顿时不想学习
顿时不想学习

数据挖掘|基础|聚类分析

常见的聚类分析方法：

k均值-常见、效率max

聚类的应用：判别新用户的类型

数据挖掘|基础|聚类分析_第1张图片

聚类是数据驱动 所以数据很重要 数据的特征的选取：
身高体重 城市 成绩 

聚类过程中也有个反馈环

数据挖掘|基础|聚类分析_第2张图片

数据挖掘|基础|聚类分析_第3张图片

 除了，还需要考虑数据的标准化 缩放的比例数据挖掘|基础|聚类分析_第4张图片

 标准化 也需要考虑

数据挖掘|基础|聚类分析_第5张图片

 聚类评估的问题：

目的：簇内的距离尽可能的小，簇间的距离尽可能大

数据挖掘|基础|聚类分析_第6张图片

 b（i）表示与其他簇的距离

数据挖掘|基础|聚类分析_第7张图片

 k均值 

原理：k是人为设定的 先 确定了k之后 ，假设k=5

确定了5个簇  那就把5个点作为中心点  若a点与5点中的一点距离最小 就被划分到那一簇

数据挖掘|基础|聚类分析_第8张图片

 更换中心点  （图中绿色的那个），再重新划分簇，重新划分中心点 不断迭代

当中心点不再变化 迭代结束

最后分成的界面是连续性的

数据挖掘|基础|聚类分析_第9张图片

 数据挖掘|基础|聚类分析_第10张图片

 不适合 不规则聚类形状

对初始点不同的选取 最后的结果也不一样

另一个方法：定义距离

数据挖掘|基础|聚类分析_第11张图片

 方法3 高斯模型

数据挖掘|基础|聚类分析_第12张图片

 通过调参 均值 方差都会发生变化 

在看k均值 ，确定两个中心点

数据挖掘|基础|聚类分析_第13张图片

 eg 硬币AB

数据挖掘|基础|聚类分析_第14张图片

 极大似然估计   得出 A 硬币 正面朝上的概率是0.8

数据挖掘|基础|聚类分析_第15张图片

 先假设 A硬币头朝上的概率是0.6 B 0.5  

最大期望法 EM算法 高斯混合模型

数据挖掘|基础|聚类分析_第16张图片

 

 基于密度的混合算法

DBSCAN  滴鼻司敢

数据挖掘|基础|聚类分析_第17张图片数据挖掘|基础|聚类分析_第18张图片数据挖掘|基础|聚类分析_第19张图片

 取最小的点

 数据挖掘|基础|聚类分析_第20张图片

 

 

你可能感兴趣的:(课堂笔记,数据挖掘)

  • 2020-03-24 黑乎乎AI
    Datawhale零基础入门数据挖掘-Task2数据分析【代码摘要】赛题：零基础入门数据挖掘-二手车交易价格预测地址：[https://tianchi.aliyun.com/competition/entrance/231784/introduction?spm=5176.12281957.1004.1.38b02448ausjSX]EDA的价值主要在于熟悉数据集，了解数据集，对数据集进行验证来确
  • 【大模型】FAISS向量数据库记录：从基础搭建到实战操作 爱python的王三金 自然语言处理LLMRAGfaiss数据库rag
    文章目录文章简介Embedding模型BGE-M3模型亮点FAISS是什么FAISS实战安装faiss加载Embedding模型创建FAISS数据库搜索FAISS数据删除FAISS数据保存、加载FAISS索引总结本人数据分析领域的从业者，拥有专业背景和能力，可以为您的数据采集、数据挖掘和数据分析需求提供支持。期待着能够与您共同探索更多有意义的数据洞见，为您的项目和业务提供数据分析方面的帮助。文章简
  • 数据挖掘工具（RapidMiner） deepdata_cn 数据挖掘数据挖掘人工智能
    RapidMiner是一款功能强大的数据挖掘和机器学习工具，它提供了从数据预处理、建模、评估到部署的一系列流程。它最初由德国多特蒙德工业大学的人工智能部门开发，原名Yale，后更名为RapidMiner。RapidMiner以其图形用户界面(GUI)和拖拽式操作而闻名，这使得即使是初学者也能快速上手进行数据分析。RapidMiner在全球范围内拥有广泛的用户基础，其软件平台在2010年底就已达到约
  • 大数据挖掘的步骤是怎样的呢？ weixin_54503231 数据挖掘人工智能
    大数据挖掘是一个复杂而系统的过程，它利用计算机科学的方法和技术，对大量、多样化、高速增长的数据进行深入挖掘，以发现有价值的信息和知识。以下是大数据挖掘的主要步骤和方法：一、大数据挖掘的步骤数据收集：从各种数据源中采集数据，包括结构化数据（如数据库中的表格）、半结构化数据（如XML、JSON等格式的数据）和非结构化数据（如文本、图像、音频、视频等）。数据来源可能包括社交媒体、物联网设备、企业内部系统
  • python——数据分析 pumpkin84514 python相关python数据分析开发语言
    数据分析的三个主要方面在数据分析中，整个流程通常可以分为三个大的方面：数据采集、数据挖掘和数据可视化。每个方面包含了不同的步骤，涉及到不同的Python库和工具。下面我们逐步展开讲解，并在最后总结为一份表格。1.数据采集数据采集是数据分析的第一步，主要任务是从各种数据源中获取原始数据。原理和作用场景：原理：通过API、网络爬虫、数据库连接等方式获取原始数据。作用场景：当你需要分析来自不同来源的数据
  • 我的程序员读书路 weixin_30416497 c#javascript大数据ViewUI
    CLRviaC#(第三版)你必须知道的.NET(第二版)编码:隐匿在计算机软硬件背后的语言代码整洁之道重构:改善既有代码的设计数据结构与算法：C#语言描述程序员修炼之道:从小工到专家编程珠玑(第2版)深入理解计算机系统(第2版)数据挖掘概念与技术(第2版)高效程序员的45个习惯:敏捷开发修炼之道面向对象分析与设计(第三版)深入浅出设计模式(c#/java版)代码大全第二版设计模式:可复用面向对象软
  • 复习研讨课课后反思 感恩遇见0331
    今天由我代表我们初四数学备课组执教“毕业班复习研讨课”，我选择的课题是《多边形与平行四边形》。因为学校要求上常态课，所以我没有用课件，也没有印制学案，仍然沿用一直都在实践中的活页课堂笔记。我把本节分成三大板块，三个板块也就对应了三个教学目标：1.熟记多边形内角和、外角和及对角线条数的公式，能熟练应用。2.掌握平行四边形的性质和判定，能综合运用所学知识解决问题。3.渗透转化的思想，提升分析问题、解决
  • 从线上教学看家庭教育 海底浪花
    从线上教学看家庭教育疫情防控终于宣告胜利，持续了两周多的线上教学结束了。同学们回归了课堂，老师们对线上教学的作业、课堂笔记进行检查。结果大吃一惊。儿子在城里的一所小学上五年级，学生返校后班主任反映一半学生家庭作业没有完成，有的作文没有完成，有的笔记没做，有的英语课文没有背诵，有的经常不上线。我起先以为只有农村学校的学生可能线上教学效果会差些，没想到城里也好不到那里去。结果，第二天，儿子的学校又开始
  • 深度探索：决策树算法在机器学习中的原理与应用 生瓜蛋子 机器学习算法机器学习决策树
    引言与背景决策树算法作为机器学习领域的一种基础而重要的监督学习方法，以其直观易理解、解释性强以及能处理离散和连续属性等特点，在数据挖掘、数据分析和预测建模等诸多领域占有不可或缺的地位。决策树通过学习训练数据集构建一棵树状结构模型，模拟从根节点到叶节点的决策路径，以此进行样本分类或回归预测。定义决策树算法是一种非参数模型，其核心思想是通过递归地划分数据空间，形成一系列if-then规则，最终构成一棵
  • 《Hadoop核心技术》作者翟周伟 ：我与Hadoop的不解之缘 xytlwp 翟周伟hadoop数据挖掘自然语言处理hadoop翟周伟数据挖掘自然语言处理
    摘要：翟周伟，资深Hadoop技术专家，《Hadoop开源云计算平台》、《Hadoop核心技术》作者。日前，CSDN记者对他进行了采访，请他解读Hadoop发展现状、特性及发展前景，以及这一路走来的心路历程。翟周伟，资深Hadoop技术专家，专注于Hadoop&大数据，数据挖掘，自然语言处理领域，目前就职于百度。2009年，利用Hadoop构建商业级大数据系统，是国内该领域最早的一批人之一；负责设
  • 数据分析方法概括 wujingwin
    数据分析大致可以分为描述性分析、诊断性分析、预测性分析，同样的数据分析的方法论也大致分为：描述性数据分析、数理统计分析、数据挖掘分析。本篇文章将就此展开谈谈这三种数据分析方法论（方法论没有好坏高低之分，只有合适的。根据业务场景来选择合适的分析方法。一定要以目标为导向，并不是手法越高级就越好。能用简单分析的就不需要使用大数据挖掘。）一、描述性数据分析方法描述性数据分析可以用一言蔽之”一句话描述数据“
  • 赠书 | 李航老师的蓝皮书 茗创科技
    赠书活动统计学习方法“统计机器学习方法是实现智能化目标的最有效的手段，统计机器学习是各种智能性处理研究领域中的核心技术，并且在这些领域的发展及应用中起着决定性的作用。”作者简介李航，日本京都大学电气电子工程系毕业，日本东京大学计算机科学博士。北京大学、南京大学客座教授，IEEE会士，ACM杰出科学家，CCF高级会员。研究方向包括信息检索，自然语言处理，统计机器学习，及数据挖掘。曾出版过三部学术专著
  • 数据仓库系列总结 大数据00 数据仓库数据仓库
    一、数据仓库架构1、数据仓库的概念数据仓库（DataWarehouse）是一个面向主题的、集成的、相对稳定的、反映历史变化的数据集合，用于支持管理决策。数据仓库通常包含多个来源的数据，这些数据按照主题进行组织和存储，以便于分析和报告。数据仓库中的数据一般不再进行更新或删除操作，而是存储历史数据，以便进行历史趋势分析或进行数据挖掘。数据仓库的设计和实施需要考虑数据的安全性、完整性和准确性，以及如何
  • Python标准库、第三方库和外部工具汇总 weixin_30650039 python人工智能开发工具
    导读：Python数据工具箱涵盖从数据源到数据可视化的完整流程中涉及到的常用库、函数和外部工具。其中既有Python内置函数和标准库，又有第三方库和工具。这些库可用于文件读写、网络抓取和解析、数据连接、数清洗转换、数据计算和统计分析、图像和视频处理、音频处理、数据挖掘/机器学习/深度学习、数据可视化、交互学习和集成开发以及其他Python协同数据工作工具。为了区分不同对象的来源和类型，本文将在描述
  • [转载] 140种Python标准库、第三方库和外部工具 ey_snail
    参考链接：Python|使用openpyxl在Excel文件中进行算术运算这些库可用于文件读写、网络抓取和解析、数据连接、数清洗转换、数据计算和统计分析、图像和视频处理、音频处理、数据挖掘/机器学习/深度学习、数据可视化、交互学习和集成开发以及其他Python协同数据工作工具。为了区分不同对象的来源和类型，本文将在描述中通过以下方法进行标识：**Python内置函数：**Python自带的内置函数
  • 【Pyspark-驯化】一文搞懂Pyspark修改hive表描述以及增加列使用技巧 算法驯化师 pyspark大数据hivehadoop数据仓库pysparkspark分布式大数据
    【Pyspark-驯化】一文搞懂Pyspark修改hive表描述以及增加列使用技巧本次修炼方法请往下查看欢迎莅临我的个人主页这里是我工作、学习、实践IT领域、真诚分享踩坑集合，智慧小天地！相关内容文档获取微信公众号相关内容视频讲解B站博主简介：AI算法驯化师，混迹多个大厂搜索、推荐、广告、数据分析、数据挖掘岗位个人申请专利40+，熟练掌握机器、深度学习等各类应用算法原理和项目实战经验。技术专长：在
  • 【Pyspark-驯化】一文搞懂Pyspark写入hive表的使用技巧 算法驯化师 pyspark大数据hivehadoop数据仓库spark分布式pysparkhdfs
    【Pyspark-驯化】一文搞懂Pyspark写入hive表的使用技巧本次修炼方法请往下查看欢迎莅临我的个人主页这里是我工作、学习、实践IT领域、真诚分享踩坑集合，智慧小天地！相关内容文档获取微信公众号相关内容视频讲解B站博主简介：AI算法驯化师，混迹多个大厂搜索、推荐、广告、数据分析、数据挖掘岗位个人申请专利40+，熟练掌握机器、深度学习等各类应用算法原理和项目实战经验。技术专长：在机器学习、搜
  • 【Pyspark-驯化】一文搞懂Pyspark中对json数据处理使用技巧：get_json_object 算法驯化师 pyspark大数据jsonhadoop大数据分布式hdfspyspark
    【Pyspark-驯化】一文搞懂Pyspark中对json数据处理使用技巧：get_json_object本次修炼方法请往下查看欢迎莅临我的个人主页这里是我工作、学习、实践IT领域、真诚分享踩坑集合，智慧小天地！相关内容文档获取微信公众号相关内容视频讲解B站博主简介：AI算法驯化师，混迹多个大厂搜索、推荐、广告、数据分析、数据挖掘岗位个人申请专利40+，熟练掌握机器、深度学习等各类应用算法原理和项
  • 【Pyspark-驯化】一文搞懂Pyspark中dropDuplicates和sort的使用技巧 算法驯化师 pyspark大数据hadoop大数据分布式hdfspyspark
    【Pyspark-驯化】一文搞懂Pyspark中dropDuplicates和sort的使用技巧本次修炼方法请往下查看欢迎莅临我的个人主页这里是我工作、学习、实践IT领域、真诚分享踩坑集合，智慧小天地！相关内容文档获取微信公众号相关内容视频讲解B站博主简介：AI算法驯化师，混迹多个大厂搜索、推荐、广告、数据分析、数据挖掘岗位个人申请专利40+，熟练掌握机器、深度学习等各类应用算法原理和项目实战经验
  • 【Pyspark-驯化】一文搞懂Pyspark中的withColumnRenamed函数的使用技巧 算法驯化师 大数据pysparkpython大数据分布式sparkpysparkhadoop
    【Pyspark-驯化】一文搞懂Pyspark中的withColumnRenamed函数的使用技巧本次修炼方法请往下查看欢迎莅临我的个人主页这里是我工作、学习、实践IT领域、真诚分享踩坑集合，智慧小天地！相关内容文档获取微信公众号相关内容视频讲解B站博主简介：AI算法驯化师，混迹多个大厂搜索、推荐、广告、数据分析、数据挖掘岗位个人申请专利40+，熟练掌握机器、深度学习等各类应用算法原理和项目实战经
  • Scikit-learn：用于数据挖掘和数据分析的简单而有效的工具，建立在 NumPy, SciPy 和 Matplotlib 上。 Jr_l #数据科学数据挖掘scikit-learn数据分析
    引言Scikit-learn是一个基于Python的机器学习库，旨在为数据挖掘和数据分析提供简单而有效的工具。它建立在强大的科学计算库之上，包括NumPy、SciPy和Matplotlib，提供了丰富的机器学习算法和工具，如分类、回归、聚类、降维、模型选择和数据预处理等。Scikit-learn的API设计简洁，使用方便，且拥有高效的实现，因此在学术研究和工业界中得到了广泛应用。无论是数据科学家还
  • 关于移动互联数据挖掘在智慧旅游方面的应用 VLIAN_ 行业技术智慧旅游数据挖掘移动互联数学建模预测
    I、基于移动互联网是随时随地可以操作的，可以掌握的客观数据类型包括常规互联网很难掌握的位置（GPS）、图片(Camera)、有效操作周期(Activity)等，移动互联网的数据挖掘研究方向的具体课题方向包括：用户行为模式：各种应用的不同活跃时间模型、地点模型、操作模型、安装和卸载的模型用户偏好模式：活跃周期和卸载率模型、推荐达成条件模型、关注度模型用户体验模式：点击率和应用功能的深度模型、同类型体
  • 《可复制的领导力》特训营课堂笔记第七日 宁静致远05
    1.樊登老师新书开讲，我是忠实的学生，自然忠实收听，这期的新书是《茑屋经营哲学》。可能处身于特训营的阶段，所以听书的过程，自然而然收集着与课程相关的内容。其中讲到，开分店，复制了第一家的商业模式，结果没有第一家成功，为什么？原因是客户群体不同了，即使商业模式一样，结果也不完全相同。所以，商业模式可以复制，可以模仿，如果要超越或持平的话，还是要具体事项具体处理，也就是说，没有一成不变的模式，关键的是
  • python库——sklearn的关键组件和参数设置 零 度° pythonpythonsklearn
    文章目录模型构建线性回归逻辑回归决策树分类器随机森林支持向量机K-近邻模型评估交叉验证性能指标特征工程主成分分析标准化和归一化scikit-learn，简称sklearn，是Python中一个广泛使用的机器学习库，它建立在NumPy、SciPy和Matplotlib这些科学计算库之上。sklearn提供了简单而有效的工具来进行数据挖掘和数据分析。我们将介绍sklearn中一些关键组件的参数设置。模
  • 【机器学习】探索数据矿藏：Python中的AI大模型与数据挖掘创新实践 C_GUIQU 机器学习人工智能python
    前言：探索数据矿藏1.数据获取与预处理：AI大模型的燃料1.1数据获取：多样性与规模并重1.2数据清洗与处理：提升数据质量1.3特征工程：挖掘数据的深层次信息1.4自动化特征工程：AI与特征工程的结合2.模型训练与优化：构建智能的大脑2.1模型选择：大模型的基础构建2.2模型训练：从数据到智能的转化2.3⚙️模型优化：精益求精的智能化提升2.4模型解释与可视化：揭示黑盒的内部3实际应用案例：AI大
  • 【吐血整理】Python爬虫实战！从入门到放弃，手把手教你数据抓取秘籍 eclipsercp 毕业设计python爬虫pippython爬虫
    【吐血整理】Python爬虫实战！从入门到放弃，手把手教你数据抓取秘籍1.网络爬虫与数据抓取概述1.1网络爬虫定义与重要性网络爬虫，又称为网页蜘蛛或爬虫，是一种用来自动浏览万维网的程序。它按照一定的算法顺序抓取网页内容，同时将抓取到的数据存储起来，用于进一步的分析和处理。定义：网络爬虫是一个自动提取网页的程序，它从互联网上采集网页并提取其中的信息。重要性：网络爬虫在信息获取、数据挖掘、搜索引擎构建
  • 数据挖掘|数据预处理|基于Python的数据标准化方法 皖山文武 数据挖掘数据建模与分析python数据挖掘开发语言
    基于Python的数据标准化方法1.z-score方法2.极差标准化方法3.最大绝对值标准化方法在数据分析之前，通常需要先将数据标准化（Standardization），利用标准化后的数据进行数据分析，以避免属性之间不同度量和取值范围差异造成数据对分析结果的影响。1.z-score方法Z-score方法是基于原始数据的均值和标准差来进行数据标准化的，处理后的数据均值为0，方差为1，符合标准正态分布
  • 让数据说话：人工智能与六西格玛的完美结合 张驰课堂 人工智能六西格玛
    当人工智能与六西格玛结合，企业可以充分利用人工智能技术的数据处理、预测分析和智能决策支持能力，实现数据驱动的决策、质量控制和流程优化，从而提高企业的效率和竞争力。下面张驰咨询给大家具体的介绍：1、数据驱动决策六西格玛侧重于数据分析和决策制定，而人工智能可以提供更强大的数据处理和分析能力。通过人工智能技术，可以自动收集和整理大量的数据，并进行有效的数据挖掘和模式识别。这些数据分析结果可以为六西格玛项
  • R语言microeco:一个用于微生物群落生态学数据挖掘的R包（构建microeco对象。 还是要前进啊 R语言r语言数据挖掘
    我以前写过临床微生物组的文章，其中数据分析用过microeco包，在这里，将我学到的资源分享给大家。R语言microeco:一个用于微生物群落生态学数据挖掘的R包。主要功能R6类;分类群丰度图，维恩图，Alpha多样性，Beta多样性，差异丰度分析，环境数据分析，零模型分析，网络分析，功能分析。install.packages("microeco")library(microeco)library
  • 数据挖掘-数据预处理的必要性及主要任务 嘣嘣嚓 数据挖掘数据仓库数据库数据分析人工智能
    数据预处理的必要性及主要任务1、数据预处理的必要性数据库极易受噪声、缺失值和不一致数据的侵扰，因为数据库太大，并且多半来自多个异构数据源。低质量的数据导致低质量的数据挖掘。2、数据预处理技术(1)数据清理：可以用来清除数据中的噪声，纠正不一致。(2)数据集成：将数据由多个数据源合并成一个一致的数据存储，如数据仓库。(3)数据归约：可以通过如狙击、删除冗余特征或聚类来降低数据的规模。(4)数据变换：
  • iOS http封装 374016526 ios服务器交互http网络请求
    程序开发避免不了与服务器的交互，这里打包了一个自己写的http交互库。希望可以帮到大家。   内置一个basehttp，当我们创建自己的service可以继承实现。   KuroAppBaseHttp *baseHttp = [[KuroAppBaseHttp alloc] init]; [baseHttp setDelegate:self]; [baseHttp
  • lolcat ：一个在 Linux 终端中输出彩虹特效的命令行工具 brotherlamp linuxlinux教程linux视频linux自学linux资料
      那些相信 Linux 命令行是单调无聊且没有任何乐趣的人们，你们错了，这里有一些有关 Linux 的文章，它们展示着 Linux 是如何的有趣和“淘气” 。 在本文中，我将讨论一个名为“lolcat”的小工具 – 它可以在终端中生成彩虹般的颜色。 何为 lolcat ? Lolcat 是一个针对 Linux，BSD 和 OSX 平台的工具，它类似于 cat 命令，并为 cat
  • MongoDB索引管理（1）——[九] eksliang mongodbMongoDB管理索引
    转载请出自出处：http://eksliang.iteye.com/blog/2178427 一、概述       数据库的索引与书籍的索引类似，有了索引就不需要翻转整本书。数据库的索引跟这个原理一样，首先在索引中找，在索引中找到条目以后，就可以直接跳转到目标文档的位置，从而使查询速度提高几个数据量级。       不使用索引的查询称
  • Informatica参数及变量 18289753290 Informatica参数变量
    下面是本人通俗的理解，如有不对之处，希望指正 info参数的设置：在info中用到的参数都在server的专门的配置文件中（最好以parma）结尾 下面的GLOBAl就是全局的，$开头的是系统级变量，$$开头的变量是自定义变量。如果是在session中或者mapping中用到的变量就是局部变量，那就把global换成对应的session或者mapping名字。 [GLOBAL] $Par
  • python 解析unicode字符串为utf8编码字符串 酷的飞上天空 unicode
    php返回的json字符串如果包含中文，则会被转换成\uxx格式的unicode编码字符串返回。 在浏览器中能正常识别这种编码，但是后台程序却不能识别，直接输出显示的是\uxx的字符，并未进行转码。   转换方式如下   >>> import json >>> q = '{"text":"\u4
  • Hibernate的总结 永夜-极光 Hibernate
    1.hibernate的作用,简化对数据库的编码,使开发人员不必再与复杂的sql语句打交道   做项目大部分都需要用JAVA来链接数据库，比如你要做一个会员注册的 页面，那么 获取到用户填写的 基本信后，你要把这些基本信息存入数据库对应的表中，不用hibernate还有mybatis之类的框架，都不用的话就得用JDBC，也就是JAVA自己的，用这个东西你要写很多的代码，比如保存注册信
  • SyntaxError: Non-UTF-8 code starting with '\xc4' 随便小屋 python
    刚开始看一下Python语言，传说听强大的，但我感觉还是没Java强吧！ 写Hello World的时候就遇到一个问题，在Eclipse中写的，代码如下 ''' Created on 2014年10月27日 @author: Logic ''' print("Hello World!");  运行结果 SyntaxError: Non-UTF-8
  • 学会敬酒礼仪 不做酒席菜鸟 aijuans 菜鸟
    俗话说，酒是越喝越厚，但在酒桌上也有很多学问讲究，以下总结了一些酒桌上的你不得不注意的小细节。 细节一：领导相互喝完才轮到自己敬酒。敬酒一定要站起来，双手举杯。 细节二：可以多人敬一人，决不可一人敬多人，除非你是领导。 细节三：自己敬别人，如果不碰杯，自己喝多少可视乎情况而定，比如对方酒量，对方喝酒态度，切不可比对方喝得少，要知道是自己敬人。 细节四：自己敬别人，如果碰杯，一
  • 《创新者的基因》读书笔记 aoyouzi 读书笔记《创新者的基因》
    创新者的基因   创新者的“基因”，即最具创意的企业家具备的五种“发现技能”：联想，观察，实验，发问，建立人脉。   第一部分破坏性创新，从你开始 第一章破坏性创新者的基因 如何获得启示： 发现以下的因素起到了催化剂的作用：(1) -个挑战现状的问题；(2)对某项技术、某个公司或顾客的观察；(3) -次尝试新鲜事物的经验或实验；(4)与某人进行了一次交谈，为他点醒
  • 表单验证技术 百合不是茶 JavaScriptDOM对象String对象事件
    js最主要的功能就是验证表单,下面是我对表单验证的一些理解,贴出来与大家交流交流  ,数显我们要知道表单验证需要的技术点, String对象,事件,函数   一:String对象;通常是对字符串的操作;   1,String的属性;   字符串.length;表示该字符串的长度; var str= "java"
  • web.xml配置详解之context-param bijian1013 javaservletweb.xmlcontext-param
    一.格式定义： <context-param> <param-name>contextConfigLocation</param-name> <param-value>contextConfigLocationValue></param-value> </context-param> 作用：该元
  • Web系统常见编码漏洞（开发工程师知晓） Bill_chen sqlPHPWebfckeditor脚本
    1.头号大敌：SQL Injection 原因：程序中对用户输入检查不严格，用户可以提交一段数据库查询代码，根据程序返回的结果， 获得某些他想得知的数据，这就是所谓的SQL Injection，即SQL注入。 本质: 对于输入检查不充分，导致SQL语句将用户提交的非法数据当作语句的一部分来执行。 示例： String query = "SELECT id FROM users
  • 【MongoDB学习笔记六】MongoDB修改器 bit1129 mongodb
    本文首先介绍下MongoDB的基本的增删改查操作，然后，详细介绍MongoDB提供的修改器，以完成各种各样的文档更新操作  MongoDB的主要操作 show dbs 显示当前用户能看到哪些数据库 use foobar 将数据库切换到foobar show collections 显示当前数据库有哪些集合 db.people.update，update不带参数，可
  • 提高职业素养，做好人生规划 白糖_ 人生
      培训讲师是成都著名的企业培训讲师，他在讲课中提出的一些观点很新颖，在此我收录了一些分享一下。注：讲师的观点不代表本人的观点，这些东西大家自己揣摩。   1、什么是职业规划：职业规划并不完全代表你到什么阶段要当什么官要拿多少钱，这些都只是梦想。职业规划是清楚的认识自己现在缺什么，这个阶段该学习什么，下个阶段缺什么，又应该怎么去规划学习，这样才算是规划。  
  • 国外的网站你都到哪边看？ bozch 技术网站国外
    学习软件开发技术，如果没有什么英文基础，最好还是看国内的一些技术网站，例如：开源OSchina，csdn，iteye,51cto等等。 个人感觉如果英语基础能力不错的话，可以浏览国外的网站来进行软件技术基础的学习，例如java开发中常用的到的网站有apache.org 里面有apache的很多Projects,springframework.org是spring相关的项目网站,还有几个感觉不错的
  • 编程之美-光影切割问题 bylijinnan 编程之美
    package a; public class DisorderCount { /**《编程之美》“光影切割问题” * 主要是两个问题： * 1.数学公式（设定没有三条以上的直线交于同一点）： * 两条直线最多一个交点，将平面分成了4个区域； * 三条直线最多三个交点，将平面分成了7个区域； * 可以推出：N条直线 M个交点，区域数为N+M+1。
  • 关于Web跨站执行脚本概念 chenbowen00 Web安全跨站执行脚本
    跨站脚本攻击(XSS)是web应用程序中最危险和最常见的安全漏洞之一。安全研究人员发现这个漏洞在最受欢迎的网站,包括谷歌、Facebook、亚马逊、PayPal,和许多其他网站。如果你看看bug赏金计划,大多数报告的问题属于 XSS。为了防止跨站脚本攻击,浏览器也有自己的过滤器,但安全研究人员总是想方设法绕过这些过滤器。这个漏洞是通常用于执行cookie窃取、恶意软件传播,会话劫持,恶意重定向。在
  • [开源项目与投资]投资开源项目之前需要统计该项目已有的用户数 comsci 开源项目
            现在国内和国外,特别是美国那边,突然出现很多开源项目,但是这些项目的用户有多少,有多少忠诚的粉丝,对于投资者来讲,完全是一个未知数,那么要投资开源项目,我们投资者必须准确无误的知道该项目的全部情况,包括项目发起人的情况,项目的维持时间..项目的技术水平,项目的参与者的势力,项目投入产出的效益.....
  • oracle alert log file（告警日志文件） daizj oracle告警日志文件alert log file
    The alert log is a chronological log of messages and errors, and includes the following items: All internal errors (ORA-00600), block corruption errors (ORA-01578), and deadlock errors (ORA-00060)
  • 关于 CAS SSO 文章声明 denger SSO
    由于几年前写了几篇 CAS 系列的文章，之后陆续有人参照文章去实现，可都遇到了各种问题，同时经常或多或少的收到不少人的求助。现在这时特此说明几点： 1.  那些文章发表于好几年前了，CAS 已经更新几个很多版本了，由于近年已经没有做该领域方面的事情，所有文章也没有持续更新。 2. 文章只是提供思路，尽管 CAS 版本已经发生变化，但原理和流程仍然一致。最重要的是明白原理，然后
  • 初二上学期难记单词 dcj3sjt126com englishword
    lesson 课 traffic 交通 matter 要紧；事物 happy 快乐的，幸福的 second 第二的 idea 主意；想法；意见 mean 意味着 important 重要的，重大的 never 从来，决不 afraid 害怕 的 fifth 第五的 hometown 故乡，家乡 discuss 讨论；议论 east 东方的 agree 同意；赞成 bo
  • uicollectionview 纯代码布局, 添加头部视图 dcj3sjt126com Collection
    #import <UIKit/UIKit.h> @interface myHeadView : UICollectionReusableView { UILabel *TitleLable; } -(void)setTextTitle; @end #import "myHeadView.h" @implementation m
  • N 位随机数字串的 JAVA 生成实现 FX夜归人 javaMath随机数Random
    /** * 功能描述 随机数工具类<br /> * @author FengXueYeGuiRen * 创建时间 2014-7-25<br /> */ public class RandomUtil { // 随机数生成器 private static java.util.Random random = new java.util.R
  • Ehcache（09）——缓存Web页面 234390216 ehcache页面缓存
    页面缓存 目录 1       SimplePageCachingFilter 1.1      calculateKey 1.2      可配置的初始化参数 1.2.1     cach
  • spring中少用的注解@primary解析 jackyrong primary
    这次看下spring中少见的注解@primary注解，例子 @Component public class MetalSinger implements Singer{ @Override public String sing(String lyrics) { return "I am singing with DIO voice
  • Java几款性能分析工具的对比 lbwahoo java
    Java几款性能分析工具的对比 摘自：http://my.oschina.net/liux/blog/51800   在给客户的应用程序维护的过程中，我注意到在高负载下的一些性能问题。理论上，增加对应用程序的负载会使性能等比率的下降。然而，我认为性能下降的比率远远高于负载的增加。我也发现，性能可以通过改变应用程序的逻辑来提升，甚至达到极限。为了更详细的了解这一点，我们需要做一些性能
  • JVM参数配置大全 nickys jvm应用服务器
    JVM参数配置大全 /usr/local/jdk/bin/java -Dresin.home=/usr/local/resin -server -Xms1800M -Xmx1800M -Xmn300M -Xss512K -XX:PermSize=300M -XX:MaxPermSize=300M -XX:SurvivorRatio=8 -XX:MaxTenuringThreshold=5 -
  • 搭建 CentOS 6 服务器(14) - squid、Varnish rensanning varnish
    （一）squid 安装 # yum install httpd-tools -y # htpasswd -c -b /etc/squid/passwords squiduser 123456 # yum install squid -y 设置 # cp /etc/squid/squid.conf /etc/squid/squid.conf.bak # vi /etc/
  • Spring缓存注解@Cache使用 tom_seed spring
    参考资料 http://www.ibm.com/developerworks/cn/opensource/os-cn-spring-cache/ http://swiftlet.net/archives/774   缓存注解有以下三个： @Cacheable      @CacheEvict     @CachePut
  • dom4j解析XML时出现"java.lang.noclassdeffounderror: org/jaxen/jaxenexception"错误 xp9802
    java.lang.NoClassDefFoundError: org/jaxen/JaxenExc 关键字: java.lang.noclassdeffounderror: org/jaxen/jaxenexception 使用dom4j解析XML时，要快速获取某个节点的数据，使用XPath是个不错的方法，dom4j的快速手册里也建议使用这种方式 执行时却抛出以下异常： Exceptio
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他