱状态改变。熵增是宇宙的基本定律,自然的有序状态会自发的逐步变为混沌状态。1948年,香农将熵的概念引申到信道通信的过程中,从而开创了”信息论“这门学科。香农用“信息熵”来描述随机变量的不确定程度,也即信息量的数学期望。关于信息熵、条件熵、联合熵、
- 人工智能大事记-持续更新中
城市中迷途小书童
20世纪30年代末到50年代,来自数学、心理学、工程学、神经学等学科的科学家开始探讨制造人工大脑的可能性。维纳(Wiener)的控制论、香农(Shannon)提出的信息论,以及图灵(Turing)的计算理论等,为人工智能的出现奠定了基础。BP1986年,GeoffreyHinton提出了前馈算法,一个通过对输入数据按照重要进行排序的精准神经网络。卷积1989年,YannLeCun写了另外一篇旷世之
- 机器学习:分类决策树(Python)
捕捉一只Diu
python机器学习决策树笔记
一、各种熵的计算entropy_utils.pyimportnumpyasnp#数值计算importmath#标量数据的计算classEntropyUtils:"""决策树中各种熵的计算,包括信息熵、信息增益、信息增益率、基尼指数。统一要求:按照信息增益最大、信息增益率最大、基尼指数增益最大"""@staticmethoddef_set_sample_weight(sample_weight,n_
- 新中特复习笔记二——章节整理上(上海交通大学)
懒总不想学习想睡觉
研狗--学习笔记笔记学习
前言本文根据复习ppt整理,猜测考点与题型均为老师的个人猜测,不做保证。感觉很多知识点重在理解,大家有空可以把对应的前后文看看!祝大家身体健康,考试顺利!!ps:本文是博主复初愈下整理的,脑子感觉不太好,可能有很多遗漏或者错误的地方,欢迎大家指出,随时更正!pps:上课视频过长且信息熵感觉有点低,这次就不分享了哈以及感谢大家的厚爱,i人非常感动也非常惶恐题目类型:单选,10个,20分多选,10个,
- 新中特复习笔记三——章节整理下(上海交通大学)
懒总不想学习想睡觉
研狗--学习笔记笔记学习
前言本文根据复习ppt整理,猜测考点与题型均为老师的个人猜测,不做保证。感觉很多知识点重在理解,大家有空可以把对应的前后文看看!祝大家身体健康,考试顺利!!ps:本文是博主复初愈下整理的,脑子感觉不太好,可能有很多遗漏或者错误的地方,欢迎大家指出,随时更正!pps:上课视频过长且信息熵感觉有点低,这次就不分享了哈以及感谢大家的厚爱,i人非常感动也非常惶恐题目类型:单选,10个,20分多选,10个,
- 新中特复习笔记一——论述题(上海交通大学)
懒总不想学习想睡觉
研狗--学习笔记笔记学习
前言本文根据复习ppt整理,猜测考点与题型均为老师的个人猜测,不做保证。感觉很多知识点重在理解,大家有空可以把对应的前后文看看!祝大家身体健康,考试顺利!!ps:本文是博主复初愈下整理的,脑子感觉不太好,可能有很多遗漏或者错误的地方,欢迎大家指出,随时更正!pps:上课视频过长且信息熵感觉有点低,这次就不分享了哈以及感谢大家的厚爱,i人非常感动也非常惶恐题目类型:单选,10个,20分多选,10个,
- 熵:信息熵、交叉熵、相对熵
Reore
信息熵信息熵H(X)可以看做,对X中的样本进行编码所需要的编码长度的期望值。交叉熵交叉熵可以理解为,现在有两个分布,真实分布p和非真实分布q,我们的样本来自真实分布p。按照真实分布p来编码样本所需的编码长度的期望为,这就是上面说的信息熵H(p)按照不真实分布q来编码样本所需的编码长度的期望为,这就是所谓的交叉熵H(p,q)相对熵这里引申出KL散度D(p||q)=H(p,q)-H(p)=,也叫做相对
- CDA二级建模分析师考试记录
啾啾二一
文by亲爱的雪莉考试方式是机考,单选+多选+实操题。选择题是用考场的电脑。实操题是考官现场用U盘把资料数据拷贝到你的电脑,2个小时后将数据结果和代码打包再拷贝到考官的U盘(这波操作好low)。选择题主要就是备考手册里的内容,多选题必须全部选对才得分,漏选不得分。题目来说有点翻来覆去,比如计算信息熵,一口气考了四道题,每个1分。其实考试更多是考内容理解,计算同类型考这么多没啥意义。虽说不公布真题,官
- 编辑距离算法【莱文斯坦距离、Levenshtein 算法】
Mir_小熊同学
算法leetcode编辑距离算法
文章目录算法概述:应用与其他编辑距离度量的关系问题定义:解析:例题:参考链接:算法概述:在信息论和计算机科学中,莱文斯坦距离是一种两个字符串序列的距离度量。形式化地说,两个单词的莱文斯坦距离是一个单词变成另一个单词要求的最少单个字符编辑数量(如:删除、插入和替换)。莱文斯坦距离也被称做编辑距离,尽管它只是编辑距离的一种,与成对字符串比对紧密相关。一般来说,编辑距离越小,两个串的相似度越大。Leve
- 分类模型的机器学习算法
青椒rose炒饭
决策树为输入选择正确标签的流程图。叶子节点为标签,其他的节点为决策节点。决策树桩只有一个节点的决策树,基于一个特征为输入分类。要建立树桩首先应该决定哪些特征应该使用。最简单的办法是为每一个特征都建立决策树桩然后在训练集上测试选择得分最高的特征。熵和信息增益衡量原始集合的无序程度就需要计算他们的标签的信息熵,如果标签非常不同熵就高,如果标签相同则熵就低。熵每个标签的概率×标签的logo概率的总和.计
- 推荐收藏 | 决策树、随机森林、bagging、boosting、Adaboost、GBDT、XGBoost总结
Pysamlam
作者:ChrisCaohttps://zhuanlan.zhihu.com/p/75468124一.决策树决策树是一个有监督分类模型,本质是选择一个最大信息增益的特征值进行分割,直到达到结束条件或叶子节点纯度达到阈值。下图是决策树的一个示例图:根据分割指标和分割方法,可分为:ID3、C4.5、CART算法。1.ID3算法:以信息增益为准则来选择最优划分属性信息增益的计算是基于信息熵(度量样本集合纯
- 2023牛客寒假算法基础集训营4-无HIK
云深沐子兮
算法
A:清楚姐姐学信息论结论是越靠近e进制效率越高(第一次知道)当时现场推的,证明如下即证x^y>y^x两边同时取对数,移位得lnx/x>lny/y即证lnx/x的单调性求导即可发现是在e处对整数讨论23附近发现是3,1不参与讨论,3以后是递减。故取3#include#defineintlonglong#defineendl'\n'usingnamespacestd;constintN=1e5+10;
- FINN: 使用神经网络对网络流进行指纹识别
h0l10w
PaperReading神经网络网络网络安全tor流水印
文章信息论文题目:FINN:FingerprintingNetworkFlowsusingNeuralNetworks期刊(会议):AnnualComputerSecurityApplicationsConference时间:2021级别:CCFB文章链接:https://dl.acm.org/doi/pdf/10.1145/3485832.3488010概述有关流量分析的工作分为两类。一些工作重
- c语言求信源的信息熵,第二章-信源与信息熵(三)
UEgood雪姐姐
c语言求信源的信息熵
接上一节第二章-信源与信息熵(二)2.4连续信源的熵与互信息1.实际中,连续信源a)幅度连续b)时间或频率上也连续2.统计特性a)概率密度函数3.用离散变量来逼近连续变量连续信源熵1.定义连续信源的状态概率用概率密度来表示。如果连续随机变量X,取值为实数域R,其概率密度函数为p(x),则如果取值为有限实数域[a,b],则X的概率分布函数为利用离散信源熵的概念来定义连续信源熵设一在[a,b]取间的连
- Visual Studio 2010+C#实现信源和信息熵
deleteeee
算法c#visualstudio信息论信息熵经验分享笔记
1.设计要求以图形界面的方式设计一套程序,该程序可以实现以下功能:从输入框输入单个或多个概率,然后使用者可以通过相关按钮的点击求解相应的对数,自信息以及信息熵程序要能够实现马尔可夫信源转移概率矩阵的输入并且可以计算该马尔可夫信源在每一个状态下每输出一个符号的平均信息量,稳态概率以及最后的信息熵。结果在在界面中直接呈现2.设计过程首先进行图形界面的设计,根据要求界面中应该包括相关标签,输入,输出以及
- 通信基础 4——遍历容量、信道估计、干扰对齐
今天也努力学习的Paul
物理层安全
目录遍历容量/各态历经性容量信道估计干扰对齐无线携能通信遍历容量/各态历经性容量说遍历容量不十分准确,应该叫各态历经性容量(是相对于中断容量说的)首先要理解《信息论》中得香农信道容量,然后结合《随机过程》这门课的内容来理解。通常我们所说的香农容量是在确定性信道条件下得到的信道容量,是一个确定值。但实际上,信道状态是一个不断变化的随机过程,应该采用统计意义上的信道容量来描述。有两种统计意义上的描述方
- 关于旗正规则引擎下载页面需要弹窗保存到本地目录的问题
何必如此
jsp超链接文件下载窗口
生成下载页面是需要选择“录入提交页面”,生成之后默认的下载页面<a>标签超链接为:<a href="<%=root_stimage%>stimage/image.jsp?filename=<%=strfile234%>&attachname=<%=java.net.URLEncoder.encode(file234filesourc
- 【Spark九十八】Standalone Cluster Mode下的资源调度源代码分析
bit1129
cluster
在分析源代码之前,首先对Standalone Cluster Mode的资源调度有一个基本的认识:
首先,运行一个Application需要Driver进程和一组Executor进程。在Standalone Cluster Mode下,Driver和Executor都是在Master的监护下给Worker发消息创建(Driver进程和Executor进程都需要分配内存和CPU,这就需要Maste
- linux上独立安装部署spark
daizj
linux安装spark1.4部署
下面讲一下linux上安装spark,以 Standalone Mode 安装
1)首先安装JDK
下载JDK:jdk-7u79-linux-x64.tar.gz ,版本是1.7以上都行,解压 tar -zxvf jdk-7u79-linux-x64.tar.gz
然后配置 ~/.bashrc&nb
- Java 字节码之解析一
周凡杨
java字节码javap
一: Java 字节代码的组织形式
类文件 {
OxCAFEBABE ,小版本号,大版本号,常量池大小,常量池数组,访问控制标记,当前类信息,父类信息,实现的接口个数,实现的接口信息数组,域个数,域信息数组,方法个数,方法信息数组,属性个数,属性信息数组
}
&nbs
- java各种小工具代码
g21121
java
1.数组转换成List
import java.util.Arrays;
Arrays.asList(Object[] obj); 2.判断一个String型是否有值
import org.springframework.util.StringUtils;
if (StringUtils.hasText(str)) 3.判断一个List是否有值
import org.spring
- 加快FineReport报表设计的几个心得体会
老A不折腾
finereport
一、从远程服务器大批量取数进行表样设计时,最好按“列顺序”取一个“空的SQL语句”,这样可提高设计速度。否则每次设计时模板均要从远程读取数据,速度相当慢!!
二、找一个富文本编辑软件(如NOTEPAD+)编辑SQL语句,这样会很好地检查语法。有时候带参数较多检查语法复杂时,结合FineReport中生成的日志,再找一个第三方数据库访问软件(如PL/SQL)进行数据检索,可以很快定位语法错误。
- mysql linux启动与停止
墙头上一根草
如何启动/停止/重启MySQL一、启动方式1、使用 service 启动:service mysqld start2、使用 mysqld 脚本启动:/etc/inint.d/mysqld start3、使用 safe_mysqld 启动:safe_mysqld&二、停止1、使用 service 启动:service mysqld stop2、使用 mysqld 脚本启动:/etc/inin
- Spring中事务管理浅谈
aijuans
spring事务管理
Spring中事务管理浅谈
By Tony Jiang@2012-1-20 Spring中对事务的声明式管理
拿一个XML举例
[html]
view plain
copy
print
?
<?xml version="1.0" encoding="UTF-8"?>&nb
- php中隐形字符65279(utf-8的BOM头)问题
alxw4616
php中隐形字符65279(utf-8的BOM头)问题
今天遇到一个问题. php输出JSON 前端在解析时发生问题:parsererror.
调试:
1.仔细对比字符串发现字符串拼写正确.怀疑是 非打印字符的问题.
2.逐一将字符串还原为unicode编码. 发现在字符串头的位置出现了一个 65279的非打印字符.
 
- 调用对象是否需要传递对象(初学者一定要注意这个问题)
百合不是茶
对象的传递与调用技巧
类和对象的简单的复习,在做项目的过程中有时候不知道怎样来调用类创建的对象,简单的几个类可以看清楚,一般在项目中创建十几个类往往就不知道怎么来看
为了以后能够看清楚,现在来回顾一下类和对象的创建,对象的调用和传递(前面写过一篇)
类和对象的基础概念:
JAVA中万事万物都是类 类有字段(属性),方法,嵌套类和嵌套接
- JDK1.5 AtomicLong实例
bijian1013
javathreadjava多线程AtomicLong
JDK1.5 AtomicLong实例
类 AtomicLong
可以用原子方式更新的 long 值。有关原子变量属性的描述,请参阅 java.util.concurrent.atomic 包规范。AtomicLong 可用在应用程序中(如以原子方式增加的序列号),并且不能用于替换 Long。但是,此类确实扩展了 Number,允许那些处理基于数字类的工具和实用工具进行统一访问。
 
- 自定义的RPC的Java实现
bijian1013
javarpc
网上看到纯java实现的RPC,很不错。
RPC的全名Remote Process Call,即远程过程调用。使用RPC,可以像使用本地的程序一样使用远程服务器上的程序。下面是一个简单的RPC 调用实例,从中可以看到RPC如何
- 【RPC框架Hessian一】Hessian RPC Hello World
bit1129
Hello world
什么是Hessian
The Hessian binary web service protocol makes web services usable without requiring a large framework, and without learning yet another alphabet soup of protocols. Because it is a binary p
- 【Spark九十五】Spark Shell操作Spark SQL
bit1129
shell
在Spark Shell上,通过创建HiveContext可以直接进行Hive操作
1. 操作Hive中已存在的表
[hadoop@hadoop bin]$ ./spark-shell
Spark assembly has been built with Hive, including Datanucleus jars on classpath
Welcom
- F5 往header加入客户端的ip
ronin47
when HTTP_RESPONSE {if {[HTTP::is_redirect]}{ HTTP::header replace Location [string map {:port/ /} [HTTP::header value Location]]HTTP::header replace Lo
- java-61-在数组中,数字减去它右边(注意是右边)的数字得到一个数对之差. 求所有数对之差的最大值。例如在数组{2, 4, 1, 16, 7, 5,
bylijinnan
java
思路来自:
http://zhedahht.blog.163.com/blog/static/2541117420116135376632/
写了个java版的
public class GreatestLeftRightDiff {
/**
* Q61.在数组中,数字减去它右边(注意是右边)的数字得到一个数对之差。
* 求所有数对之差的最大值。例如在数组
- mongoDB 索引
开窍的石头
mongoDB索引
在这一节中我们讲讲在mongo中如何创建索引
得到当前查询的索引信息
db.user.find(_id:12).explain();
cursor: basicCoursor 指的是没有索引
&
- [硬件和系统]迎峰度夏
comsci
系统
从这几天的气温来看,今年夏天的高温天气可能会维持在一个比较长的时间内
所以,从现在开始准备渡过炎热的夏天。。。。
每间房屋要有一个落地电风扇,一个空调(空调的功率和房间的面积有密切的关系)
坐的,躺的地方要有凉垫,床上要有凉席
电脑的机箱
- 基于ThinkPHP开发的公司官网
cuiyadll
行业系统
后端基于ThinkPHP,前端基于jQuery和BootstrapCo.MZ 企业系统
轻量级企业网站管理系统
运行环境:PHP5.3+, MySQL5.0
系统预览
系统下载:http://www.tecmz.com
预览地址:http://co.tecmz.com
各种设备自适应
响应式的网站设计能够对用户产生友好度,并且对于
- Transaction and redelivery in JMS (JMS的事务和失败消息重发机制)
darrenzhu
jms事务承认MQacknowledge
JMS Message Delivery Reliability and Acknowledgement Patterns
http://wso2.com/library/articles/2013/01/jms-message-delivery-reliability-acknowledgement-patterns/
Transaction and redelivery in
- Centos添加硬盘完全教程
dcj3sjt126com
linuxcentoshardware
Linux的硬盘识别:
sda 表示第1块SCSI硬盘
hda 表示第1块IDE硬盘
scd0 表示第1个USB光驱
一般使用“fdisk -l”命
- yii2 restful web服务路由
dcj3sjt126com
PHPyii2
路由
随着资源和控制器类准备,您可以使用URL如 http://localhost/index.php?r=user/create访问资源,类似于你可以用正常的Web应用程序做法。
在实践中,你通常要用美观的URL并采取有优势的HTTP动词。 例如,请求POST /users意味着访问user/create动作。 这可以很容易地通过配置urlManager应用程序组件来完成 如下所示
- MongoDB查询(4)——游标和分页[八]
eksliang
mongodbMongoDB游标MongoDB深分页
转载请出自出处:http://eksliang.iteye.com/blog/2177567 一、游标
数据库使用游标返回find的执行结果。客户端对游标的实现通常能够对最终结果进行有效控制,从shell中定义一个游标非常简单,就是将查询结果分配给一个变量(用var声明的变量就是局部变量),便创建了一个游标,如下所示:
> var
- Activity的四种启动模式和onNewIntent()
gundumw100
android
Android中Activity启动模式详解
在Android中每个界面都是一个Activity,切换界面操作其实是多个不同Activity之间的实例化操作。在Android中Activity的启动模式决定了Activity的启动运行方式。
Android总Activity的启动模式分为四种:
Activity启动模式设置:
<acti
- 攻城狮送女友的CSS3生日蛋糕
ini
htmlWebhtml5csscss3
在线预览:http://keleyi.com/keleyi/phtml/html5/29.htm
代码如下:
<!DOCTYPE html>
<html>
<head>
<meta charset="UTF-8">
<title>攻城狮送女友的CSS3生日蛋糕-柯乐义<
- 读源码学Servlet(1)GenericServlet 源码分析
jzinfo
tomcatWebservlet网络应用网络协议
Servlet API的核心就是javax.servlet.Servlet接口,所有的Servlet 类(抽象的或者自己写的)都必须实现这个接口。在Servlet接口中定义了5个方法,其中有3个方法是由Servlet 容器在Servlet的生命周期的不同阶段来调用的特定方法。
先看javax.servlet.servlet接口源码:
package
- JAVA进阶:VO(DTO)与PO(DAO)之间的转换
snoopy7713
javaVOHibernatepo
PO即 Persistence Object VO即 Value Object
VO和PO的主要区别在于: VO是独立的Java Object。 PO是由Hibernate纳入其实体容器(Entity Map)的对象,它代表了与数据库中某条记录对应的Hibernate实体,PO的变化在事务提交时将反应到实际数据库中。
实际上,这个VO被用作Data Transfer
- mongodb group by date 聚合查询日期 统计每天数据(信息量)
qiaolevip
每天进步一点点学习永无止境mongodb纵观千象
/* 1 */
{
"_id" : ObjectId("557ac1e2153c43c320393d9d"),
"msgType" : "text",
"sendTime" : ISODate("2015-06-12T11:26:26.000Z")
- java之18天 常用的类(一)
Luob.
MathDateSystemRuntimeRundom
System类
import java.util.Properties;
/**
* System:
* out:标准输出,默认是控制台
* in:标准输入,默认是键盘
*
* 描述系统的一些信息
* 获取系统的属性信息:Properties getProperties();
*
*
*
*/
public class Sy
- maven
wuai
maven
1、安装maven:解压缩、添加M2_HOME、添加环境变量path
2、创建maven_home文件夹,创建项目mvn_ch01,在其下面建立src、pom.xml,在src下面简历main、test、main下面建立java文件夹
3、编写类,在java文件夹下面依照类的包逐层创建文件夹,将此类放入最后一级文件夹
4、进入mvn_ch01
4.1、mvn compile ,执行后会在