- 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
- 一封邮件读懂准确率、精准率、召回率、F1 Score
fairymt
产品经理的AI秘籍AIGC人工智能AI作画chatgptai
文章目录场景设定核心目标定义样本类别模拟评估结果四大核心指标详解①准确率(Accuracy)②精准率(Precision)③召回率(Recall)④F1Score如何选对指标?总结场景设定场景:公司开发了一个AI邮箱垃圾邮件(Spam)过滤器。我要评估这款AI垃圾邮件过滤器,判断它是否“合格”。核心目标核心目标:我们希望它能尽可能识别出所有垃圾邮件(别放过坏人);尽量不误伤正常邮件(不冤枉好人)。
- 深度解析基于贝叶斯的垃圾邮件分类
大千AI助手
人工智能Python#OTHER分类数据挖掘人工智能机器学习算法贝叶斯Bayes
贝叶斯垃圾邮件分类的核心逻辑是基于贝叶斯定理,利用邮件中的特征(通常是单词)来计算该邮件属于“垃圾邮件”或“非垃圾邮件”的概率,并根据概率大小进行分类。它是一种朴素贝叶斯分类器,因其假设特征(单词)之间相互独立而得名(虽然这在现实中不完全成立,但效果通常很好)。本文由「大千AI助手」原创发布,专注用真话讲AI,回归技术本质。拒绝神话或妖魔化。搜索「大千AI助手」关注我,一起撕掉过度包装,学习真实的
- 第九课:大白话教你朴素贝叶斯
顽强卖力
机器学习-深度学习-神经网络算法python大数据数据分析
这节课咱们来聊聊朴素贝叶斯(NaiveBayes),这个算法名字听起来像是个“天真无邪的数学小天才”,但其实它是个超级实用的分类工具!我会用最接地气的方式,从定义讲到代码实战,保证你笑着学会,还能拿去忽悠朋友!一:朴素贝叶斯是啥?——当概率论遇上“天真”假设1.1定义:贝叶斯定理的“偷懒版”问题:你想判断一封邮件是不是垃圾邮件,或者一条评论是不是好评。贝叶斯定理(原版):[P(A|B)=\frac
- 贝叶斯算法:从概率推断到智能决策的基石
weixin_47233946
算法算法
##引言在人工智能与机器学习的蓬勃发展中,贝叶斯算法以其独特的概率推理方式和动态更新的特性,在垃圾邮件过滤、疾病诊断、推荐系统等关键领域展现出强大的应用价值。本文将从概率论基础出发,深入解析贝叶斯算法的核心思想及其实现方式,揭示这一统计学方法如何演变为现代智能系统的决策利器。---##一、贝叶斯定理:概率之门的钥匙###1.1基本公式表述贝叶斯定理的数学表达式揭示事件间的关联关系:$$P(A|B)
- contactform7 ajax,Contact Form 7插件高级应用
原标题:ContactForm7插件高级应用WordPress联系表单插件–ContactForm7是一款简单易用扩展性灵活的表单插件,可以自定义各式各样不同类型的表单功能,而且支持自定义接受邮件,Ajax提交和jQuery表单插件支持。可结合Akismet过滤垃圾邮件,同时也支持CAPTCHA反垃圾邮件,表单域元素支持各种最常见的:单选框、复选框、文本框、下拉菜单、按钮、文件上传等多种表单域。C
- 世界著名反垃圾邮件组织的介绍
iteye_10060
反垃圾邮件Spamhause反垃圾邮件组织Anti-Spam反垃圾邮件RBL
Spamhaus组织主页:http://www.spamhaus.orgSpamhaus是一个致力于消灭垃圾邮件背后支持者的站点,它是欧洲最著名的反垃圾邮件组织。主要的查封对象为发送垃圾邮件的邮件服务器、提供开放转发(Open-relay)功能的邮件服务器、提供开放代理服务(Open-proxy)的服务器、提供垃圾邮件制造者信息发布的虚拟主机服务器、提供垃圾邮件服务的域名服务器等。印象最深的恐怕就
- R语言文本探索与预处理:入门指南
Morpheon
Rr语言开发语言
今天是个阴雨连绵的夏日,因此带来今天的第二篇推文。祝您阅读愉快!文本探索和预处理是将非结构化文本转换为结构化数据进行分析的关键步骤。R语言中的正则表达式(Regex)正则表达式(Regex)是定义文本模式的字符序列,用于搜索、模式匹配和文本替换等任务。在处理搜索引擎和垃圾邮件过滤等应用中的非结构化文本时至关重要。R中常用的正则表达式函数:grep()/grepl():定位匹配模式的字符串;grep
- 阿里云服务器 篇十(加更五):自动定时备份CSDN博客内容:解决登录需要滑动滑块验证的问题
李小白杂货铺
斜杠人生阿里云服务器自动备份定时备份备份CSDN备份CSDN博客Markdown文件
文章目录系列文章核心问题核心改动修改后的源码系列文章阿里云服务器篇一:申请和初始化阿里云服务器篇二:搭建静态网站阿里云服务器篇三:提交搜索引擎收录阿里云服务器篇四:404页面模板阿里云服务器篇五:短链服务网站阿里云服务器篇五(加更):短链服务网站:添加反垃圾邮件功能阿里云服务器篇六:GitHub镜像网站阿里云服务器篇七:服务器热备份/定时备份阿里云服务器篇八:图片展示和分享网站(纯静态,数据信息和
- 吴恩达机器学习笔记(1)—引言
大饼酥
人工智能机器学习人工智能吴恩达
目录一、欢迎二、机器学习是什么三、监督学习四、无监督学习一、欢迎机器学习是当前信息技术领域中最令人兴奋的方向之一。在这门课程中,你不仅会学习机器学习的前沿知识,还将亲手实现相关算法,从而深入理解其内部机理。事实上,机器学习已广泛渗透进我们的日常生活。例如,每次你使用Google、Bing进行搜索,或用Facebook、Apple的图像识别功能识别朋友,甚至邮箱中的垃圾邮件过滤器,背后都离不开机器学
- 阿里云服务器邮件发送失败(dail tcp xxxx:25: i/o timeout)因为阿里云默认禁用 25 端口
最近在测试发送邮件的功能,发现了一个奇怪的问题,同样的docker镜像,在本地跑起来是可以正常发送邮件的,但是在阿里云的服务器上跑,就会报错i/otimeout。排查了一圈发现,原来是阿里云的操作,阿里云默认禁用25端口以防止垃圾邮件的传播,需使用465或587端口来进行SMTP连接。go示例代码packagemainimport("crypto/tls""fmt""gopkg.in/gomail
- 机器学习复习3--模型的选择
谢耳朵(wer~wer~)
机器学习机器学习人工智能
选择合适的机器学习模型是机器学习项目成功的关键一步。这通常不是一个一蹴而就的过程,而是需要综合考虑多个因素,并进行实验和评估。1.理解问题本质这是模型选择的首要步骤。需要清晰地定义试图解决的问题类型:监督学习:数据集包含输入特征和对应的标签(目标变量)分类:目标变量是离散的类别。例如,判断邮件是否为垃圾邮件(是/否),图像识别(猫/狗/鸟),客户流失预测(流失/不流失)。需要考虑的问题:二分类还是
- Perceptron (感知器):神经网络的基础构建块-含Python代码
Morpheon
人工智能机器学习神经网络python人工智能
目录简介什么是感知器?示例:垃圾邮件检测器实现训练感知器感知器的局限性结论简介对我来说,感知器听起来像是变形金刚系列中的一个角色,确实在变形金刚中有一个赛博坦星球。在机器学习中,感知器是由FrankRosenblatt在1958年创建的一个智能决策单元。它本质上是一个二分类器。感知器最早的应用之一是垃圾邮件过滤。我们以"免费"或"中奖"等警示词的频率、邮件发送者的信誉、邮件长度等特征作为输入,输出
- 如何查看outlook后台拦截的邮件
dev.null
网络outlook
有些是否一封邮件明明已经发送了,但是在outlook邮件中所有位置(包括垃圾邮件等)都找不到,这时可能是被outlook后台拦截了。可以用以下方法查询:如果你使用的是公司分配的Outlook/Exchange/Microsoft365邮箱,有可能被邮件网关拦截,需要从Microsoft365安全中心查看:访问Microsoft365隔离邮件页面https://security.microsoft.
- 如何判断IP是否被平台标记
IP管家
网络python服务器iptcp/ip网络协议
一、基础检测:连通性与黑名单筛查网络连通性测试Ping与Traceroute:通过命令测试延迟和路由路径,若延迟>50ms或存在异常节点(如某跳延迟>200ms),可能影响可用性。示例命令:bashping8.8.8.8#检测延迟与丢包率traceroute8.8.8.8#定位网络瓶颈黑名单查询工具推荐:MXToolbox:检查IP是否被反垃圾邮件组织(如Spamhaus、Barracuda)标记
- 使用贝叶斯算法完成垃圾邮件分类实战
万能小贤哥
算法分类人工智能
一、背景与问题分析垃圾邮件长期以来困扰用户,传统方法如关键词匹配和校验码验证存在明显缺陷:误判率高:正常邮件可能包含"发票"、"中奖"等关键词。易被规避:垃圾邮件发送者会替换关键词或插入干扰字符。贝叶斯分类方法通过计算词汇在垃圾邮件中的联合概率实现更精准分类,其优势在于:动态适应新词汇和表达方式数据量越大分类效果越好天然支持概率化评估二、算法核心原理朴素贝叶斯公式:P(Spam∣Words)=P(
- 建立多项式朴素贝叶斯模型实战指南
万能小贤哥
机器学习人工智能算法
一、模型选择与实现针对文本分类任务(如垃圾邮件识别),多项式朴素贝叶斯(MultinomialNB)是最优选择:适用场景:处理离散型特征(如词频、TF-IDF值)核心优势:直接利用整数型词频特征,无需假设数据分布对比区别:高斯朴素贝叶斯:假设特征符合正态分布,适合连续型数据伯努利朴素贝叶斯:处理二值化特征(是否存在某个词)python复制下载fromsklearn.naive_bayesimpor
- 如何将邮件送达率从60%提升到95%
Geeksend 邮件营销平台
大数据自动化
一、邮件送达率的重要性邮件送达率是邮件营销效果的关键指标。高送达率能增加邮件被打开、阅读和互动的机会;低送达率则可能导致邮件被误判为垃圾邮件,浪费企业资源。二、影响邮件送达率的因素及优化策略1.发件人信誉建立良好信誉:发件人信誉是邮件服务提供商评估邮件是否为垃圾邮件的重要依据。提升信誉需确保邮件内容优质、发送频率合理、避免误导性标题和内容。及时处理用户投诉和退订请求,维护良好声誉。避免被标记为垃圾
- AI Agent 入门指南:从生活场景到行业应用(新手必看)
大模型大模型
人工智能生活microsoft数据挖掘产品经理大模型大数据
一、什么是AIAgent?用生活场景秒懂概念想象你有一个24小时在线的“数字管家”:早上它根据天气自动调整空调温度,听到你说“我出门了”就远程锁门,上班时帮你过滤垃圾邮件并标记重要信息,下班前又悄悄订好你爱吃的寿司——这个能主动理解需求、自主完成任务的“数字管家”,就是AIAgent(智能体)。简单来说,它是能在数字世界里“自主行动”的智能程序,就像手机里的Siri能听懂指令打电话,扫地机器人能自
- 机器学习算法——朴素贝叶斯算法
阿K还阔以
机器学习算法人工智能
一、朴素贝叶斯算法介绍1、朴素贝叶斯算法概述朴素贝叶斯算法是一种经典的概率分类算法,它基于贝叶斯定理和特征独立性假设。该算法常被用于文本分类、垃圾邮件过滤、情感分析等领域。朴素贝叶斯算法的核心思想是通过已知类别的训练样本集,学习出每个类别的概率分布模型,然后根据待分类样本的特征,利用贝叶斯定理计算出样本属于各个类别的后验概率,最终选择具有最大后验概率的类别作为分类结果。在朴素贝叶斯算法中,特征之间
- 【随机森林完全攻略】从原理到实战学习总结
大数据新兵蛋子
随机森林学习算法
一、随机森林核心:为什么它是“机器学习六边形战士”?1.集成算法的魔法:三个臭皮匠顶个诸葛亮装袋法(Bagging)核心:并行训练N棵决策树(基评估器),通过**多数表决(分类)或平均(回归)**输出结果,降低方差,专治决策树过拟合!例子:25棵树投票判断邮件是否为垃圾邮件,超过13棵树判断错误才会集成错误,错误率从单树20%暴跌至0.0369%!与Boosting的区别:维度随机森林(Baggi
- 自建邮箱服务器方案
爱码小白
运行维护服务器运维
第一节方案概述搭建一个用于发送验证邮件的服务器需要综合考虑技术实现、安全性和维护成本。以下是详细的步骤和注意事项:一、基础准备服务器与网络环境服务器选择:建议使用云服务器(如AWSEC2、阿里云ECS或DigitalOcean),配置至少1核CPU+1GB内存。操作系统:推荐Linux发行版(如Ubuntu、CentOS)。网络配置:确保服务器IP未被列入垃圾邮件黑名单(可通过MXToolbox检
- 机器学习中,什么叫监督学习?什么叫非监督学习?
计算机视觉农民工
机器学习学习人工智能
在机器学习领域,监督学习和非监督学习是两大核心范式,它们的核心差异在于数据是否有标签以及解决问题的目标不同。理解两者的区别,是入门机器学习的“第一课”。一、监督学习:有答案的“练习题”定义:通过带有标签(Label)的数据训练模型,使其能够预测未知数据的输出结果。核心逻辑:输入数据(特征)→模型学习→输出标签(答案)。典型场景:分类问题(离散标签)垃圾邮件识别(标签:垃圾/正常)疾病诊断(标签:患
- 机器学习中的分类阈值与混淆矩阵:原理、应用与Python实现
未来创世纪
机器学习机器学习分类矩阵
机器学习中的分类阈值与混淆矩阵:原理、应用与Python实现引言在机器学习领域,分类模型的性能评估是模型开发过程中至关重要的一环。无论是垃圾邮件检测、疾病诊断还是推荐系统,分类模型的准确性直接关系到实际应用的效果。本研究报告将深入探讨分类阈值和混淆矩阵这两个核心概念,分析它们在机器学习模型评估中的重要性,并通过Python实现案例进行详细说明。分类阈值作为连接模型概率输出与类别预测的桥梁,直接影响
- 【科普】AI核心概念全解析,一文掌握智能时代的关键词
deepseek大模型
人工智能开源大模型数据库大数据ai
基础理念1、人工智能(AI)定义:基于计算机科学、数学和认知科学的交叉学科,旨在开发能够模拟人类智能行为的技术系统。其核心技术包括机器学习、自然语言处理、计算机视觉等,分为弱人工智能(解决特定任务)与强人工智能(通用智能,尚未实现)。技术分支:机器学习:通过数据训练模型,使机器自主优化决策(如垃圾邮件分类);知识图谱:结构化表达现实世界关系(如电商商品关联推荐)。案例:智慧城市:实时优化交通信号灯
- AI(人工智能)学习中的主要分类及其详细说明
爱的叹息
人工智能人工智能学习分类
以下是AI学习中的主要分类及其详细说明:1.监督学习分类算法通过带标签的数据进行训练,预测离散类别。1.1逻辑回归(LogisticRegression)原理:使用Sigmoid函数将线性组合映射到概率,阈值判断分类。特点:简单高效,适合二分类,可扩展为多分类。适用场景:垃圾邮件检测、信用评分。1.2决策树(DecisionTree)原理:通过特征分裂数据,形成树形结构,叶子节点为类别。特点:可解
- 机器学习专栏(1):什么是机器学习?看完这篇你也能跟算法“对话“了!
Sonal_Lynn
机器学习机器学习算法人工智能深度学习python
目录导言:当你的手机开始"思考"一、机器学习的三重定义(从感性到理性)1.1机器学习的"诗与远方"1.2工程师的精准诠释二、解剖一只"会学习的麻雀":垃圾邮件过滤器2.1训练过程全解析2.2与传统编程的世纪碰撞三、为什么维基百科不是机器学习?3.1知识的两种形态3.2核心差异点四、你的第一个机器学习应用场景4.1生活中的学习机器4.2技术演进路线图五、如何开启你的机器学习之旅?5.1学习金字塔(建
- 从基础概念到前沿应用了解机器学习
AI大模型团团
机器学习人工智能aillama线性回归随机森林python
一、机器学习基础概念1.机器学习定义与核心价值机器学习是人工智能的重要分支,通过算法让计算机系统能够从数据中自动学习并改进性能。其核心价值在于:自动化决策:无需显式编程即可完成复杂任务持续进化:随着数据积累不断优化表现模式发现:从海量数据中识别人类难以察觉的规律2.三大学习范式对比学习类型数据需求算法示例典型应用场景监督学习标注数据SVM、随机森林垃圾邮件过滤、房价预测无监督学习无标注数据K-me
- 机器学习中监督学习、无监督学习、强化学习的区别
、我是男生。
机器学习学习人工智能
监督学习、无监督学习和强化学习是机器学习的三种主要类型,它们在数据、目标和训练过程上有着本质的区别:监督学习(SupervisedLearning)数据:监督学习使用标记过的数据集,即每个样本都有对应的标签或目标值。目标:模型的目的是学会一个映射函数,将输入数据映射到正确的输出标签。训练过程:在训练过程中,模型通过不断调整参数来最小化预测输出和实际标签之间的差异。应用:分类(如垃圾邮件检测)、回归
- TensorFlow深度学习实战(7)——分类任务详解
盼小辉丶
深度学习tensorflow分类
TensorFlow深度学习实战(7)——分类任务详解0.前言1.分类任务1.1分类任务简介1.2分类与回归的区别2.逻辑回归3.使用TensorFlow实现逻辑回归小结系列链接0.前言分类任务(ClassificationTask)是机器学习中的一种监督学习问题,其目的是将输入数据(特征向量)映射到离散的类别标签。广泛应用于如文本分类、图像识别、垃圾邮件检测、医学诊断等多种领域。1.分类任务1.
- 深入浅出Java Annotation(元注解和自定义注解)
Josh_Persistence
Java Annotation元注解自定义注解
一、基本概述
Annontation是Java5开始引入的新特征。中文名称一般叫注解。它提供了一种安全的类似注释的机制,用来将任何的信息或元数据(metadata)与程序元素(类、方法、成员变量等)进行关联。
更通俗的意思是为程序的元素(类、方法、成员变量)加上更直观更明了的说明,这些说明信息是与程序的业务逻辑无关,并且是供指定的工具或
- mysql优化特定类型的查询
annan211
java工作mysql
本节所介绍的查询优化的技巧都是和特定版本相关的,所以对于未来mysql的版本未必适用。
1 优化count查询
对于count这个函数的网上的大部分资料都是错误的或者是理解的都是一知半解的。在做优化之前我们先来看看
真正的count()函数的作用到底是什么。
count()是一个特殊的函数,有两种非常不同的作用,他可以统计某个列值的数量,也可以统计行数。
在统
- MAC下安装多版本JDK和切换几种方式
棋子chessman
jdk
环境:
MAC AIR,OS X 10.10,64位
历史:
过去 Mac 上的 Java 都是由 Apple 自己提供,只支持到 Java 6,并且OS X 10.7 开始系统并不自带(而是可选安装)(原自带的是1.6)。
后来 Apple 加入 OpenJDK 继续支持 Java 6,而 Java 7 将由 Oracle 负责提供。
在终端中输入jav
- javaScript (1)
Array_06
JavaScriptjava浏览器
JavaScript
1、运算符
运算符就是完成操作的一系列符号,它有七类: 赋值运算符(=,+=,-=,*=,/=,%=,<<=,>>=,|=,&=)、算术运算符(+,-,*,/,++,--,%)、比较运算符(>,<,<=,>=,==,===,!=,!==)、逻辑运算符(||,&&,!)、条件运算(?:)、位
- 国内顶级代码分享网站
袁潇含
javajdkoracle.netPHP
现在国内很多开源网站感觉都是为了利益而做的
当然利益是肯定的,否则谁也不会免费的去做网站
&
- Elasticsearch、MongoDB和Hadoop比较
随意而生
mongodbhadoop搜索引擎
IT界在过去几年中出现了一个有趣的现象。很多新的技术出现并立即拥抱了“大数据”。稍微老一点的技术也会将大数据添进自己的特性,避免落大部队太远,我们看到了不同技术之间的边际的模糊化。假如你有诸如Elasticsearch或者Solr这样的搜索引擎,它们存储着JSON文档,MongoDB存着JSON文档,或者一堆JSON文档存放在一个Hadoop集群的HDFS中。你可以使用这三种配
- mac os 系统科研软件总结
张亚雄
mac os
1.1 Microsoft Office for Mac 2011
大客户版,自行搜索。
1.2 Latex (MacTex):
系统环境:https://tug.org/mactex/
&nb
- Maven实战(四)生命周期
AdyZhang
maven
1. 三套生命周期 Maven拥有三套相互独立的生命周期,它们分别为clean,default和site。 每个生命周期包含一些阶段,这些阶段是有顺序的,并且后面的阶段依赖于前面的阶段,用户和Maven最直接的交互方式就是调用这些生命周期阶段。 以clean生命周期为例,它包含的阶段有pre-clean, clean 和 post
- Linux下Jenkins迁移
aijuans
Jenkins
1. 将Jenkins程序目录copy过去 源程序在/export/data/tomcatRoot/ofctest-jenkins.jd.com下面 tar -cvzf jenkins.tar.gz ofctest-jenkins.jd.com &
- request.getInputStream()只能获取一次的问题
ayaoxinchao
requestInputstream
问题:在使用HTTP协议实现应用间接口通信时,服务端读取客户端请求过来的数据,会用到request.getInputStream(),第一次读取的时候可以读取到数据,但是接下来的读取操作都读取不到数据
原因: 1. 一个InputStream对象在被读取完成后,将无法被再次读取,始终返回-1; 2. InputStream并没有实现reset方法(可以重
- 数据库SQL优化大总结之 百万级数据库优化方案
BigBird2012
SQL优化
网上关于SQL优化的教程很多,但是比较杂乱。近日有空整理了一下,写出来跟大家分享一下,其中有错误和不足的地方,还请大家纠正补充。
这篇文章我花费了大量的时间查找资料、修改、排版,希望大家阅读之后,感觉好的话推荐给更多的人,让更多的人看到、纠正以及补充。
1.对查询进行优化,要尽量避免全表扫描,首先应考虑在 where 及 order by 涉及的列上建立索引。
2.应尽量避免在 where
- jsonObject的使用
bijian1013
javajson
在项目中难免会用java处理json格式的数据,因此封装了一个JSONUtil工具类。
JSONUtil.java
package com.bijian.json.study;
import java.util.ArrayList;
import java.util.Date;
import java.util.HashMap;
- [Zookeeper学习笔记之六]Zookeeper源代码分析之Zookeeper.WatchRegistration
bit1129
zookeeper
Zookeeper类是Zookeeper提供给用户访问Zookeeper service的主要API,它包含了如下几个内部类
首先分析它的内部类,从WatchRegistration开始,为指定的znode path注册一个Watcher,
/**
* Register a watcher for a particular p
- 【Scala十三】Scala核心七:部分应用函数
bit1129
scala
何为部分应用函数?
Partially applied function: A function that’s used in an expression and that misses some of its arguments.For instance, if function f has type Int => Int => Int, then f and f(1) are p
- Tomcat Error listenerStart 终极大法
ronin47
tomcat
Tomcat报的错太含糊了,什么错都没报出来,只提示了Error listenerStart。为了调试,我们要获得更详细的日志。可以在WEB-INF/classes目录下新建一个文件叫logging.properties,内容如下
Java代码
handlers = org.apache.juli.FileHandler, java.util.logging.ConsoleHa
- 不用加减符号实现加减法
BrokenDreams
实现
今天有群友发了一个问题,要求不用加减符号(包括负号)来实现加减法。
分析一下,先看最简单的情况,假设1+1,按二进制算的话结果是10,可以看到从右往左的第一位变为0,第二位由于进位变为1。
 
- 读《研磨设计模式》-代码笔记-状态模式-State
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/
/*
当一个对象的内在状态改变时允许改变其行为,这个对象看起来像是改变了其类
状态模式主要解决的是当控制一个对象状态的条件表达式过于复杂时的情况
把状态的判断逻辑转移到表示不同状态的一系列类中,可以把复杂的判断逻辑简化
如果在
- CUDA程序block和thread超出硬件允许值时的异常
cherishLC
CUDA
调用CUDA的核函数时指定block 和 thread大小,该大小可以是dim3类型的(三维数组),只用一维时可以是usigned int型的。
以下程序验证了当block或thread大小超出硬件允许值时会产生异常!!!GPU根本不会执行运算!!!
所以验证结果的正确性很重要!!!
在VS中创建CUDA项目会有一个模板,里面有更详细的状态验证。
以下程序在K5000GPU上跑的。
- 诡异的超长时间GC问题定位
chenchao051
jvmcmsGChbaseswap
HBase的GC策略采用PawNew+CMS, 这是大众化的配置,ParNew经常会出现停顿时间特别长的情况,有时候甚至长到令人发指的地步,例如请看如下日志:
2012-10-17T05:54:54.293+0800: 739594.224: [GC 739606.508: [ParNew: 996800K->110720K(996800K), 178.8826900 secs] 3700
- maven环境快速搭建
daizj
安装mavne环境配置
一 下载maven
安装maven之前,要先安装jdk及配置JAVA_HOME环境变量。这个安装和配置java环境不用多说。
maven下载地址:http://maven.apache.org/download.html,目前最新的是这个apache-maven-3.2.5-bin.zip,然后解压在任意位置,最好地址中不要带中文字符,这个做java 的都知道,地址中出现中文会出现很多
- PHP网站安全,避免PHP网站受到攻击的方法
dcj3sjt126com
PHP
对于PHP网站安全主要存在这样几种攻击方式:1、命令注入(Command Injection)2、eval注入(Eval Injection)3、客户端脚本攻击(Script Insertion)4、跨网站脚本攻击(Cross Site Scripting, XSS)5、SQL注入攻击(SQL injection)6、跨网站请求伪造攻击(Cross Site Request Forgerie
- yii中给CGridView设置默认的排序根据时间倒序的方法
dcj3sjt126com
GridView
public function searchWithRelated() {
$criteria = new CDbCriteria;
$criteria->together = true; //without th
- Java集合对象和数组对象的转换
dyy_gusi
java集合
在开发中,我们经常需要将集合对象(List,Set)转换为数组对象,或者将数组对象转换为集合对象。Java提供了相互转换的工具,但是我们使用的时候需要注意,不能乱用滥用。
1、数组对象转换为集合对象
最暴力的方式是new一个集合对象,然后遍历数组,依次将数组中的元素放入到新的集合中,但是这样做显然过
- nginx同一主机部署多个应用
geeksun
nginx
近日有一需求,需要在一台主机上用nginx部署2个php应用,分别是wordpress和wiki,探索了半天,终于部署好了,下面把过程记录下来。
1. 在nginx下创建vhosts目录,用以放置vhost文件。
mkdir vhosts
2. 修改nginx.conf的配置, 在http节点增加下面内容设置,用来包含vhosts里的配置文件
#
- ubuntu添加admin权限的用户账号
hongtoushizi
ubuntuuseradd
ubuntu创建账号的方式通常用到两种:useradd 和adduser . 本人尝试了useradd方法,步骤如下:
1:useradd
使用useradd时,如果后面不加任何参数的话,如:sudo useradd sysadm 创建出来的用户将是默认的三无用户:无home directory ,无密码,无系统shell。
顾应该如下操作:
- 第五章 常用Lua开发库2-JSON库、编码转换、字符串处理
jinnianshilongnian
nginxlua
JSON库
在进行数据传输时JSON格式目前应用广泛,因此从Lua对象与JSON字符串之间相互转换是一个非常常见的功能;目前Lua也有几个JSON库,本人用过cjson、dkjson。其中cjson的语法严格(比如unicode \u0020\u7eaf),要求符合规范否则会解析失败(如\u002),而dkjson相对宽松,当然也可以通过修改cjson的源码来完成
- Spring定时器配置的两种实现方式OpenSymphony Quartz和java Timer详解
yaerfeng1989
timerquartz定时器
原创整理不易,转载请注明出处:Spring定时器配置的两种实现方式OpenSymphony Quartz和java Timer详解
代码下载地址:http://www.zuidaima.com/share/1772648445103104.htm
有两种流行Spring定时器配置:Java的Timer类和OpenSymphony的Quartz。
1.Java Timer定时
首先继承jav
- Linux下df与du两个命令的差别?
pda158
linux
一、df显示文件系统的使用情况,与du比較,就是更全盘化。 最经常使用的就是 df -T,显示文件系统的使用情况并显示文件系统的类型。 举比例如以下: [root@localhost ~]# df -T Filesystem Type &n
- [转]SQLite的工具类 ---- 通过反射把Cursor封装到VO对象
ctfzh
VOandroidsqlite反射Cursor
在写DAO层时,觉得从Cursor里一个一个的取出字段值再装到VO(值对象)里太麻烦了,就写了一个工具类,用到了反射,可以把查询记录的值装到对应的VO里,也可以生成该VO的List。
使用时需要注意:
考虑到Android的性能问题,VO没有使用Setter和Getter,而是直接用public的属性。
表中的字段名需要和VO的属性名一样,要是不一样就得在查询的SQL中
- 该学习笔记用到的Employee表
vipbooks
oraclesql工作
这是我在学习Oracle是用到的Employee表,在该笔记中用到的就是这张表,大家可以用它来学习和练习。
drop table Employee;
-- 员工信息表
create table Employee(
-- 员工编号
EmpNo number(3) primary key,
-- 姓