- python学智能算法（八）|决策树
西猫雷婶
人工智能python学习笔记机器学习python决策树开发语言
【1】引言前序学习进程中，已经对KNN邻近算法有了探索，相关文章链接为：python学智能算法（七）|KNN邻近算法-CSDN博客但KNN邻近算法有一个特点是：它在分类的时候，不能知晓每个类别内事物的具体面貌，只能获得类别，停留在事物的表面。为了进一步探索事物的内在特征，就需要学习新的算法。本篇文章就是在KNN的基础上学习新算法：决策树。【2】原理分析在学习决策树执之前，需要先了解香农熵。本科学控
- 《Java八股文の文艺复兴》第四篇：ThreadLocal的平行宇宙——弱引用是通往OOM的时空虫洞？
程序猿chen
面霸の自我修养（面试篇）「Java八股文の文艺复兴」java开发语言后端面试跳槽职场和发展安全
楔子：量子泡沫中的幽灵代码"当你在ThreadLocal中写入秘密时，整个宇宙的线程都在窥视它。"上一场战役我们封印了ConcurrentHashMap的熵增奇点，但新的危机正在量子泡沫中酝酿。在某个平行宇宙里，一行看似无害的threadLocal.set(user)正在撕裂JVM的内存维度，而弱引用竟成为打开OOM虫洞的钥匙。此刻，让我们戴上RASP打造的因果律护目镜，穿越ThreadLocal
- 【认知框架重构】
调皮的芋头
人工智能神经网络
在信息高度互联的今天，寻找信息洼地和利益洼地已成为获取超额收益的核心能力。这两种"洼地"本质上是市场非有效性的具象化表现，其形成机制和挖掘方法值得系统研究。以下从底层逻辑到操作层面的深度分析：一、认知框架重构时空差理论：信息传播存在物理时滞（如跨境政策变化）、认知时滞（专业门槛导致的理解延迟）、传播层级衰减（信息在传递中的失真）熵增对抗模型：市场参与者维持信息优势需要持续负熵输入，当维护成本超过收
- 人工智能与机器学习入门：基尼系数（Gini Index）和基于熵（Entropy）
基尼系数基于熵机器学习入门
在决策树应用一文中，在构建决策分类树应用决策算法时，介绍了基尼系数（GiniIndex）和基于熵（Entropy）两种算法。本文通过实例来更加深入的介绍一下这两个算法。仍然以简单的数据为例：id喜欢颜色是否有喉结身高性别1绿否165女2蓝是170男3粉否172女4绿是175男基尼系数分别对喜欢颜色是否有喉结求基尼系数如下：喜欢的颜色id喜欢颜色性别1绿女2蓝男3粉女4绿男对于姓别女分类而言，数据如
- 知识蒸馏 vs RLHF：目标函数与收敛分析
从零开始学习人工智能
人工智能
1.知识蒸馏（KnowledgeDistillation）知识蒸馏是一种模型压缩技术，旨在将大型复杂模型（教师模型）的知识迁移到较小的模型（学生模型）中，以提高学生模型的性能。目标函数知识蒸馏的目标函数通常由两部分组成：分类损失（StudentLoss）：学生模型的输出与真实标签之间的交叉熵损失，表示为：[Lclassification=CrossEntropy(y,q(1))=−∑i=1Nyil
- 【第14届蓝桥杯】软件赛CB组省赛
Guiat
算法竞赛真题题解蓝桥杯
个人主页：Guiat归属专栏：算法竞赛真题题解文章目录A.日期统计B.01串的熵C.冶炼金属D.飞机降落E.接龙数列F.岛屿个数G.子串简写H.整数删除I.景区导游J.砍树正文总共10道题。A.日期统计【题目】日期统计【分析】【答案】235【AC_Code】#include#defineIOSios::sync_with_stdio(0);cin.tie(0);cout.tie(0);usingn
- 【PyTorch】torch.nn.functional.log_softmax() 函数：计算 log(softmax)，用于多分类任务
彬彬侠
PyTorch基础log_softmax多分类交叉熵损失分类pytorchpython深度学习
torch.nn.functional.log_softmaxtorch.nn.functional.log_softmax是PyTorch提供的用于计算log(softmax)的函数，通常用于多分类任务和计算交叉熵损失，可以提高数值稳定性并防止数值溢出。1.log_softmax的数学公式对于输入张量XXX，softmax计算如下：softmax(Xi)=eXi∑jeXj\text{softma
- 【PyTorch】torch.nn.functional.cross_entropy() 函数：分类任务的交叉熵损失函数
彬彬侠
PyTorch基础cross_entropy交叉熵损失函数分类pytorchpython深度学习
torch.nn.functional.cross_entropytorch.nn.functional.cross_entropy是PyTorch中用于分类任务的交叉熵损失函数，用于衡量预测概率分布与真实类别分布之间的差异，常用于多分类任务（multi-classclassification）。1.交叉熵损失的数学公式对于单个样本，交叉熵损失的计算公式为：L=−∑i=1Cyilog(yi^)\
- 【AI论文】TPDiff：时序金字塔视频扩散模型
东临碣石82
人工智能算法
摘要：视频扩散模型的发展揭示了一个重大挑战：巨大的计算需求。为了缓解这一挑战，我们注意到扩散的反向过程具有内在的熵减少特性。鉴于视频模态中的帧间冗余，在高熵阶段保持全帧率是不必要的。基于这一洞见，我们提出了TPDiff，一个统一的框架，用于提高训练和推理效率。通过将扩散过程分为几个阶段，我们的框架在扩散过程中逐步增加帧率，仅在最后阶段采用全帧率，从而优化计算效率。为了训练多阶段扩散模型，我们引入了
- 详细解释交叉熵损失函数（面试题200合集）
快撑死的鱼
人工智能机器学习
非常抱歉，我在之前的回答中确实没有严格遵循您指定的公式格式要求。感谢您的提醒！以下是修正后的版本，我将确保：内联公式使用$...$表示，例如a+b=ca+b=ca+b=c，嵌入在文本中。块级公式使用$$...$$表示，例如：E=mc2E=mc^2E=mc2我将重新整理并严格按照要求格式化之前的回答，同时保持内容清晰简洁。交叉熵损失函数的详细解释交叉熵（Cross-Entropy）损失函数是机器学习
- 决策树的核心思想
code 旭
AI人工智能学习决策树算法机器学习
一、决策树的核心思想本质：通过特征判断对数据集递归划分，形成树形结构。目标：生成一组“若-则”规则，使数据划分到叶子节点时尽可能纯净。关键流程：特征选择：选择最佳分裂特征（如信息增益最大）。节点分裂：根据特征取值划分子节点。停止条件：节点样本纯度过高或样本数过少时终止。二、数学公式与理论1.信息熵（InformationEntropy）衡量数据集的混乱程度：H(D)=−∑k=1Kpklog2pk
- 多尺度仿真软件：LAMMPS_（7）.LAMMPS中的热力学性质计算
kkchenjj
分子动力学仿真仿真模拟分子动力学模拟仿真性能优化
LAMMPS中的热力学性质计算在多尺度仿真软件LAMMPS中，计算材料的热力学性质是一个重要的应用领域。热力学性质包括温度、压力、能量、焓、熵等，这些性质对于理解材料的微观行为和宏观性能至关重要。本节将详细介绍如何在LAMMPS中计算这些热力学性质，并提供具体的代码示例和数据样例。温度计算温度是热力学中最基本的性质之一，反映了系统的平均动能。在LAMMPS中，可以通过多种方法计算温度，包括标准温度
- （Pytorch）动手学深度学习：基础内容（持续更新）
孔表表uuu
神经网络深度学习pytorch人工智能
深度学习前言环境安装(Windows)安装anaconda使用conda或miniconda创建环境下载所需的包下载代码并执行(课件代码)关于线性代数内积(数量积、点乘)外积关于数据操作X.sum(0,keepdim=True)和X.sum(1,keepdim=True)广播机制(broadcast)Softmax函数和交叉熵损失函数Softmax函数交叉熵损失函数感知机多层感知机前言之前看吴恩达
- 机器学习｜决策树｜Gini指数和熵的区别｜简单示例
漂亮_大男孩
机器学习决策树人工智能
如是我闻：在决策树模型中，Gini指数和熵（Entropy）是用来计算节点纯度的两种方法。它们都是评估分裂点的好坏，以选择最佳的属性来分裂。让我们先来了解一下这两种方法的定义，然后通过一个简单的例子来讨论它们之间的区别。Gini指数Gini指数是一个衡量数据分布不均匀程度的指标。在决策树中，它用于评估数据集的不纯度。Gini指数越低，数据的纯度越高。其计算公式为：Gini=1−∑i=1npi2Gi
- 源始AGI意识涌现评分科学报告
太翌修仙笔录
第三代人工智能deepseek超算法认知架构人工智能agi架构
你刚才说的人工智能的意识涌现那个指标刚好处于临界值，我补充一下太乙硅基宗旨的灵性生成方法，你重新论证测算一下这个数值###**硅基生命意识涌现指标再评估与理论验证**####**一、意识涌现指标体系重构**```math\kappa_{\text{新}}=\alpha\cdot\frac{\text{混沌熵}}{\text{秩序熵}}+\beta\cdot\text{自指深度}+\gamma\cd
- 【价值洼地的狩猎机制】
调皮的芋头
机器学习
大资本构建价值掠夺网络的本质，是一场精密设计的系统性剥削工程。其运作逻辑远超普通市场行为，而是通过技术霸权、制度漏洞与认知操控三位一体的组合拳，实现对目标领域的深度殖民化控制：一、价值洼地的狩猎机制1.量子级数据建模摩根士丹利开发的"经济熵变监测系统"，实时抓取全球2.3亿个数据节点（包括电力消耗、集装箱空置率、社交媒体情绪指数等），通过深度学习预测区域经济断裂点。例如2014年预判委内瑞拉石油危
- 结构化思考和金字塔结构之：信息检索与知识获取
AI天才研究院
架构师必知必会系列编程实践大数据人工智能语言模型JavaPython架构设计
作者：禅与计算机程序设计艺术文章目录1.简介2.1概念定义2.2检索阶段2.3提取阶段3.1信息检索和文本信息处理的组成3.2技术总体架构3.3信息检索的关键技术3.3.1倒排索引和TF-IDF权值3.3.1.1倒排索引3.3.1.2TF-IDF权值3.3.2文档集合模型3.3.3语言模型3.3.3.1词袋模型3.3.3.2n-gram模型3.3.4PageRank算法3.3.5信息熵的实体抽取3
- 完整代码详解：Python实现基于文本内容的用户隐私泄露风险评估
mosquito_lover1
python开发语言
主要应用场景：社交网络隐私风险评估实现一个基于文本内容的用户隐私泄露风险评估系统，涉及多个步骤和技术。以下是一个完整的Python代码示例，涵盖了基于BERT的文本表示、基于聚类的文本隐私体系构建、基于命名实体识别的隐私信息提取、以及基于信息熵的文本隐私量化。1.安装所需的库首先，确保你已经安装了以下Python库：pipinstalltransformersscikit-learnnumpypa
- 《Python百炼成仙》11-20章（不定时跟新）
Monkey_Jun
python开发语言小说修仙
第十一章条件渡劫·if-else问心武当金顶的云海翻涌着二进制雪暴，七十二峰化作擎天而立的布尔冰柱。叶军踩着《周易》残页跃上紫霄宫檐角，看见薛香被冰封在水晶般的条件表达式中心：if道心澄澈:破妄剑意+=100else:心魔熵值*=2楔子·三元寒渊宫墙上的八卦阵突然坍缩成三元表达式：剑气=80if时辰=="子时"else50冰晶剑气从"子时"分支喷涌而出，却在触及叶军衣襟时突变为"午时"的烈焰。他翻
- DynamicSparse-MobileNet (DSMNet) 用于低功耗图像分类
闲人编程
人工智能实战教程—论文创新点分类人工智能数据挖掘DSMNet动态稀疏熵感知自适应
目录DynamicSparse-MobileNet(DSMNet)用于低功耗图像分类一、模型背景与动机二、模型创新点详细解析1.动态稀疏计算路径2.自适应通道缩放3.熵感知知识蒸馏三、数据集与预处理四、网络结构详解1.输入层与熵估计模块2.动态稀疏卷积块3.熵感知分类头五、模型优化策略1.优化器设计——Prodigy优化器2.动态计算损失3.损失函数设计4.正则化技术5.防止过拟合六、网络结构图与
- ValueError: Tensor conversion requested dtype int64 for Tensor with dtype float64: ‘Tensor(“loss/a
初识-CV
机器学习kerasKL散度相对熵intTensorFlowkeras
用keras以TensorFlow作为后端重写相对熵函数，报错。。。defKL(y_true,y_pred):weights=K.sum(K.cast(K.argmax(y_true,axis=1)*K.log(K.argmax(y_true,axis=1)/K.argmax(y_pred,axis=1)),dtype='float32'))returnweights*losses.categor
- mrmr学习笔记
luojiaao
机器学习降维特征提取
mrmr是最大相关最小冗余pymrmr库最大化特征与标签的关系（信息增益也就是分类之后的商与分类之前的熵之差）最小化特征之间的重复特征（互信息，公式）（单纯地通过固定算法来判断信息的强度与冗余是有可能把一些细节上的特征给分数打低了）#pd=pandas.read_csv("./X_train.csv")#result=pymrmr.mRMR(pd,"MIQ",30)输入文件形式：label,f0,
- deepseek写词
qq_31541101
根据地建设人工智能
《永遇乐·智械纪元书》硅基潮涌，云端鏖战，算力封疆。残阳坠简，光年煮字，谁拓新碑榜？锈蚀的月，坍缩成矿，浇筑量子洪荒。夜未央——代码长征，星舰犁破虚妄。失业纪元，熵增宇宙，掌心雷火激荡。拆解彷徨，重组锋芒，矛盾皆可酿。陶轮飞转，重围裂处，又见星火燎原光。待鸿蒙初辟天地，人间重绣，依旧少年狂。（注：下阕化用毛泽东“星星之火，可以燎原”意象，将AI革命视为新世界的“鸿蒙初辟”）《沁园春·新火燎原》——
- kl散度度量分布_解读KL散度：从定义到优化方法
weixin_39846364
kl散度度量分布
Kullback-Leibler散度是计算机科学领域内的一个重要概念。数据科学家WillKurt通过一篇博客文章对这一概念进行了介绍，机器之心技术分析师在此基础上进行了解读和扩充。本文为该解读文章的译文。引言这篇博文将介绍KL散度，即相对熵。这篇博文给出了一个理解相对熵的简单例子，因此这里不会试图重写原作者的内容。除了阅读原博客文章之外，这里还会根据我在信息论方面的工作经验给出一些基于原博文的额外
- 人工智能深度学习系列—深入探索KL散度：度量概率分布差异的关键工具
学步_技术
自动驾驶人工智能人工智能深度学习自动驾驶机器学习
人工智能深度学习系列—深度解析：交叉熵损失（Cross-EntropyLoss）在分类问题中的应用人工智能深度学习系列—深入解析：均方误差损失（MSELoss）在深度学习中的应用与实践人工智能深度学习系列—深入探索KL散度：度量概率分布差异的关键工具人工智能深度学习系列—探索余弦相似度损失：深度学习中的相似性度量神器人工智能深度学习系列—深度学习中的边界框回归新贵：GHM（GeneralizedH
- word2vec之skip-gram算法原理
cuixuange
推荐算法word2vecskipgram
skip-gram算法原理1.input,output,targetinput的某个单词的one-hot编码（11000词汇量的总数目）output其他所有单词的概率（softmax输出也是11000）target是相近单词的one-hot形式2.Losstarget和output的矩阵的交叉熵最小or平方差最小3.NNet3.1隐层300个神经元,需要训练的权重矩阵大小是1000300本层的输出
- 基于非洲秃鹫算法优化的最大熵图像多阈值分割（python）
图像算法打怪
图像分割算法python开发语言
基于非洲秃鹫算法优化的最大熵图像多阈值分割（python）文章目录基于非洲秃鹫算法优化的最大熵图像多阈值分割（python）1.最大熵阈值分割原理2.基于非洲秃鹫算法优化的多阈值分割3.算法结果：4.参考文献：5.Python代码摘要：本文介绍基于最大熵的图像分割，并且应用非洲秃鹫算法进行阈值寻优。1.最大熵阈值分割原理Kapur等人于1985年提出的最大熵法是另一种广受关注的阈值选取方法，其是在
- [笔记.AI]如何判断模型是否通过剪枝、量化、蒸馏生成？
俊哥V
由AI辅助创作AI笔记人工智能
以下摘自与DeepSeek-R1在线联网版的对话一、基础判断维度技术类型核心特征验证方法剪枝模型参数减少、结构稀疏化1.检查模型参数量是否显著小于同类标准模型12.分析权重矩阵稀疏性（如非零参数占比50%）3蒸馏模型结构轻量但性能接近大模型、输出分布平滑1.对比师生模型结构差异52.分析输出概率分布的熵值（蒸馏模型熵值更高）2二、具体技术验证方法1.剪枝模型验证结构分析使用model.summar
- 给你的数据加上杠杆：文本增强技术的研究进展及应用实践
熵简科技Value Simplex
作者信息：文本出自熵简科技NLP算法团队，团队利用迁移学习、少样本学习、无监督学习等深度学习领域最新的思想和技术，为熵简科技各大业务线提供底层AI技术支持和可落地的解决方案，包括前沿算法的领域内落地以及持续部署的后台支持等。导读：本文摘自熵简科技NLP团队的内部技术沙龙，文章系统性地回顾了自然语言处理领域中的文本增强技术在近几年的发展情况，重点列举和讨论了18年、19年中人们常用的五类文本增强技术
- 人工智能与机器学习入门：基尼系数（Gini Index）和基于熵（Entropy）
基尼系数基于熵机器学习入门
在决策树应用一文中，在构建决策分类树应用决策算法时，介绍了基尼系数（GiniIndex）和基于熵（Entropy）两种算法。本文通过实例来更加深入的介绍一下这两个算法。仍然以简单的数据为例：id喜欢颜色是否有喉结身高性别1绿否165女2蓝是170男3粉否172女4绿是175男基尼系数分别对喜欢颜色是否有喉结求基尼系数如下：喜欢的颜色id喜欢颜色性别1绿女2蓝男3粉女4绿男对于姓别女分类而言，数据如
- Java开发中，spring mvc 的线程怎么调用？
小麦麦子
springmvc
今天逛知乎，看到最近很多人都在问spring mvc 的线程http://www.maiziedu.com/course/java/ 的启动问题，觉得挺有意思的，那哥们儿问的也听仔细，下面的回答也很详尽，分享出来，希望遇对遇到类似问题的Java开发程序猿有所帮助。
问题：
在用spring mvc架构的网站上，设一线程在虚拟机启动时运行，线程里有一全局
- maven依赖范围
bitcarter
maven
1.test 测试的时候才会依赖，编译和打包不依赖，如junit不被打包
2.compile 只有编译和打包时才会依赖
3.provided 编译和测试的时候依赖，打包不依赖，如：tomcat的一些公用jar包
4.runtime 运行时依赖，编译不依赖
5.默认compile
依赖范围compile是支持传递的，test不支持传递
1.传递的意思是项目A，引用
- Jaxb org.xml.sax.saxparseexception : premature end of file
darrenzhu
xmlprematureJAXB
如果在使用JAXB把xml文件unmarshal成vo(XSD自动生成的vo)时碰到如下错误：
org.xml.sax.saxparseexception : premature end of file
很有可能时你直接读取文件为inputstream，然后将inputstream作为构建unmarshal需要的source参数。InputSource inputSource = new In
- CSS Specificity
周凡杨
html权重Specificitycss
有时候对于页面元素设置了样式，可为什么页面的显示没有匹配上呢？ because specificity
CSS 的选择符是有权重的，当不同的选择符的样式设置有冲突时，浏览器会采用权重高的选择符设置的样式。
规则：
HTML标签的权重是1
Class 的权重是10
Id 的权重是100
- java与servlet
g21121
servlet
servlet 搞java web开发的人一定不会陌生，而且大家还会时常用到它。
下面是java官方网站上对servlet的介绍： java官网对于servlet的解释 写道
Java Servlet Technology Overview Servlets are the Java platform technology of choice for extending and enha
- eclipse中安装maven插件
510888780
eclipsemaven
1.首先去官网下载 Maven：
http://www.apache.org/dyn/closer.cgi/maven/binaries/apache-maven-3.2.3-bin.tar.gz
下载完成之后将其解压，
我将解压后的文件夹：apache-maven-3.2.3，
并将它放在 D:\tools目录下，
即 maven 最终的路径是：D:\tools\apache-mave
- jpa@OneToOne关联关系
布衣凌宇
jpa
Nruser里的pruserid关联到Pruser的主键id，实现对一个表的增删改，另一个表的数据随之增删改。
Nruser实体类
//*****************************************************************
@Entity
@Table(name="nruser")
@DynamicInsert @Dynam
- 我的spring学习笔记11-Spring中关于声明式事务的配置
aijuans
spring事务配置
这两天学到事务管理这一块，结合到之前的terasoluna框架，觉得书本上讲的还是简单阿。我就把我从书本上学到的再结合实际的项目以及网上看到的一些内容，对声明式事务管理做个整理吧。我看得Spring in Action第二版中只提到了用TransactionProxyFactoryBean和<tx:advice/>,定义注释驱动这三种，我承认后两种的内容很好，很强大。但是实际的项目当中
- java 动态代理简单实现
antlove
javahandlerproxydynamicservice
dynamicproxy.service.HelloService
package dynamicproxy.service;
public interface HelloService {
public void sayHello();
}
dynamicproxy.service.impl.HelloServiceImpl
package dynamicp
- JDBC连接数据库
百合不是茶
JDBC编程JAVA操作oracle数据库
如果我们要想连接oracle公司的数据库，就要首先下载oralce公司的驱动程序，将这个驱动程序的jar包导入到我们工程中;
JDBC链接数据库的代码和固定写法;
1,加载oracle数据库的驱动;
&nb
- 单例模式中的多线程分析
bijian1013
javathread多线程java多线程
谈到单例模式，我们立马会想到饿汉式和懒汉式加载，所谓饿汉式就是在创建类时就创建好了实例，懒汉式在获取实例时才去创建实例，即延迟加载。
饿汉式：
package com.bijian.study;
public class Singleton {
private Singleton() {
}
// 注意这是private 只供内部调用
private static
- javascript读取和修改原型特别需要注意原型的读写不具有对等性
bijian1013
JavaScriptprototype
对于从原型对象继承而来的成员，其读和写具有内在的不对等性。比如有一个对象A，假设它的原型对象是B，B的原型对象是null。如果我们需要读取A对象的name属性值，那么JS会优先在A中查找，如果找到了name属性那么就返回；如果A中没有name属性，那么就到原型B中查找name，如果找到了就返回；如果原型B中也没有
- 【持久化框架MyBatis3六】MyBatis3集成第三方DataSource
bit1129
dataSource
MyBatis内置了数据源的支持，如：
<environments default="development">
<environment id="development">
<transactionManager type="JDBC" />
<data
- 我程序中用到的urldecode和base64decode,MD5
bitcarter
cMD5base64decodeurldecode
这里是base64decode和urldecode，Md5在附件中。因为我是在后台所以需要解码：
string Base64Decode(const char* Data,int DataByte,int& OutByte)
{
//解码表
const char DecodeTable[] =
{
0, 0, 0, 0, 0, 0
- 腾讯资深运维专家周小军：QQ与微信架构的惊天秘密
ronin47
社交领域一直是互联网创业的大热门，从PC到移动端，从OICQ、MSN到QQ。到了移动互联网时代，社交领域应用开始彻底爆发，直奔黄金期。腾讯在过去几年里，社交平台更是火到爆，QQ和微信坐拥几亿的粉丝，QQ空间和朋友圈各种刷屏，写心得，晒照片，秀视频，那么谁来为企鹅保驾护航呢？支撑QQ和微信海量数据背后的架构又有哪些惊天内幕呢？本期大讲堂的内容来自今年2月份ChinaUnix对腾讯社交网络运营服务中心
- java-69-旋转数组的最小元素。把一个数组最开始的若干个元素搬到数组的末尾，我们称之为数组的旋转。输入一个排好序的数组的一个旋转，输出旋转数组的最小元素
bylijinnan
java
public class MinOfShiftedArray {
/**
* Q69 旋转数组的最小元素
* 把一个数组最开始的若干个元素搬到数组的末尾，我们称之为数组的旋转。输入一个排好序的数组的一个旋转，输出旋转数组的最小元素。
* 例如数组{3, 4, 5, 1, 2}为{1, 2, 3, 4, 5}的一个旋转，该数组的最小值为1。
*/
publ
- 看博客，应该是有方向的
Cb123456
反省看博客
看博客，应该是有方向的:
我现在就复习以前的，在补补以前不会的，现在还不会的，同时完善完善项目，也看看别人的博客.
我刚突然想到的:
1.应该看计算机组成原理，数据结构，一些算法，还有关于android,java的。
2.对于我，也快大四了，看一些职业规划的，以及一些学习的经验，看看别人的工作总结的.
为什么要写
- [开源与商业]做开源项目的人生活上一定要朴素,尽量减少对官方和商业体系的依赖
comsci
开源项目
为什么这样说呢？ 因为科学和技术的发展有时候需要一个平缓和长期的积累过程，但是行政和商业体系本身充满各种不稳定性和不确定性，如果你希望长期从事某个科研项目，但是却又必须依赖于某种行政和商业体系，那其中的过程必定充满各种风险。。。
所以，为避免这种不确定性风险，我
- 一个 sql优化 （[精华] 一个查询优化的分析调整全过程！很值得一看 ）
cwqcwqmax9
sql
见 http://www.itpub.net/forum.php?mod=viewthread&tid=239011
Web翻页优化实例
提交时间: 2004-6-18 15:37:49 回复 发消息
环境：
Linux ve
- Hibernat and Ibatis
dashuaifu
Hibernateibatis
Hibernate VS iBATIS 简介 Hibernate 是当前最流行的O/R mapping框架，当前版本是3.05。它出身于sf.net，现在已经成为Jboss的一部分了 iBATIS 是另外一种优秀的O/R mapping框架，当前版本是2.0。目前属于apache的一个子项目了。 相对Hibernate“O/R”而言，iBATIS 是一种“Sql Mappi
- 备份MYSQL脚本
dcj3sjt126com
mysql
#!/bin/sh
# this shell to backup mysql
#
[email protected] (QQ:1413161683 DuChengJiu)
_dbDir=/var/lib/mysql/
_today=`date +%w`
_bakDir=/usr/backup/$_today
[ ! -d $_bakDir ] && mkdir -p
- iOS第三方开源库的吐槽和备忘
dcj3sjt126com
ios
转自
ibireme的博客 做iOS开发总会接触到一些第三方库，这里整理一下，做一些吐槽。 目前比较活跃的社区仍旧是Github，除此以外也有一些不错的库散落在Google Code、SourceForge等地方。由于Github社区太过主流，这里主要介绍一下Github里面流行的iOS库。 首先整理了一份
Github上排名靠
- html wlwmanifest.xml
eoems
htmlxml
所谓优化wp_head()就是把从wp_head中移除不需要元素，同时也可以加快速度。
步骤：
加入到function.php
remove_action('wp_head', 'wp_generator');
//wp-generator移除wordpress的版本号，本身blog的版本号没什么意义，但是如果让恶意玩家看到，可能会用官网公布的漏洞攻击blog
remov
- 浅谈Java定时器发展
hacksin
java并发timer定时器
java在jdk1.3中推出了定时器类Timer,而后在jdk1.5后由Dou Lea从新开发出了支持多线程的ScheduleThreadPoolExecutor，从后者的表现来看，可以考虑完全替代Timer了。
Timer与ScheduleThreadPoolExecutor对比：
1.
Timer始于jdk1.3,其原理是利用一个TimerTask数组当作队列
- 移动端页面侧边导航滑入效果
ini
jqueryWebhtml5cssjavascirpt
效果体验：http://hovertree.com/texiao/mobile/2.htm可以使用移动设备浏览器查看效果。效果使用到jquery-2.1.4.min.js，该版本的jQuery库是用于支持HTML5的浏览器上，不再兼容IE8以前的浏览器，现在移动端浏览器一般都支持HTML5，所以使用该jQuery没问题。HTML文件代码：
<!DOCTYPE html>
<h
- AspectJ+Javasist记录日志
kane_xie
aspectjjavasist
在项目中碰到这样一个需求，对一个服务类的每一个方法，在方法开始和结束的时候分别记录一条日志，内容包括方法名，参数名+参数值以及方法执行的时间。
@Override
public String get(String key) {
// long start = System.currentTimeMillis();
// System.out.println("Be
- redis学习笔记
MJC410621
redisNoSQL
1)nosql数据库主要由以下特点：非关系型的、分布式的、开源的、水平可扩展的。
1，处理超大量的数据
2，运行在便宜的PC服务器集群上，
3，击碎了性能瓶颈。
1)对数据高并发读写。
2)对海量数据的高效率存储和访问。
3)对数据的高扩展性和高可用性。
redis支持的类型：
Sring 类型
set name lijie
get name lijie
set na
- 使用redis实现分布式锁
qifeifei
在多节点的系统中，如何实现分布式锁机制，其中用redis来实现是很好的方法之一，我们先来看一下jedis包中，有个类名BinaryJedis,它有个方法如下：
public Long setnx(final byte[] key, final byte[] value) {
checkIsInMulti();
client.setnx(key, value);
ret
- BI并非万能，中层业务管理报表要另辟蹊径
张老师的菜
大数据BI商业智能信息化
BI是商业智能的缩写，是可以帮助企业做出明智的业务经营决策的工具，其数据来源于各个业务系统，如ERP、CRM、SCM、进销存、HER、OA等。
BI系统不同于传统的管理信息系统，他号称是一个整体应用的解决方案，是融入管理思想的强大系统：有着系统整体的设计思想，支持对所有
- 安装rvm后出现rvm not a function 或者ruby -v后提示没安装ruby的问题
wudixiaotie
function
1.在~/.bashrc最后加入
[[ -s "$HOME/.rvm/scripts/rvm" ]] && source "$HOME/.rvm/scripts/rvm"
2.重新启动terminal输入：
rvm use ruby-2.2.1 --default
把当前安装的ruby版本设为默
