十有久诚
十有久诚

机器学习：DBSCAN算法(效果比K-means好)

基本概念

机器学习：DBSCAN算法(效果比K-means好)_第1张图片

核心对象：以点为圆心半径为r的圆，如果圈里面的样本点大于给定的阈值(minPts)，那么这个点就叫做核心点

直接密度可达：点p在q为圆心的圆内

密度可达：

机器学习：DBSCAN算法(效果比K-means好)_第2张图片

p1与p2直接密度可达，p2与p3直接密度可达，所以p1与p3被称为密度可达

机器学习：DBSCAN算法(效果比K-means好)_第3张图片

边界点：

机器学习：DBSCAN算法(效果比K-means好)_第4张图片

以p1为核心点的圈含p2，p2自己为核心点也有对应圈，并且圈内有点p3，同样p3也有以p3为核心点的圈，并且有点p4，这说明点p1，p2，p3是可以发展下去的点(我认为可以理解成以之前圈住点为圆心画圈不断圈住新的点)

但是p4就不行了，因为以p4为核心点的圈内没有其他样本点或者说样本点的个数少于规定的阈值MinPts，没有继续“发展”下去

机器学习：DBSCAN算法(效果比K-means好)_第5张图片

工作流程

算法

需要输入的数据

参数D：输入数据集

参数：指定半径

MinPts：密度阈值

机器学习：DBSCAN算法(效果比K-means好)_第6张图片

如何选择参数，基本上都是不断尝试

机器学习：DBSCAN算法(效果比K-means好)_第7张图片

优势和劣势

可视化展示

Visualizing DBSCAN Clustering

Gaussian Mixture

机器学习：DBSCAN算法(效果比K-means好)_第8张图片

机器学习：DBSCAN算法(效果比K-means好)_第9张图片

如下图所示，调大半径epsilon之后，离群点就变小了

如果想用DESCAN算法找离群点，可以考虑将半径调小

机器学习：DBSCAN算法(效果比K-means好)_第10张图片

Smiley Face

机器学习：DBSCAN算法(效果比K-means好)_第11张图片

Packed Circles

但对于这种密集区域此时，DBSCAN分类就不如K-means

半径小了，就出现分类很多的情况；半径大了，就出现分类只有一两个的情况，还不如直接K-means直接给定分类的类别

机器学习：DBSCAN算法(效果比K-means好)_第12张图片

机器学习：DBSCAN算法(效果比K-means好)_第13张图片

你可能感兴趣的:(机器学习,机器学习,算法,kmeans)

  • AI+大数据：社交网络分析在金融风控中的完整流程 AI智能应用 AI大模型应用入门实战与进阶人工智能大数据ai
    AI+大数据：社交网络分析在金融风控中的完整流程关键词：AI、大数据、社交网络分析、金融风控、完整流程摘要：本文详细讲述了在金融风控领域运用AI和大数据进行社交网络分析的完整流程。通过通俗易懂的语言，从背景知识入手，解释核心概念，阐述算法原理，分享项目实战经验，探讨实际应用场景，推荐相关工具资源，展望未来发展趋势与挑战，旨在让读者全面了解这一复杂技术在金融风控中的应用。背景介绍目的和范围我们的目的
  • AUTOSAR从入门到精通-【自动驾驶】自动驾驶中的摄像头技术（二） 格图素书 人工智能深度学习
    目录前言算法原理摄像头在自动驾驶中的作用与意义分类按通信协议区分按不同感光芯片按像元排列方式摄像头核心关键指标多传感器融合在自动驾驶中的应用▲不同自动驾驶等级的传感器配置▲L2级别▲L2+/3级别▲L4/5级别摄像头的种类与应用车载智能前视像头关键参数如何选择摄像头全车摄像头布置及功能前视摄像头环视摄像头后视摄像头侧视摄像头内置/外置后视摄像头雷达的种类与应用摄像头与雷达的数量配置产业与行业现状摄
  • 计算机网络深度解析：HTTPS协议架构与安全机制全揭秘（2025演进版） 知识产权13937636601 计算机计算机网络https架构
    摘要2025年全球HTTPS流量占比达99.7%（W3Techs数据），本文系统剖析HTTPS协议的技术演进与安全机制。从加密算法体系（国密SM2/3/4vsRSA/ECC）、TLS1.3协议超时优化、后量子密码迁移路径三大突破切入，结合OpenSSL3.2、BoringSSL实战案例，详解协议握手时延降低80%的底层逻辑，并首次公开混合加密、证书透明度、密钥交换攻击防御等关键工程部署策略，为开发
  • JVM GC学习记录 不会吃萝卜的兔子 JVMGCjvm学习javaGC
    垃圾标记算法：引用计数：解决不了垃圾对象循环引用问题。root扫描（可达性分析）：从根对象（线程、main函数、静态变量、常量）扫描。三色标记：黑：其下所有子树，引用均被标记完成，是存活的最终状态。灰：其下所有子树，但引用的对象尚未完全检查，是存活的过渡状态。白：对象未被标记，默认初始状态，标记结束后仍为白色的对象将被回收。标记时会STW扫描根节点，然后标记线程与业务线程并行存在；会产生情况2，业
  • ChatGPT、DeepSeek等大语言模型技术教程
    随着人工智能技术的快速发展，大语言模型如ChatGPT和DeepSeek在科研领域的应用正在为科研人员提供强大的支持。这些模型通过深度学习和大规模语料库训练，能够帮助科研人员高效地筛选文献、生成论文内容、进行数据分析和优化机器学习模型。ChatGPT和DeepSeek能够快速理解和生成复杂的语言，帮助研究人员在撰写论文时提高效率，不仅生成高质量的文章内容，还能优化论文结构和语言表达。在数据分析方面
  • 【基于C# + HALCON的工业视系统开发实战】十七、航空级精度！涡轮叶片三维型面检测：激光扫描与CAD模型比对技术 AI_DL_CODE c#halcon三维检测涡轮叶片点云配准型面偏差激光扫描
    摘要：涡轮叶片是航空发动机的核心部件，其型面精度直接影响发动机效率与安全性。传统三坐标测量存在效率低（单叶片需40分钟）、覆盖率不足（仅检测关键截面）等问题。本文基于C#.NETCore6与HALCON24.11，构建三维型面检测系统：通过激光线扫描（每秒2000线）获取百万级点云，经MLS滤波降噪（保留0.03mm细节）与快速采样（0.1mm间隔）优化数据；采用ICP算法实现点云与CAD模型配准
  • Python与自动驾驶仿真平台AirSim：未来驾驶的“练兵场”如何用代码玩转现实？ Echo_Wish Python！实战！python自动驾驶开发语言
    Python与自动驾驶仿真平台AirSim：未来驾驶的“练兵场”如何用代码玩转现实？今天咱们聊聊一个非常火但又特别实用的技术方向——自动驾驶仿真。具体点，就是用Python怎么玩转微软出品的自动驾驶仿真平台AirSim。别看名字叫AirSim，实际上它不仅支持无人机，还对自动驾驶汽车的模拟提供了强大支持。自动驾驶不是科幻，背后需要海量数据、复杂算法和大量实车测试。而现实世界测试成本高、风险大，怎么
  • .net密码加密解密AES 步、步、为营 网络服务器运维.net
    .NET中使用AES进行密码加密解密技术解析在当今数字化的时代，数据安全至关重要。密码作为保护个人和敏感信息的第一道防线，其加密和解密的安全性显得尤为重要。AES（AdvancedEncryptionStandard）作为一种广泛使用的对称加密算法，在.NET中也有着很好的支持。本文将深入探讨在.NET中如何使用AES算法进行密码的加密和解密。什么是AES算法AES，即高级加密标准，它是美国联邦政
  • 【随机数真的是随机数吗？】 ￥-oriented 其他
    在计算机科学中，随机数是一个非常有趣且复杂的话题。我们常常在各种应用程序中看到随机数的应用，比如游戏、加密、统计模拟等。然而，许多人可能并不清楚计算机生成的随机数到底有多“随机”。本文将详细解释程序中的随机数，探讨其生成机制以及不同类型的随机数。伪随机数与真随机数首先，我们需要明确两个关键概念：伪随机数和真随机数。伪随机数（PseudorandomNumbers）：伪随机数是由计算机算法生成的数字
  • 强化学习【chapter0】-学习路线图 明朝百晓生 算法人工智能机器学习
    前言：主要总结一下西湖大学赵老师的课程【强化学习的数学原理】课程：从零开始到透彻理解（完结）_哔哩哔哩_bilibili1️⃣基础阶段（Ch1-Ch7）：掌握表格型算法，理解TD误差与贝尔曼方程2️⃣进阶阶段（Ch8-Ch9）：动手实现DQN/策略梯度，熟悉PyTorch/TensorFlow3️⃣前沿阶段（Ch10：阅读论文（OpenAISpinningUp/RLlib文档）Chapter1：基
  • LeetCode 热题 100 - 贪心算法 - 买卖股票的最佳时机 - javascript Jxxli LeetCodehot100leetcode算法贪心算法javascript
    题目给定一个数组prices，它的第i个元素prices[i]表示一支给定股票第i天的价格。你只能选择某一天买入这只股票，并选择在未来的某一个不同的日子卖出该股票。设计一个算法来计算你所能获取的最大利润。返回你可以从这笔交易中获取的最大利润。如果你不能获取任何利润，返回0。示例1：输入：[7,1,5,3,6,4]输出：5解释：在第2天（股票价格=1）的时候买入，在第5天（股票价格=6）的时候卖出，
  • 【机器学习】什么是逻辑回归？从入门到精通：掌握逻辑回归与二分类问题的解决之道 宸码 模式识别机器学习机器学习python逻辑回归分类人工智能算法
    从入门到精通：掌握逻辑回归与二分类问题的解决之道引言1.1逻辑回归简介1.2逻辑回归的应用场景逻辑回归基本原理2.1逻辑回归概述逻辑回归的基本思想预测类别的概率2.2线性模型与Sigmoid函数线性模型Sigmoid函数Sigmoid函数的性质为什么选择Sigmoid函数2.3逻辑回归的输出：概率值分类决策代价函数与优化数学基础3.1逻辑回归的假设与目标假设目标3.2对数似然函数概率模型对数似然函
  • 【算法系列】买卖股票的最佳时机【JS代码】 DTcode7 算法系列#前端基础入门三大核心之JS算法javascript最佳时机
    【算法系列】买卖股票的最佳时机【JS代码】问题描述基本概念和作用说明解决方案暴力解法一次遍历法代码示例总结与讨论在前端开发中，虽然我们主要关注的是构建用户界面和交互逻辑，但掌握一些基本的算法和数据结构知识也是非常有用的。今天，我们就来探讨一个经典的问题：“买卖股票的最佳时机”。这个问题看似与前端开发无关，但实际上，它背后的算法思想对于优化我们的程序和解决问题有着极大的帮助。问题描述假设你有一个数组
  • 买卖股票的最佳时机--js 算法 stoneSkySpace 算法javascript数据结构
    一、买卖股票的最佳时机给定一个数组prices，它的第i个元素prices[i]表示一支给定股票第i天的价格。你只能选择某一天买入这只股票，并选择在未来的某一个不同的日子卖出该股票。设计一个算法来计算你所能获取的最大利润。返回你可以从这笔交易中获取的最大利润。如果你不能获取任何利润，返回0；贪心算法：每次发现更低价格立即更新买入点（minPrice）每次发现更高利润立即更新卖出收益（maxProf
  • Python爬虫实战：研究httplib2库相关技术 ylfhpy 爬虫项目实战python爬虫phphttplib2
    1.引言1.1研究背景与意义随着互联网的快速发展，网络上的信息量呈爆炸式增长。如何从海量的网页中高效地获取有价值的数据，成为了当前信息技术领域的一个重要研究课题。网络爬虫作为一种自动获取互联网信息的程序，能够按照一定的规则，自动地抓取网页内容并提取和整理信息，为信息检索、数据分析、机器学习等领域提供了丰富的数据来源。在电子商务领域，爬虫可以用于价格监控、竞品分析和市场调研；在学术研究中，爬虫可以帮
  • 使用numpy或pytorch校验两个张量是否相等
    文章目录1、numpy2、pytorch做算法过程中，如果涉及到模型落地，那必然会将原始的深度学习的框架训练好的模型转换成目标硬件模型的格式，如onnx,tensorrt,openvino,tflite;那么就有对比不同格式模型输出的一致性，从而判断模型转换是否成功。1、numpy用到的核心代码就一行，就是：importnumpyasnpnp.testing.assert_allclose(act
  • 机器学习笔记：MATLAB实践 techDM 机器学习笔记matlabMatlab
    在机器学习领域，MATLAB是一种功能强大且广泛使用的工具，它提供了许多内置函数和工具箱，方便开发者进行各种机器学习任务。本文将介绍一些常见的机器学习任务，并提供相应的MATLAB源代码示例。数据预处理在进行机器学习之前，通常需要对原始数据进行预处理。这包括数据清洗、特征选择、特征缩放和数据划分等步骤。%导入数据data=readmatrix('data.csv');%数据清洗cleaned_da
  • CppCon 2018 学习:A Little Order! Delving into the STL sorting algorithms 虾球xz CppCon学习c++排序算法
    记录一下一个编译器加密的算法#include#include#include#include#include#include#includenamespacedetail{//编译期伪随机key：每个字符对应不同keytemplateconstexprstd::uint8_tkey8(){returnstatic_cast((N*31+57)^0xAA);}}//namespacedetail//
  • 使用c++编写一段人脸识别眨眼检测的代码 语嫣凝冰 c++opencv计算机视觉图像处理开发语言
    我可以给你一些大致的步骤：使用摄像头或图像文件获取视频帧。使用人脸检测算法检测视频帧中的人脸。对检测到的人脸进行眼睛检测。判断眼睛是否闭合，如果是则认为该人在眨眼。以下是一段使用OpenCV库编写的C代码示例：```#include#include#include#includeusingnamespacestd;usingnamespacecv;intmain(){//使用摄像头获取视频帧Vid
  • 欧盟AI法案、中国《生成式AI管理办法》规范数据隐私与算法歧视 DK_Allen 大模型人工智能算法
    一、全球AI治理框架：双轨并行1.欧盟《AI法案》（2025全面生效）风险等级监管要求典型场景不可接受风险全面禁止社会评分系统、实时生物识别（公共场所）高风险强制注册+第三方评估+人工监督医疗诊断、关键基础设施管理有限风险透明度披露（AI生成内容标注）聊天机器人、深度伪造最小风险无限制垃圾邮件过滤、游戏AI处罚机制：最高罚金≈全球营收6%（或3000万欧元，取较高者）典型判例：ClearviewA
  • 数据库领域数据仓库的星型模型与雪花模型对比 数据库管理艺术 数据库专家之路大数据AI人工智能MCP&AgentSQL实战数据库数据仓库ai
    数据库领域数据仓库的星型模型与雪花模型对比关键词：数据仓库、星型模型、雪花模型、数据建模、对比分析摘要：本文深入探讨了数据库领域数据仓库中的星型模型与雪花模型。首先介绍了数据仓库建模的背景知识，包括目的、预期读者和文档结构等。接着详细阐述了星型模型和雪花模型的核心概念、联系以及各自的架构特点，并通过Mermaid流程图进行直观展示。然后对两种模型的核心算法原理展开分析，结合Python源代码进行说
  • 西南交通大学【机器学习实验1】
    实验目的理解和掌握回归问题和分类问题模型评估方法，学会使用均方误差、最大绝对误差、均方根误差指标评估回归模型，学会使用错误率、精度、查全率、查准率、F1指标评价分类模型。实验内容给定回归问题的真实标签和多个算法的预测结果，编程实现MSE、MAE、RMSE三种评测指标，对模型进行对比分析。给定二分类问题真实标签和多个算法的预测结果，编程实现混淆矩阵评测，采用错误率、精度、查全率、查准率、F1指标对结
  • AWS WebRTC: 判断viewer端拉流是否稳定的算法 Jasper张 AWSWebRTCwebrtcaws服务器linux
    在使用sdk-cviewer端进行拉流的过程中，viewer端拉取的是视频帧和音频帧，不会在播放器中播放，所以要根据收到的流来判断拉流过程是否稳定流畅。我这边采用的算法是：依据相邻帧之间的时间间隔是否落在期望值的±20%范围内。音频帧、视频帧的日志打印如下：07:19:26.263VERBOSEsampleAudioFrameHandler():AudioFramereceived.TrackId
  • 用sklearn库中的算法对数据集进行训练和auc评估（个人学习笔记） ZD困困困 python机器学习
    本文为个人学习笔记，仅供学习参考，欢迎讨论，要是有哪里写的不对或有疑问的欢迎讨论。题目：运用已给数据集进行模型训练，使用逻辑回归、决策树、随机森林和AdaBoost几个算法进行训练，并打印各个算法训练后的auc评价指标。文章目录1.导入数据集①read_csv():读取数据并以某字符分隔。②merge():合并③drop():删除行或列④tolist():将数组或矩阵转换为列表⑤train_tes
  • 学习笔记(28):随机噪声的原理、作用及代码实现详解 宁儿数据安全 #机器学习学习笔记python
    学习笔记(28):随机噪声的原理、作用及代码实现详解一、什么是随机噪声？为什么需要添加？在机器学习中，随机噪声是指数据中无法用特征解释的随机波动，通常符合某种概率分布（如正态分布）。在房价模拟中添加噪声的核心原因如下：1.模拟真实世界的不确定性真实房价除了受面积、房龄影响，还受装修情况、学区、交通、政策等未被建模的特征影响，这些因素的综合效应可抽象为“噪声”。示例：两套面积和房龄相同的房子，房价可
  • 基于改进粒子群算法的混合储能系统容量优化（Matlab代码实现） 吃兔子的大脑腐 算法matlab开发语言
    欢迎来到本博客❤️❤️博主优势：博客内容尽量做到思维缜密，逻辑清晰，为了方便读者。⛳️座右铭：行百里者，半于九十。本文目录如下：目录1概述基于改进粒子群算法的混合储能系统容量优化研究一、混合储能系统容量优化的背景与挑战1.混合储能系统的定义与组成2.容量优化的核心目标3.优化面临的挑战二、传统粒子群算法的局限性及其改进策略1.传统PSO的缺陷2.改进粒子群算法的核心方法三、改进PSO在HESS容量
  • 归并排序详解
    创建两个临时数组存储待合并的子数组使用双指针法依次比较两个子数组的元素将较小的元素放入原数组的对应位置处理剩余未合并的元素前言1.算法概述归并排序是一种采用分治法（DivideandConquer）策略的排序算法，由约翰·冯·诺伊曼在1945年提出。它的核心思想是将一个大问题分解成若干个小问题，递归解决小问题后，再将结果合并起来。分治策略分解：将当前区间一分为二解决：递归地对两个子区间进行排序合并
  • AI实践：智能工单系统的技术逻辑与应用 合力亿捷-小亿 人工智能机器学习
    在当今数字化浪潮下，智能工单系统正逐渐成为企业服务管理的核心利器。智能工单系统，是依托前沿技术，将传统工单流程智能化、自动化的一套体系，它贯穿于企业服务的各个环节，从客户需求提交，到任务分配、进度跟踪，再到问题解决反馈，全方位覆盖。在企业服务管理中，其扮演着关键角色。一方面，它能极大提高服务效率，通过智能算法快速精准地将工单派发给最合适的人员，减少流转时间；另一方面，优化客户体验，客户能实时了解工
  • 学习笔记(29):训练集与测试集划分详解：train_test_split 函数深度解析 宁儿数据安全 #机器学习学习笔记深度学习
    学习笔记(29):训练集与测试集划分详解：train_test_split函数深度解析一、为什么需要划分训练集和测试集？在机器学习中，模型需要经历两个核心阶段：训练阶段：用训练集数据学习特征与目标值的映射关系（如线性回归的权重）。测试阶段：用测试集评估模型在未见过的数据上的表现，避免“过拟合”（模型只记住训练数据的噪声，无法泛化到新数据）。类比场景：学生通过“练习题”（训练集）学习知识，再通过“考
  • 【Torch】nn.Dropout算法详解 油泼辣子多加 深度学习算法
    1.定义nn.Dropout是PyTorch中用于防止神经网络过拟合的正则化层。其核心思想是在训练阶段随机“丢弃”（置零）部分神经元的输出，以减少网络对特定神经元的过度依赖；在推理阶段则保持所有神经元输出不变。2.输入与输出输入（Input）任意形状的浮点张量（如torch.float32、torch.float64等），常见于全连接层或卷积层的激活输出。输出（Output）与输入张量形状、dty
  • Spring4.1新特性——Spring MVC增强 jinnianshilongnian spring 4.1
    目录 Spring4.1新特性——综述 Spring4.1新特性——Spring核心部分及其他 Spring4.1新特性——Spring缓存框架增强 Spring4.1新特性——异步调用和事件机制的异常处理 Spring4.1新特性——数据库集成测试脚本初始化 Spring4.1新特性——Spring MVC增强 Spring4.1新特性——页面自动化测试框架Spring MVC T
  • mysql 性能查询优化 annan211 javasql优化mysql应用服务器
    1 时间到底花在哪了？ mysql在执行查询的时候需要执行一系列的子任务，这些子任务包含了整个查询周期最重要的阶段，这其中包含了大量为了 检索数据列到存储引擎的调用以及调用后的数据处理，包括排序、分组等。在完成这些任务的时候，查询需要在不同的地方 花费时间，包括网络、cpu计算、生成统计信息和执行计划、锁等待等。尤其是向底层存储引擎检索数据的调用操作。这些调用需要在内存操
  • windows系统配置 cherishLC windows
    删除Hiberfil.sys ：使用命令powercfg -h off 关闭休眠功能即可： http://jingyan.baidu.com/article/f3ad7d0fc0992e09c2345b51.html 类似的还有pagefile.sys msconfig 配置启动项 shutdown 定时关机 ipconfig 查看网络配置 ipconfig /flushdns
  • 人体的排毒时间 Array_06 工作
    ======================== ||  人体的排毒时间是什么时候？|| ======================== 转载于： http://zhidao.baidu.com/link?url=ibaGlicVslAQhVdWWVevU4TMjhiKaNBWCpZ1NS6igCQ78EkNJZFsEjCjl3T5EdXU9SaPg04bh8MbY1bR
  • ZooKeeper cugfy zookeeper
    Zookeeper是一个高性能，分布式的，开源分布式应用协调服务。它提供了简单原始的功能，分布式应用可以基于它实现更高级的服务，比如同步， 配置管理，集群管理，名空间。它被设计为易于编程，使用文件系统目录树作为数据模型。服务端跑在java上，提供java和C的客户端API。 Zookeeper是Google的Chubby一个开源的实现，是高有效和可靠的协同工作系统，Zookeeper能够用来lea
  • 网络爬虫的乱码处理 随意而生 爬虫网络
    下边简单总结下关于网络爬虫的乱码处理。注意，这里不仅是中文乱码，还包括一些如日文、韩文 、俄文、藏文之类的乱码处理，因为他们的解决方式 是一致的，故在此统一说明。     网络爬虫，有两种选择，一是选择nutch、hetriex，二是自写爬虫，两者在处理乱码时，原理是一致的，但前者处理乱码时，要看懂源码后进行修改才可以，所以要废劲一些；而后者更自由方便，可以在编码处理
  • Xcode常用快捷键 张亚雄 xcode
    一、总结的常用命令：     隐藏xcode command+h     退出xcode command+q     关闭窗口 command+w     关闭所有窗口 command+option+w     关闭当前
  • mongoDB索引操作 adminjun mongodb索引
    一、索引基础：    MongoDB的索引几乎与传统的关系型数据库一模一样，这其中也包括一些基本的优化技巧。下面是创建索引的命令：    > db.test.ensureIndex({"username":1})    可以通过下面的名称查看索引是否已经成功建立： &nbs
  • 成都软件园实习那些话 aijuans 成都 软件园 实习
    无聊之中，翻了一下日志，发现上一篇经历是很久以前的事了，悔过~~ 　　断断续续离开了学校快一年了，习惯了那里一天天的幼稚、成长的环境，到这里有点与世隔绝的感觉。不过还好，那是刚到这里时的想法，现在感觉在这挺好，不管怎么样，最要感谢的还是老师能给这么好的一次催化成长的机会，在这里确实看到了好多好多能想到或想不到的东西。 　　都说在外面和学校相比最明显的差距就是与人相处比较困难，因为在外面每个人都
  • Linux下FTP服务器安装及配置 ayaoxinchao linuxFTP服务器vsftp
    检测是否安装了FTP [root@localhost ~]# rpm -q vsftpd 如果未安装：package vsftpd is not installed  安装了则显示：vsftpd-2.0.5-28.el5累死的版本信息   安装FTP 运行yum install vsftpd命令，如[root@localhost ~]# yum install vsf
  • 使用mongo-java-driver获取文档id和查找文档 BigBird2012 driver
    注：本文所有代码都使用的mongo-java-driver实现。   在MongoDB中，一个集合（collection）在概念上就类似我们SQL数据库中的表（Table），这个集合包含了一系列文档（document）。一个DBObject对象表示我们想添加到集合（collection）中的一个文档（document），MongoDB会自动为我们创建的每个文档添加一个id，这个id在
  • JSONObject以及json串 bijian1013 jsonJSONObject
    一.JAR包简介     要使程序可以运行必须引入JSON-lib包，JSON-lib包同时依赖于以下的JAR包：     1.commons-lang-2.0.jar     2.commons-beanutils-1.7.0.jar     3.commons-collections-3.1.jar &n
  • [Zookeeper学习笔记之三]Zookeeper实例创建和会话建立的异步特性 bit1129 zookeeper
    为了说明问题，看个简单的代码，   import org.apache.zookeeper.*; import java.io.IOException; import java.util.concurrent.CountDownLatch; import java.util.concurrent.ThreadLocal
  • 【Scala十二】Scala核心六：Trait bit1129 scala
    Traits are a fundamental unit of code reuse in Scala. A trait encapsulates method and field definitions, which can then be reused by mixing them into classes. Unlike class inheritance, in which each c
  • weblogic version 10.3破解 ronin47 weblogic
    版本：WebLogic Server 10.3 说明：%DOMAIN_HOME%：指WebLogic Server 域(Domain）目录 例如我的做测试的域的根目录 DOMAIN_HOME=D:/Weblogic/Middleware/user_projects/domains/base_domain 1.为了保证操作安全，备份%DOMAIN_HOME%/security/Defa
  • 求第n个斐波那契数 BrokenDreams
            今天看到群友发的一个问题：写一个小程序打印第n个斐波那契数。         自己试了下，搞了好久。。。基础要加强了。           &nbs
  • 读《研磨设计模式》-代码笔记-访问者模式-Visitor bylijinnan java设计模式
    声明： 本文只为方便我个人查阅和理解，详细的分析以及源代码请移步 原作者的博客http://chjavach.iteye.com/ import java.util.ArrayList; import java.util.List; interface IVisitor { //第二次分派，Visitor调用Element void visitConcret
  • MatConvNet的excise 3改为网络配置文件形式 cherishLC matlab
    MatConvNet为vlFeat作者写的matlab下的卷积神经网络工具包，可以使用GPU。 主页： http://www.vlfeat.org/matconvnet/ 教程： http://www.robots.ox.ac.uk/~vgg/practicals/cnn/index.html 注意：需要下载新版的MatConvNet替换掉教程中工具包中的matconvnet： http
  • ZK Timeout再讨论 chenchao051 zookeepertimeouthbase
    http://crazyjvm.iteye.com/blog/1693757 文中提到相关超时问题，但是又出现了一个问题，我把min和max都设置成了180000，但是仍然出现了以下的异常信息： Client session timed out, have not heard from server in 154339ms for sessionid 0x13a3f7732340003
  • CASE WHEN 用法介绍 daizj sqlgroup bycase when
    CASE WHEN 用法介绍 1. CASE WHEN 表达式有两种形式 --简单Case函数  CASE sex  WHEN '1' THEN '男'  WHEN '2' THEN '女'  ELSE '其他' END  --Case搜索函数  CASE WHEN sex = '1' THEN
  • PHP技巧汇总:提高PHP性能的53个技巧 dcj3sjt126com PHP
    PHP技巧汇总:提高PHP性能的53个技巧　　用单引号代替双引号来包含字符串，这样做会更快一些。因为PHP会在双引号包围的字符串中搜寻变量，　　单引号则不会，注意：只有echo能这么做，它是一种可以把多个字符串当作参数的函数译注：　　PHP手册中说echo是语言结构，不是真正的函数，故把函数加上了双引号)。　　1、如果能将类的方法定义成static，就尽量定义成static，它的速度会提升将近4倍
  • Yii框架中CGridView的使用方法以及详细示例 dcj3sjt126com yii
    CGridView显示一个数据项的列表中的一个表。 表中的每一行代表一个数据项的数据,和一个列通常代表一个属性的物品(一些列可能对应于复杂的表达式的属性或静态文本)。　　CGridView既支持排序和分页的数据项。排序和分页可以在AJAX模式或正常的页面请求。使用CGridView的一个好处是,当用户浏览器禁用JavaScript,排序和分页自动退化普通页面请求和仍然正常运行。 实例代码如下：
  • Maven项目打包成可执行Jar文件 dyy_gusi assembly
    Maven项目打包成可执行Jar文件 在使用Maven完成项目以后，如果是需要打包成可执行的Jar文件，我们通过eclipse的导出很麻烦，还得指定入口文件的位置，还得说明依赖的jar包，既然都使用Maven了，很重要的一个目的就是让这些繁琐的操作简单。我们可以通过插件完成这项工作，使用assembly插件。具体使用方式如下： 1、在项目中加入插件的依赖： <plugin>
  • php常见错误 geeksun PHP
    1.  kevent() reported that connect() failed (61: Connection refused) while connecting to upstream, client: 127.0.0.1, server: localhost, request: "GET / HTTP/1.1", upstream: "fastc
  • 修改linux的用户名 hongtoushizi linuxchange password
    Change Linux Username 更改Linux用户名，需要修改4个系统的文件： /etc/passwd /etc/shadow /etc/group /etc/gshadow 古老/传统的方法是使用vi去直接修改，但是这有安全隐患（具体可自己搜一下），所以后来改成使用这些命令去代替： vipw vipw -s vigr vigr -s   具体的操作顺
  • 第五章 常用Lua开发库1-redis、mysql、http客户端 jinnianshilongnian nginxlua
    对于开发来说需要有好的生态开发库来辅助我们快速开发，而Lua中也有大多数我们需要的第三方开发库如Redis、Memcached、Mysql、Http客户端、JSON、模板引擎等。 一些常见的Lua库可以在github上搜索，https://github.com/search?utf8=%E2%9C%93&q=lua+resty。   Redis客户端 lua-resty-r
  • zkClient 监控机制实现 liyonghui160com zkClient 监控机制实现
             直接使用zk的api实现业务功能比较繁琐。因为要处理session loss，session expire等异常，在发生这些异常后进行重连。又因为ZK的watcher是一次性的，如果要基于wather实现发布/订阅模式，还要自己包装一下，将一次性订阅包装成持久订阅。另外如果要使用抽象级别更高的功能，比如分布式锁，leader选举
  • 在Mysql 众多表中查找一个表名或者字段名的 SQL 语句 pda158 mysql
    在Mysql 众多表中查找一个表名或者字段名的 SQL 语句： 　　方法一：SELECT table_name, column_name from information_schema.columns WHERE column_name LIKE 'Name'; 　　方法二：SELECT column_name from information_schema.colum
  • 程序员对英语的依赖 Smile.zeng 英语程序猿
    1、程序员最基本的技能，至少要能写得出代码，当我们还在为建立类的时候思考用什么单词发牢骚的时候，英语与别人的差距就直接表现出来咯。 2、程序员最起码能认识开发工具里的英语单词，不然怎么知道使用这些开发工具。 3、进阶一点，就是能读懂别人的代码，有利于我们学习人家的思路和技术。 4、写的程序至少能有一定的可读性，至少要人别人能懂吧... 以上一些问题，充分说明了英语对程序猿的重要性。骚年
  • Oracle学习笔记(8) 使用PLSQL编写触发器 vipbooks oraclesql编程活动Access
        时间过得真快啊，转眼就到了Oracle学习笔记的最后个章节了，通过前面七章的学习大家应该对Oracle编程有了一定了了解了吧，这东东如果一段时间不用很快就会忘记了，所以我会把自己学习过的东西做好详细的笔记，用到的时候可以随时查找，马上上手！希望这些笔记能对大家有些帮助！     这是第八章的学习笔记，学习完第七章的子程序和包之后
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他