张叁疯_
张叁疯_

概率与统计

这周学的很懵，这老师讲的也很潦草，勉强整理了一些ppt的笔记

需要转Github查看：阿龙的概率统计整理

主要有关于在总体方差已知和未知两种不同的情况下犯第一类错误和第二类错误的假设检验，置信区间，置信度。

第一类错误与第二类错误的区分

我不是科班出身，深入的消化吸收还需要时间，最好是多多利用这种理论。

下周还要概率统计，想想就头大。。。。。。

还要花时间继续复习之前的案例和mysql语法，希望9月10月找到好工作吧！等我(*￣︶￣)

你可能感兴趣的:(概率与统计)

  • 数学符号和标识中英文列表(含义与示例) 纸上笔下 MatheMatiCs算法数学符号英文中文微积分导数
    数学符号和标识的参考，涵盖了数学的各个主要分支，并提供清晰的定义和示例，方便快速查找和学习收藏。目录基础数学符号几何符号代数符号线性代数符号概率与统计符号集合论符号逻辑符号微积分与分析符号数字与字母符号特点中英对照：提供符号的英文术语，方便国际交流和文献阅读。应用示例：提供典型数学表达式，例如导数计算(ddx(x2)=2x\frac{d}{dx}(x^2)=2xdxd(x2)=2x)。1.基础数学
  • 【AI中的数学-人工智能的数学基石】数学：构建AI大厦的基石 云博士的AI课堂 AI中的数学人工智能AI数学AI中的数学AI数学大模型
    第一章人工智能的数学基石第四节数学：构建AI大厦的基石数学是人工智能（AI）的核心基石，贯穿于AI算法的设计、模型的构建以及系统的优化过程中。正如建筑大厦需要坚实的地基，AI的发展依赖于深厚的数学理论和方法。理解和掌握这些数学原理，不仅能够提升对AI技术的理解，还能为创新和解决复杂问题提供强有力的工具。本节将系统性地探讨支撑AI的主要数学领域，包括线性代数、微积分、概率与统计、优化理论以及离散数学
  • 程序员转向人工智能 CoderIsArt 机器学习与深度学习人工智能
    以下是针对程序员转向人工智能（AI）领域的学习路线建议，分为基础、核心技术和进阶方向，结合你的编程背景进行优化：1.夯实基础数学基础（选择性补足，边学边用）线性代数：矩阵运算、特征值、张量（深度学习基础）概率与统计：贝叶斯定理、分布、假设检验微积分：梯度、导数（优化算法核心）优化算法：梯度下降、随机梯度下降（SGD）学习资源：3Blue1Brown（视频）、《程序员的数学》系列编程工具Python
  • 【大模型学习路线首发】 AI大模型学习路线：（非常详细）AI大模型学习路线，收藏这一篇就够了！ AI大模型-大飞 人工智能学习程序员大模型学习AI大模型大模型大模型教程
    1.打好基础：数学与编程数学基础线性代数：理解矩阵、向量、特征值、特征向量等概念。推荐课程：KhanAcademy的线性代数课程、MIT的线性代数公开课。微积分：掌握导数、积分、多变量微积分等基础知识。推荐课程：KhanAcademy的微积分课程、MIT的微积分公开课。概率与统计：理解概率分布、贝叶斯定理、统计推断等概念。推荐课程：KhanAcademy的概率与统计课程、Coursera的“Pro
  • 【深度学习新浪潮】如何入门三维重建？ 小米玄戒Andrew 深度学习新浪潮图像处理基石深度学习人工智能图像处理计算机视觉python视觉几何opencv
    入门三维重建算法技术需要结合数学基础、计算机视觉理论、编程实践和项目经验，以下是系统的学习路径和建议：一、基础知识储备1.数学基础线性代数：矩阵运算、向量空间、特征分解（用于相机矩阵、变换矩阵推导）。几何基础：三维几何（点、线、面的表示）、射影几何（单应矩阵、本质矩阵、基础矩阵）、李群与李代数（SLAM中的位姿优化）。概率与统计：贝叶斯估计、概率图模型（SLAM中的状态估计）、随机过程（滤波算法如
  • AI大模型学习路线全攻略，赶紧收藏！ AI大模型-大飞 人工智能学习语言模型程序员大模型AI大模型大模型学习
    1.打好基础：数学与编程数学基础线性代数：理解矩阵、向量、特征值、特征向量等概念。推荐课程：KhanAcademy的线性代数课程、MIT的线性代数公开课。微积分：掌握导数、积分、多变量微积分等基础知识。推荐课程：KhanAcademy的微积分课程、MIT的微积分公开课。概率与统计：理解概率分布、贝叶斯定理、统计推断等概念。推荐课程：KhanAcademy的概率与统计课程、Coursera的“Pro
  • AI大模型学习路线：（非常详细）AI大模型学习路线，收藏这一篇就够了！_ai学习路线 程序员丸子 人工智能学习java大模型大语言模型语言模型程序员
    1.打好基础：数学与编程数学基础线性代数：理解矩阵、向量、特征值、特征向量等概念。推荐课程：KhanAcademy的线性代数课程、MIT的线性代数公开课。微积分：掌握导数、积分、多变量微积分等基础知识。推荐课程：KhanAcademy的微积分课程、MIT的微积分公开课。概率与统计：理解概率分布、贝叶斯定理、统计推断等概念。推荐课程：KhanAcademy的概率与统计课程、Coursera的“Pro
  • 大模型学习路线（非常详细）收藏这一篇就够了！_大模型学习路线 AGI大模型老王 人工智能产品经理AI大模型学习程序员大模型大模型学习
    1.打好基础：数学与编程数学基础线性代数：理解矩阵、向量、特征值、特征向量等概念。推荐课程：KhanAcademy的线性代数课程、MIT的线性代数公开课。微积分：掌握导数、积分、多变量微积分等基础知识。推荐课程：KhanAcademy的微积分课程、MIT的微积分公开课。概率与统计：理解概率分布、贝叶斯定理、统计推断等概念。推荐课程：KhanAcademy的概率与统计课程、Coursera的“Pro
  • AI数学进阶：60天Python实践计划（小学→进阶） 韩公子的Linux大集市 #Ai人工智能人工智能python机器学习
    文章目录AI数学进阶：60天Python实践计划（小学→进阶）60天学习计划（每日1-2小时）第1阶段：基础数学强化（Day1-15）数学知识点Python代码示例第2阶段：线性代数（Day16-25）数学知识点Python代码示例第3阶段：微积分（Day26-35）数学知识点Python代码示例第4阶段：概率与统计（Day36-50）数学知识点Python代码示例第5阶段：优化与数值计算（Day
  • 概率论全面总结 IMWTJ 概率论与数理统计机器学习
    机器学习中，很多算法的推导，需要概率和统计的很多知识。学校里学的时候，基本是囫囵吞枣，也忘得差不离了。现在复习一下，找一些概率与统计这门课的感觉。主要理解下什么是随机变量，与概率的关系，要样本干什么，等等。1.什么是古典概率？有限个可能事件，且每个事件都是等可能概率事件。这个与抽样问题，经常联系起来2.什么是几何分布、超几何分布？都是离散概率分布。是抽取问题的一种。几何分布，是描述的n重伯努利实验
  • 【人工智能】AI大模型开发数学基础指南 GIS程序媛—椰子 人工智能人工智能
    目录学习内容**1.线性代数****2.概率与统计****3.微积分****4.优化理论****5.信息论****6.数值计算****7.离散数学****8.统计学进阶****如何学习？****总结**如何学习**1.明确学习目标****2.分阶段学习计划****阶段1：夯实基础****阶段2：掌握核心工具****阶段3：进阶应用****3.结合代码实践****4.从论文和模型中学习****5.避
  • AI大模型学习路线：从入门到精通的全方面指南，一文搞定！附400g大模型全套学习教程，非常详细 AGI大模型学习 人工智能学习LLM大模型应用大模型大模型入门AI大模型
    1.打好基础：数学与编程数学基础线性代数：理解矩阵、向量、特征值、特征向量等概念。推荐课程：KhanAcademy的线性代数课程、MIT的线性代数公开课。微积分：掌握导数、积分、多变量微积分等基础知识。推荐课程：KhanAcademy的微积分课程、MIT的微积分公开课。概率与统计：理解概率分布、贝叶斯定理、统计推断等概念。推荐课程：KhanAcademy的概率与统计课程、Coursera的“Pro
  • 青少年编程与数学 02-015 大学数学知识点 09课题、专业相关性分析 明月看潮生 编程与数学第02阶段青少年编程编程与数学大学数学数据科学人工智能
    青少年编程与数学02-015大学数学知识点09课题、专业相关性分析1.计算机科学与数学1.1离散数学1.2线性代数1.3概率与统计1.4微积分2.数据科学与数学2.1线性代数2.2概率与统计2.3微积分2.4优化理论3.人工智能与数学3.1线性代数3.2概率与统计3.3微积分3.4优化理论3.5信息论4.其他数学知识点总结计算机科学、数据科学和人工智能是现代技术领域的核心学科，它们与大学数学有着密
  • 青少年编程与数学 02-014 高中数学知识点 07课题、专业相关性分析 明月看潮生 编程与数学第02阶段青少年编程编程与数学高中数学
    青少年编程与数学02-014高中数学知识点07课题、专业相关性分析一、函数与微积分1.函数与初等函数2.导数与优化二、概率与统计1.概率基础2.统计推断3.随机变量与分布三、几何与代数1.向量与矩阵运算2.复数与坐标变换四、数学建模与算法思维1.数学建模2.算法逻辑五、离散数学基础六、核心数学工具在AI/数据科学中的层级关系七、学习建议总结高中数学中的许多知识点与计算机科学、数据科学及人工智能（A
  • 计算机视觉（Computer Vision, CV）的入门到实践的详细学习路线 云梦优选 计算机数据库大数据计算机视觉学习人工智能
    一、基础准备1.数学基础线性代数深入矩阵运算，理解矩阵乘法、转置、逆等基本概念。掌握特征值与特征向量的几何意义，理解其在图像压缩、特征提取中的应用。学习奇异值分解（SVD）及其在降维和数据压缩中的具体应用。概率与统计熟悉贝叶斯定理及其在分类任务中的应用，如朴素贝叶斯分类器。理解常见概率分布（如正态分布、二项分布）及其性质。学习统计推断方法，如假设检验、置信区间估计，以评估模型性能。微积分掌握梯度、
  • 机器学习_重要知识点整理 嘉羽很烦 机器学习机器学习
    机器学习重要知识点整理一、数学与理论基础1.概率与统计术语作用使用场景概率分布描述随机变量的取值概率，如正态分布、二项分布。数据建模（如高斯分布假设）、生成模型（如贝叶斯网络）。贝叶斯定理计算条件概率，更新先验知识以获得后验概率。贝叶斯分类器、文本分类（如垃圾邮件检测）。最大似然估计（MLE）通过数据最大化似然函数，估计模型参数。线性回归、逻辑回归参数估计。假设检验判断假设是否成立（如t检验、卡方
  • python怎么安装sympy库_SymPy库常用函数 weixin_39528559
    简介SymPy是一个符号计算的Python库。它的目标是成为一个全功能的计算机代数系统，同时保持代码简洁、易于理解和扩展。它完全由Python写成，不依赖于外部库。SymPy支持符号计算、高精度计算、模式匹配、绘图、解方程、微积分、组合数学、离散数学、几何学、概率与统计、物理学等方面的功能。(来自维基百科的描述)Sympy安装方法安装命令：pipinstallsympy基本数值类型实数，有理数和整
  • 深度学习篇---深度学习相关知识点&关键名词含义 Ronin-Lotus 深度学习篇深度学习人工智能机器学习pytorchpaddlepaddlepython
    文章目录前言第一部分:相关知识点一、基础铺垫层（必须掌握的核心基础）1.数学基础•线性代数•微积分•概率与统计2.编程基础3.机器学习基础二、深度学习核心层（神经网络与训练机制）1.神经网络基础2.激活函数（ActivationFunction）3.损失函数（LossFunction）4.优化算法（Optimization）5.反向传播（Backpropagation）6.正则化与调优三、进阶模型
  • 想转行到人工智能领域，我该学什么，怎么学？ 张登杰踩 人工智能python
    转行到人工智能（AI）领域需要系统的学习和实践，以下是详细的路径建议，涵盖基础知识、技能学习、项目实践和求职准备：一、明确目标和领域方向人工智能领域广泛，建议先了解细分方向（如机器学习、深度学习、计算机视觉、自然语言处理、强化学习等），结合兴趣和职业规划选择切入点。二、构建基础知识1.数学基础线性代数：矩阵运算、特征值、向量空间。微积分：导数、梯度、优化理论。概率与统计：贝叶斯定理、分布、假设检验
  • AI需要的基础数学知识 大囚长 机器学习大模型人工智能
    AI（人工智能）涉及多个数学领域，以下是主要的基础数学知识：1.线性代数矩阵与向量：用于表示数据和模型参数。矩阵乘法：用于神经网络的前向传播。特征值与特征向量：用于降维和主成分分析（PCA）。奇异值分解（SVD）：用于数据压缩和降维。2.微积分导数与偏导数：用于优化算法（如梯度下降）。链式法则：用于反向传播算法。积分：在概率和统计中有应用。3.概率与统计概率分布：如高斯分布、伯努利分布等。贝叶斯定
  • 趣学贝叶斯统计：逻辑与二项分布 Ashleyxxihf Python与统计统计概率论开发语言Courserapython
    目录前言关键词：第三章逻辑第四章创建二项分布1.二项分布的结构2.组合学（combinatorics）3.计算期期望结果概率4.代码总结前言高中时概率与统计中，大家学过逻辑符号、二项分布。今天我们重新复习一下基本知识，系统梳理推导过程，并稍微进阶到代码和库的运用中。关键词：ANDORBUT二项分布概率质量函数（probabilitymassfunction，PMF）累计分布函数(Cumulativ
  • Python——利用sympy模块进行数学计算 Fo*(Bi) 算法python数学建模
    参考链接：SymPy简易教程SymPy库常用函数Pythonsympy模块常用功能(一）Python科学计算库SymPy初探简介SymPy是一个符号计算的Python库。它的目标是成为一个全功能的计算机代数系统，同时保持代码简洁、易于理解和扩展。它完全由Python写成，不依赖于外部库。SymPy支持符号计算、高精度计算、模式匹配、绘图、解方程、微积分、组合数学、离散数学、几何学、概率与统计、物理
  • 数理统计基础：参数估计与假设检验 _StarryNight_ 机器学习概率论
    在学习机器学习的过程中，我充分感受到概率与统计知识的重要性，熟悉相关概念思想对理解各种人工智能算法非常有意义，从而做到知其所以然。因此打算写这篇笔记，先好好梳理一下参数估计与假设检验的相关内容。1总体梳理先从整体结构上进行一个把握。数理统计的主要任务是通过样本的信息推断总体的信息，即统计推断工作。统计推断主要有两大类问题：参数估计和假设检验。它们都建立在抽样分布理论的基础之上，但角度不同。参数估计
  • 18个常见的数据分析面试题-概率统计类 可乐的数据分析之路
    总结了一些常见的概率与统计类的数据分析面试题，不定期更新......随机变量的含义一个随机事件的所有可能的值X，且每个可能值X都有确定的概率P，X就是P(X)的随机变量。比如掷骰子中出现的点数随机变量和随机试验间有什么关系随机试验：相同条件下对某随机现象进行的大量重复观测的试验，如掷硬币100次统计正面朝上的次数随机变量是用来描述随机试验结果的。划分连续型随机变量和离散型随机变量的依据离散型随机变
  • LeetCode-470. 用 Rand7() 实现 Rand10()【数学 拒绝采样 概率与统计 随机化】 旋转的油纸伞 算法题leetcode算法职场和发展拒绝采样随机化
    LeetCode-470.用Rand7实现Rand10【数学拒绝采样概率与统计随机化】题目描述：解题思路一：首先说一个结论就是`(rand_X()-1)×Y+rand_Y()==>[1,X*Y]`，即可以等概率的生成[1,X*Y]范围的随机数，其实就像军训的时候报数，Y是每一行的人数，X是列数【参考下面的图】。第二就是拒绝采样，效果是能够减少调用rand7()的调用次数。我们在利用`(rand_7
  • 概率与统计 pig250
    统计，根据过去的数据，进行归纳，做出总结（结论）比如：小新过去10年有十次创业，均失败了，推测他不适合创业。概率，根据给定的条件，做出推测比如：小新的爸爸是马化腾，推测出他创业成功的概率是99%。统计学：已知局部猜整体概率论：已知整体估局部互逆（1）演绎：从基本假设（即公理）、定理和条件顺推概率（分布），得到的是先验概率；这是概率论的主要领域，重在理论（原理）。（2）归纳：从样本的概率（分布）逆推
  • 最大似然估计与最大后验概率估计 陈城南
    概率与统计概率是已知模型、参数推数据，而统计是已知数据推模型和参数。似然和概率是两个意思很相似的词，但含义不同。相当于从不同视角理解同一个东西。对于函数，其中x为数据，为参数。若参数是确定的，数据x是未知的，则P叫概率函数。描述的是，对于不同的样本x，其出现时的概率是多少；若数据x是已知的，参数是未知的，则P就叫似然函数。描述的是，对于不同的参数，出现样本点x的概率是多少；贝叶斯公式最大似然估计已
  • 条件概率、联合概率、边缘概率的区别及独立事件、古典概型 喔就是哦噢喔 DeepLearn概率论
    深入学习机器学习、分布式算法才发现概率与统计，线代都很重要，下面我简单串一下如题目所示的知识第一步：P(A|B)是在条件B发生的情况下A发生的概率，P(AB)是条件A与B同时发生的概率。关于条件概率、联合概率的例子我在最后一步骤举出，如独立事件和古典概型都懂，则请跳至最后一步看例子先记牢靠公式：在这里，可以按照下图来理解：P(AB)等于图中的A交B的部分的概率，而P(A|B)等于A交B的面积的占B
  • GeoGebra：数学动画制作工具重磅来袭 人工智能大讲堂 学习资料线性代数机器学习数学可视化工具
    【线性代数】线性代数可视化工具：manimmanim是之前我跟大家分享的一个线性代数动画制作工具。但我之前的描述有些许偏差，这里要更正一下，manim不仅限于制作线性代数动画，也可以制作数学其他学科的动画，例如微积分，概率与统计等等，甚至还可以制作物理动画。今天跟大家分享的GeoGebra同样是一个数学动画制作工具，既然有manim为什么还要介绍GeoGebra呢？这要从manim的自身的特点说起
  • 2021单招十类计算机试题,2021年河北省高职单招考试十类和高职单招对口电子电工类、对口计算机类联考文化素质考试（数学）考试大纲... 这件事情足够自信 2021单招十类计算机试题
    2021年河北省高职单招考试十类和高职单招对口电子电工类、对口计算机类联考文化素质考试(数学)考试大纲一、考试总体要求单招数学学科考试旨在测试中学数学基础知识、基本技能、基本方法，考查数学思维能力、归纳抽象、符号表示、运算求解以及运用所学数学知识和方法分析问题和解决问题的能力。复习考试范围包括代数、三角、平面解析几何和概率与统计初步四部分。考试内容的知识要求和能力要求作如下说明：(一)知识要求1.
  • jQuery 键盘事件keydown ,keypress ,keyup介绍 107x jsjquerykeydownkeypresskeyup
    本文章总结了下些关于jQuery 键盘事件keydown ,keypress ,keyup介绍，有需要了解的朋友可参考。 一、首先需要知道的是： 1、keydown() keydown事件会在键盘按下时触发. 2、keyup()  代码如下 复制代码 $('input').keyup(funciton(){      
  • AngularJS中的Promise bijian1013 JavaScriptAngularJSPromise
    一.Promise         Promise是一个接口，它用来处理的对象具有这样的特点：在未来某一时刻（主要是异步调用）会从服务端返回或者被填充属性。其核心是，promise是一个带有then()函数的对象。         为了展示它的优点，下面来看一个例子，其中需要获取用户当前的配置文件： var cu
  • c++ 用数组实现栈类 CrazyMizzz 数据结构C++
    #include<iostream> #include<cassert> using namespace std; template<class T, int SIZE = 50> class Stack{ private: T list[SIZE];//数组存放栈的元素 int top;//栈顶位置 public: Stack(
  • java和c语言的雷同 麦田的设计者 java递归scaner
    软件启动时的初始化代码，加载用户信息2015年5月27号 从头学java二 1、语言的三种基本结构：顺序、选择、循环。废话不多说，需要指出一下几点：      a、return语句的功能除了作为函数返回值以外，还起到结束本函数的功能，return后的语句 不会再继续执行。      b、for循环相比于whi
  • LINUX环境并发服务器的三种实现模型 被触发 linux
    服务器设计技术有很多，按使用的协议来分有TCP服务器和UDP服务器。按处理方式来分有循环服务器和并发服务器。 1  循环服务器与并发服务器模型 在网络程序里面，一般来说都是许多客户对应一个服务器，为了处理客户的请求，对服务端的程序就提出了特殊的要求。 目前最常用的服务器模型有： ·循环服务器：服务器在同一时刻只能响应一个客户端的请求 ·并发服务器：服
  • Oracle数据库查询指令 肆无忌惮_ oracle数据库
    20140920   单表查询 -- 查询************************************************************************************************************ -- 使用scott用户登录   -- 查看emp表   desc emp  
  • ext右下角浮动窗口 知了ing JavaScriptext
    第一种 <!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd"> <html xmlns="http://www.w3.org/1999/
  • 浅谈REDIS数据库的键值设计 矮蛋蛋 redis
    http://www.cnblogs.com/aidandan/ 原文地址：http://www.hoterran.info/redis_kv_design 丰富的数据结构使得redis的设计非常的有趣。不像关系型数据库那样，DEV和DBA需要深度沟通，review每行sql语句，也不像memcached那样，不需要DBA的参与。redis的DBA需要熟悉数据结构，并能了解使用场景。
  • maven编译可执行jar包 alleni123 maven
    http://stackoverflow.com/questions/574594/how-can-i-create-an-executable-jar-with-dependencies-using-maven <build> <plugins> <plugin> <artifactId>maven-asse
  • 人力资源在现代企业中的作用 百合不是茶 HR 企业管理
    //人力资源在在企业中的作用人力资源为什么会存在，人力资源究竟是干什么的 人力资源管理是对管理模式一次大的创新，人力资源兴起的原因有以下点： 工业时代的国际化竞争，现代市场的风险管控等等。所以人力资源 在现代经济竞争中的优势明显的存在，人力资源在集团类公司中存在着 明显的优势(鸿海集团)，有一次笔者亲自去体验过红海集团的招聘，只 知道人力资源是管理企业招聘的 当时我被招聘上了，当时给我们培训 的人
  • Linux自启动设置详解 bijian1013 linux
    linux有自己一套完整的启动体系，抓住了linux启动的脉络，linux的启动过程将不再神秘。 阅读之前建议先看一下附图。 本文中假设inittab中设置的init tree为： /etc/rc.d/rc0.d /etc/rc.d/rc1.d /etc/rc.d/rc2.d /etc/rc.d/rc3.d /etc/rc.d/rc4.d /etc/rc.d/rc5.d /etc
  • Spring Aop Schema实现 bijian1013 javaspringAOP
    本例使用的是Spring2.5 1.Aop配置文件spring-aop.xml <?xml version="1.0" encoding="UTF-8"?> <beans xmlns="http://www.springframework.org/schema/beans" xmln
  • 【Gson七】Gson预定义类型适配器 bit1129 gson
    Gson提供了丰富的预定义类型适配器，在对象和JSON串之间进行序列化和反序列化时，指定对象和字符串之间的转换方式，   DateTypeAdapter   public final class DateTypeAdapter extends TypeAdapter<Date> { public static final TypeAdapterFacto
  • 【Spark八十八】Spark Streaming累加器操作（updateStateByKey) bit1129 update
    在实时计算的实际应用中，有时除了需要关心一个时间间隔内的数据，有时还可能会对整个实时计算的所有时间间隔内产生的相关数据进行统计。 比如： 对Nginx的access.log实时监控请求404时，有时除了需要统计某个时间间隔内出现的次数，有时还需要统计一整天出现了多少次404，也就是说404监控横跨多个时间间隔。   Spark Streaming的解决方案是累加器，工作原理是，定义
  • linux系统下通过shell脚本快速找到哪个进程在写文件 ronin47
    一个文件正在被进程写 我想查看这个进程 文件一直在增大 找不到谁在写 使用lsof也没找到 这个问题挺有普遍性的，解决方法应该很多，这里我给大家提个比较直观的方法。 linux下每个文件都会在某个块设备上存放，当然也都有相应的inode, 那么透过vfs.write我们就可以知道谁在不停的写入特定的设备上的inode。 幸运的是systemtap的安装包里带了inodewatch.stp，位
  • java-两种方法求第一个最长的可重复子串 bylijinnan java算法
    import java.util.Arrays; import java.util.Collections; import java.util.List; public class MaxPrefix { public static void main(String[] args) { String str="abbdabcdabcx";
  • Netty源码学习-ServerBootstrap启动及事件处理过程 bylijinnan javanetty
    Netty是采用了Reactor模式的多线程版本，建议先看下面这篇文章了解一下Reactor模式： http://bylijinnan.iteye.com/blog/1992325 Netty的启动及事件处理的流程，基本上是按照上面这篇文章来走的 文章里面提到的操作，每一步都能在Netty里面找到对应的代码 其中Reactor里面的Acceptor就对应Netty的ServerBo
  • servelt filter listener 的生命周期 cngolon filterlistenerservelt生命周期
    1. servlet    当第一次请求一个servlet资源时，servlet容器创建这个servlet实例，并调用他的 init(ServletConfig config)做一些初始化的工作，然后调用它的service方法处理请求。当第二次请求这个servlet资源时，servlet容器就不在创建实例，而是直接调用它的service方法处理请求，也就是说
  • jmpopups获取input元素值 ctrain JavaScript
    jmpopups 获取弹出层form表单 首先，我有一个div，里面包含了一个表单，默认是隐藏的，使用jmpopups时，会弹出这个隐藏的div，其实jmpopups是将我们的代码生成一份拷贝。 当我直接获取这个form表单中的文本框时，使用方法：$('#form input[name=test1]').val()；这样是获取不到的。 我们必须到jmpopups生成的代码中去查找这个值，$(
  • vi查找替换命令详解 daizj linux正则表达式替换查找vim
    一、查找 查找命令 /pattern<Enter> ：向下查找pattern匹配字符串 ?pattern<Enter>：向上查找pattern匹配字符串 使用了查找命令之后，使用如下两个键快速查找： n：按照同一方向继续查找 N：按照反方向查找 字符串匹配 pattern是需要匹配的字符串，例如： 1:  /abc<En
  • 对网站中的js,css文件进行打包 dcj3sjt126com PHP打包
    一，为什么要用smarty进行打包 apache中也有给js,css这样的静态文件进行打包压缩的模块，但是本文所说的不是以这种方式进行的打包，而是和smarty结合的方式来把网站中的js,css文件进行打包。 为什么要进行打包呢，主要目的是为了合理的管理自己的代码 。现在有好多网站，你查看一下网站的源码的话，你会发现网站的头部有大量的JS文件和CSS文件，网站的尾部也有可能有大量的J
  • php Yii: 出现undefined offset 或者 undefined index解决方案 dcj3sjt126com undefined
    在开发Yii 时，在程序中定义了如下方式：        if($this->menuoption[2] === 'test')，那么在运行程序时会报：undefined offset:2，这样的错误主要是由于php.ini 里的错误等级太高了，在windows下错误等级
  • linux 文件格式（1） sed工具 eksliang linuxlinux sed工具sed工具linux sed详解
    转载请出自出处： http://eksliang.iteye.com/blog/2106082 简介       sed 是一种在线编辑器，它一次处理一行内容。处理时，把当前处理的行存储在临时缓冲区中，称为“模式空间”（pattern space），接着用sed命令处理缓冲区中的内容，处理完成后，把缓冲区的内容送往屏幕。接着处理下一行，这样不断重复，直到文件末尾
  • Android应用程序获取系统权限 gqdy365 android
    引用 如何使Android应用程序获取系统权限         第一个方法简单点，不过需要在Android系统源码的环境下用make来编译：         1. 在应用程序的AndroidManifest.xml中的manifest节点
  • HoverTree开发日志之验证码 hvt .netC#asp.nethovertreewebform
    HoverTree是一个ASP.NET的开源CMS，目前包含文章系统，图库和留言板功能。代码完全开放，文章内容页生成了静态的HTM页面，留言板提供留言审核功能，文章可以发布HTML源代码，图片上传同时生成高品质缩略图。推出之后得到许多网友的支持，再此表示感谢！留言板不断收到许多有益留言，但同时也有不少广告，因此决定在提交留言页面增加验证码功能。ASP.NET验证码在网上找，如果不是很多，就是特别多
  • JSON API：用 JSON 构建 API 的标准指南中文版 justjavac json
    译文地址：https://github.com/justjavac/json-api-zh_CN 如果你和你的团队曾经争论过使用什么方式构建合理 JSON 响应格式， 那么 JSON API 就是你的 anti-bikeshedding 武器。 通过遵循共同的约定，可以提高开发效率，利用更普遍的工具，可以是你更加专注于开发重点：你的程序。 基于 JSON API 的客户端还能够充分利用缓存，
  • 数据结构随记_2 lx.asymmetric 数据结构笔记
    第三章 栈与队列 一．简答题 1. 在一个循环队列中，队首指针指向队首元素的  前一个    位置。  2.在具有n个单元的循环队列中，队满时共有  n-1  个元素。  3. 向栈中压入元素的操作是先  移动栈顶指针&n
  • Linux下的监控工具dstat 网络接口 linux
    1) 工具说明dstat是一个用来替换 vmstat,iostat netstat,nfsstat和ifstat这些命令的工具, 是一个全能系统信息统计工具. 与sysstat相比, dstat拥有一个彩色的界面, 在手动观察性能状况时, 数据比较显眼容易观察; 而且dstat支持即时刷新, 譬如输入dstat 3, 即每三秒收集一次, 但最新的数据都会每秒刷新显示. 和sysstat相同的是,
  • C 语言初级入门--二维数组和指针 1140566087 二维数组c/c++指针
    /* 二维数组的定义和二维数组元素的引用 二维数组的定义： 当数组中的每个元素带有两个下标时，称这样的数组为二维数组； (逻辑上把数组看成一个具有行和列的表格或一个矩阵); 语法： 类型名 数组名[常量表达式1][常量表达式2] 二维数组的引用： 引用二维数组元素时必须带有两个下标，引用形式如下： 例如： int a[3][4];  引用：
  • 10点睛Spring4.1-Application Event wiselyman application
    10.1 Application Event Spring使用Application Event给bean之间的消息通讯提供了手段 应按照如下部分实现bean之间的消息通讯 继承ApplicationEvent类实现自己的事件 实现继承ApplicationListener接口实现监听事件 使用ApplicationContext发布消息
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他