李铁军
李铁军

金山毒霸样本上报页面功能更新，欢迎试用

金山安全中心（ www.pc120.com）中“样本上报”页面在2010年5月5日下午18：00更新上线。

其中主要更新内容为：

新增：

Ø  对于“误报文件”的手动上报支持。

Ø  支持通过“上报号”查询鉴定结果。

Ø  上报后邮件通知用户功能。

优化：

Ø  优化了水银鉴定超时下的交互流程及提示信息，减少用户长时间等待的情况。

Ø  应用户要求，压缩包内最大文件数由5个增加为50个。

Ø  新增关于鉴定结果与本地病毒库同步时间的说明。

访问地址为： http://www.pc120.com/fileident/

欢迎大家试用，使用中如果遇到问题，请随时联系我或提交到 bbs.duba.net

你可能感兴趣的:(职场,休闲,样本,金山毒霸)

  • AI时代的前端开发：技能提升与职业发展之路 前端
    在瞬息万变的科技时代，个人职业发展的重要性日益凸显。提升技能，不断学习，已经不再是锦上添花，而是立足之本，是我们在竞争激烈的职场中脱颖而出的关键。而人工智能（AI）技术的快速发展，为我们提供了前所未有的机遇，特别是对于前端开发领域，AI正以前所未有的速度改变着我们的工作方式和学习方式。AI赋能前端开发：个性化学习路径前端开发领域的技术栈庞大而复杂，涵盖HTML、CSS、JavaScript、各种框
  • 【分类】【损失函数】处理类别不平衡：CEFL 和 CEFL2 损失函数的实现与应用 丶2136 AI分类人工智能损失函数
    引言在深度学习中的分类问题中，类别不平衡问题是常见的挑战之一。尤其在面部表情分类任务中，不同表情类别的样本数量可能差异较大，比如“开心”表情的样本远远多于“生气”表情。面对这种情况，普通的交叉熵损失函数容易导致模型过拟合到大类样本，忽略少数类样本。为了有效解决类别不平衡问题，Class-balancedExponentialFocalLoss(CEFL)和Class-balancedExponen
  • 【NOIP普及组】 细胞分裂 我就是南山 C++题目#NOIP普及组算法
    题目描述Hanks博士是BT(Bio-Tech，生物技术)领域的知名专家。现在，他正在为一个细胞实验做准备工作：培养细胞样本。Hanks博士手里现在有N种细胞，编号从1-N，一个第i种细胞经过1秒钟可以分裂为Si个同种细胞（Si为正整数）。现在他需要选取某种细胞的一个放进培养皿，让其自由分裂，进行培养。一段时间以后，再把培养皿中的所有细胞平均分入M个试管，形成M份样本，用于实验。Hanks博士的试
  • 【机器学习：二十六、决策树】 KeyPan 机器学习机器学习决策树人工智能算法深度学习数据挖掘
    1.决策树概述决策树是一种基于树状结构的监督学习算法，既可以用于分类任务，也可以用于回归任务。其主要通过递归地将数据划分为子集，从而生成一个具有条件结构的树模型。核心概念节点（Node）：每个节点表示一个特定的决策条件。根节点（RootNode）：树的起点，包含所有样本。分支（Branch）：每个分支代表一个条件划分的结果。叶节点（LeafNode）：终止节点，表示最终的决策结果。优点直观可解释：
  • 【产品思维09讲】点线面体：产品经理和人生选择中的战略思维 Qingzong_MA 职场小白进阶篇职场和发展
    在许多关于成功与失败的讨论中，很多人认为，努力是最重要的因素。我们在学校学到的知识、职场中的技能、创业时的坚持，都给了我们“努力能改变命运”的信念。然而，在现实中，我们常常发现：同样的努力，不同的背景和选择，带来的回报却截然不同。正如我们在“相亲”过程中看到的，不是每个人都能通过一次闪耀的展示获得理想的伴侣，长期关系更重要的是稳定的点而非一时的光辉。而在做产品决策时，也不是所有的努力都能转化为成功
  • gan 总结 数据增强_两幅图像！这样能训练好 GAN 做图像转换吗？ weixin_39972741 gan总结数据增强
    前言GAN似乎离不开大量的训练数据量。之前在知乎回答过一个问题，关于用GAN做数据增强的个人鄙见：https://www.zhihu.com/question/372133109/answer/1081321788GAN作为一种生成模型，很多人以为它主要用途是进行数据增广。但是在这一方面，GAN是有很多局限之处的。首先，GAN不好训练，目前的技术还是需要大量训练样本。而一旦有大量训练样本，那GAN
  • Kaggle欺诈检测：使用生成对抗网络（GAN）解决正负样本极度不平衡问题 Loving_enjoy 论文深度学习计算机视觉人工智能
    ###Kaggle欺诈检测：使用生成对抗网络（GAN）解决正负样本极度不平衡问题####引言在金融领域中，欺诈检测是一项至关重要的任务。然而，欺诈交易数据往往呈现出正负样本极度不平衡的特点，这给机器学习模型的训练带来了挑战。传统的分类算法在面对这种不平衡数据时，往往会导致模型对多数类（正常交易）过拟合，而对少数类（欺诈交易）的识别能力较差。为了解决这个问题，生成对抗网络（GAN）提供了一种有效的手
  • 【大模型】从零样本到少样本学习：一文读懂 Zero-shot、One-shot 和 Few-shot 的核心原理与应用！ 橙子小哥的代码世界 NLP自然语言理解大模型自然语言处理sklearn深度学习神经网络tensorflow
    《从零样本到少样本学习：一文读懂Zero-shot、One-shot和Few-shot的核心原理与应用！》正文：在自然语言处理（NLP）领域，Zero-shot、One-shot和Few-shot学习已经成为衡量大语言模型泛化能力的重要指标。尤其是在大规模预训练模型（如GPT系列）的推动下，这些技术得到了广泛应用和关注。本篇文章将带你全面了解这三种学习方法的核心概念、原理和实际应用场景。1.什么是
  • 机器学习——认识有监督学习与无监督学习 伊一大数据&人工智能学习日志 机器学习机器学习学习人工智能
    目录有监督学习与无监督学习有监督学习无监督学习监督学习与无监督学习的区别有监督学习与无监督学习有监督学习和无监督学习是机器学习中的两种主要学习方式，它们的主要区别在于数据的标注情况和学习的目标。有监督学习有监督学习中，数据集中的每个样本都有明确的标签或目标输出。学习的目标是通过对有标签数据的学习，建立输入特征和输出标签之间的映射关系，以便能够对新的、未见过的输入数据预测其相应的输出标签。常见的有监
  • 洞悉人性的职场沟通技术 黎女士 企业培训在线学习职场沟通职场和发展
    http://www.dianzikejian.com/content_2395.html背景：在企业管理的过程中为什么频频出现沟而不通，为什么每次沟通的事项不能有效的跟进和落实，为什么同事之间误会频频、协作不畅？……通过对企业大量的案例研究分析，我们发现很多时候是因为组织中每一位员工自身的沟通能力有待提升；同时当沟通出现问题，作为职场中每一位伙伴首先应该建立的认知是：沟通出现问题首先是我的问题。
  • 数据增强方法及其工具 cxr828 大数据
    数据增强（DataAugmentation）是指在训练深度学习模型时，通过对现有数据进行一系列变换，从而生成新的样本。数据增强有助于增加数据的多样性，减少过拟合，提升模型的泛化能力，尤其是在数据量有限的情况下。数据增强可以应用于图像、文本、音频等多种类型的数据。以下是一些常见的、简单易行的图像数据增强方法及其具体实现步骤，这些方法也可以广泛应用于目标检测、图像分类、图像分割等任务。一、图像数据增强
  • 职场沟通与行为 网络安全我来了 IT技术职场和发展
    职场沟通与行为引言在职场上，你是否曾遇到过困惑的沟通？是否对同事的行为有过疑虑？这不仅是个别现象，而是我们这个时代工作文化中的普遍问题。许多职场的摩擦，来自沟通不畅或是行为不当。那么，如何才能有效地解决这些问题？本篇文章将深入探讨职场中的沟通与行为问题，以及如何通过有效的沟通改善工作环境。职场行为问题的探讨办公室行为的界定在职场中，行为的界定多样而复杂。比如，一位同事中午走进一个空房间，翘着腿小憩
  • 职场真相：努力加班≠好绩效，你必须懂的职场规则！ 人工智能
    0你的问题，我知道！没有职场认知而产生的疑惑：遇到问题就死磕，觉得问人丢人，麻烦别人不好意思，结果问题没解决，自己先纠结半天；觉得工作特努力，常加班，但好绩效无缘面临裁员，愤怒为什么裁我，又因无规划，觉得惶恐这些问题是不是很眼熟？你或多或少也想过？其实，认识职场就是：认识职场的底层规律，即“游戏规则”底层规律之上，还要理解职场的事和人1职场的“游戏规则”1.0职场由来工业革命带来机器化大生产，带来
  • 关于大规模实时数仓搭建，我有几条心得... 闲鱼技术 大数据数据分析java编程语言人工智能
    现状闲鱼作为一款闲置交易APP，在二手交易市场中是当之无愧的佼佼者。闲鱼从2014年诞生到现在七整年间持续增长，在这高速增长的背后带来的是每天近百亿的曝光点击浏览等数据，在这些数据规模如此庞大的背后也会带来诸多关于实时性的问题：•用户反馈商品曝光异常，如何快速定位？•产品同学圈了一批商品，如何查看该样本的实时报表？•发现问题总是晚一步，如何在第一时间获取自定义的预警信息？•......为了解决上述
  • 从零开始构建一个大语言模型-第二章第一节 释迦呼呼 从零开始构建一个大语言模型语言模型人工智能自然语言处理
    #第二章目录**2.1理解词嵌入**2.2文本分词2.3将词元转换为词元ID2.4添加特殊上下文词元2.5字节对编码2.6使用滑动窗口进行数据采样2.7创建词元嵌入2.8编码词位置#本章涵盖为大型语言模型训练准备文本。将文本拆分为单词和子词词元。字节对编码：一种更先进的文本分词方法。用滑动窗口法采样训练样本。将词元转换为输入大型语言模型的向量。到目前为止，我们已经介绍了大型语言模型（LLMs）的总
  • 【数据分析岗】关于数据分析岗面试python的金典问题+解答，包含数据读取、数据清洗、数据分析、机器学习等内容 摇光~ 数据分析面试python
    大家好，我是摇光~，用大白话讲解所有你难懂的知识点最近和几个大佬交流了，说了很多关于现在职场面试等问题，然后也找他们问了问他们基本面试的话都会提什么问题。所以我收集了很多关于python的面试题，希望对大家面试有用。类别1：数据读取与处理问题1：如何用Python从Excel文件中读取数据？答：在Python中，可以使用pandas库从Excel文件中读取数据。pandas提供了read_exce
  • 随机森林分类算法原理与实验分析 ningaiiii 机器学习与深度学习随机森林分类算法
    随机森林分类算法原理与实验分析1.引言随机森林（RandomForest）是一种集成学习方法，它通过构建多个决策树并结合它们的预测结果来进行分类。你可以把它想象成一个“团队决策”的过程：团队中的每个成员（决策树）都独立发表意见，最后通过投票决定最终结果。这种方法不仅提高了模型的准确性，还增强了模型的稳定性和鲁棒性。随机森林的主要特点是通过随机选择样本和特征来构建多个决策树，从而避免单棵决策树可能产
  • 【AI系统】混合并行 ZOMI酱 人工智能
    混合并行混合并行（HybridParallel）是一种用于分布式计算的高级策略，它结合了数据并行和模型并行的优势，以更高效地利用计算资源，解决深度学习中的大模型训练问题。混合并行不仅能提高计算效率，还能在有限的硬件资源下处理更大的模型和数据集。在深度学习中，数据并行和模型并行各自有其适用的场景和局限性。数据并行适用于训练样本较多而模型较小的情况，通过将数据集分割成多个子集并在不同的设备上同时训练来
  • 【机器学习实战入门项目】基于机器学习的鸢尾花分类项目 精通代码大仙 数据挖掘python深度学习机器学习分类人工智能大数据数据挖掘算法python
    基于机器学习的鸢尾花分类项目介绍：本项目利用机器学习模型对鸢尾花进行分类。鸢尾花数据集是一个著名的机器学习数据集，包含三种类别的花朵：Setosa、Versicolor和Virginica，每种类别由四个特征描述：萼片长度、萼片宽度、花瓣长度和花瓣宽度。什么是机器学习？机器学习是关于从数据中学习预测或提取知识的过程。它是人工智能的一个子领域。机器学习算法基于样本数据（即训练数据）构建模型，并根据训
  • 2024 年度总结：中年失业不可怕，月入过万，不上班也能养活自己的自由职业元年
    2024年即将结束，回首这一年，最大的变化莫过于我从职场人转型为全职自由职业者。这一年，我离开了互联网职场，靠着自己的努力实现了月入过万，同时每天还能睡到自然醒。这不仅仅是我职业生涯的重大转折，也让我对生活有了全新的思考。和往年一样，对于这篇年终总结，我同样不知从何写起，但今年有一点不一样的是，我对于要不要写篇总结没有半点犹豫。一是于我而言，2024年是非常特殊的一年，今年是我开启自由职业，成为全
  • 交叉熵损失与二元交叉熵损失：区别、联系及实现细节 专业发呆业余科研 深度模型底层原理人工智能深度学习python
    在机器学习和深度学习中，交叉熵损失（Cross-EntropyLoss）和二元交叉熵损失（BinaryCross-EntropyLoss）是两种常用的损失函数，它们在分类任务中发挥着重要作用。本文将详细介绍这两种损失函数的区别和联系，并通过具体的代码示例来说明它们的实现细节。交叉熵损失（Cross-EntropyLoss）常用于多类分类问题，即每个样本只能属于一个类别，但总类别数量较多。例如，在手
  • 【机器学习：三十、异常检测：原理与实践】 KeyPan 机器学习机器学习人工智能深度学习pytorch神经网络
    1.异常检测概述异常检测（AnomalyDetection）是一种用于识别数据中异常模式或异常点的技术，旨在发现与大部分数据行为不同的样本。它在工业监控、网络安全、金融欺诈检测等领域具有广泛应用。异常检测的目标是找到那些偏离正常行为的数据点，这些数据点可能代表错误、故障、攻击或其他需要特别关注的情况。核心概念异常通常分为以下三种类型：点异常：单个数据点显著偏离正常分布（例如，银行交易中突然的巨额消
  • 【机器学习：二十九、K-means算法：原理与应用】 KeyPan 机器学习机器学习算法kmeans人工智能神经网络深度学习数据挖掘
    1.K-means概述K-means是一种经典的无监督学习算法，广泛应用于数据聚类任务。其核心思想是将数据集划分为kkk个簇，使得每个簇内的样本尽可能相似，同时不同簇之间尽可能不同。K-means的简单性和高效性使其在模式识别、图像处理、市场分析等领域具有广泛应用。核心思想基于欧几里得距离度量数据点之间的相似性。不断优化簇中心位置，最小化簇内样本与其中心点之间的总距离（即误差平方和，SSE）。适用
  • T检验：一种通俗易懂的统计分析方法 从零开始学习人工智能 算法人工智能机器学习
    摘要T检验（T-test或Student'sT-test）是统计学中用于比较两组数据均值是否存在显著差异的重要工具。本文旨在以通俗易懂的方式介绍T检验的基本概念、类型、数学公式、应用步骤及其在各个领域中的实际应用。引言在科学研究、数据分析等领域，我们经常需要评估两组数据之间的差异是否具有统计学意义。T检验正是为此目的而设计的，它基于T分布理论，通过计算样本数据的T值和P值来推断总体均数之间的差异。
  • 推荐一款牛逼的Windows神器！功能很强大！ 编程IT圈 编程语言软件测试javascriptlinuxcss
    嗨喽，各位新来的小伙伴们，你们好！由于公众号做了改版，为了保证公众号的资源推送，能够第一时间及时送达，大家记得将搜罗哥的公众号加星标置顶，在此真诚的感谢！上篇推文：LeetCode1-50题汇总，速度收藏！职场上办公，最讲究的就是效率了，很多小伙伴没有一个合适的工具来帮助自己，提升工作的效率，一会需要处理图片，一会需要识别一些文字，今天搜罗哥就给小伙伴介绍一款提升效率的工具：万彩办公大师。1软件简
  • 【机器学习】主动学习-增加标签的操作方法-样本池采样（Pool-Based Sampling） IT古董 机器学习机器学习学习人工智能
    Pool-BasedSamplingPool-basedsampling是一种主动学习（ActiveLearning）方法，与流式选择性采样不同，它假设有一个预先定义的未标注样本池，算法从中选择最有价值的样本进行标注，以提升模型的性能。这种方法广泛应用于需要人工标注的场景，例如文本分类、图像识别等。核心思想预先准备一个未标注数据池（UnlabeledDataPool）。使用初始标注数据训练一个模型
  • 【机器学习：二十、拆分原始训练集】 KeyPan 机器学习机器学习人工智能深度学习pytorch神经网络
    1.如何改进模型模型的改进需求在机器学习任务中，模型性能的提升通常受限于训练数据、模型架构、优化方法及超参数设置等。模型改进的目标是在测试数据上表现更优，避免过拟合或欠拟合。常见的改进方向增大训练数据集：通过数据增强或获取更多样本提高模型泛化能力。改进模型结构：例如增加网络层数、调整神经元数目或选择更适合任务的架构。优化损失函数：根据任务特点选择合适的损失函数，例如交叉熵损失或均方误差。调整超参数
  • 关于2025年智能化招聘管理系统平台发展趋势 yongyoudayee 数智招聘
    2025年，招聘管理领域正站在变革的十字路口，全新的技术浪潮与不断变化的职场生态相互碰撞，促使招聘管理系统成为重塑企业人才战略的关键力量。智能化招聘管理系统平台在这一背景下迅速崛起，其发展趋势不仅影响企业的招聘效率与质量，还深刻改变着人力资源市场的生态格局。一、智能化招聘管理系统平台的核心特征与发展趋势1.深度学习算法与大数据分析的应用2025年的招聘管理系统将依托深度学习算法与大数据分析，彻底颠
  • 《AI赋能光追：开启图形渲染新时代》 人工智能深度学习
    光线追踪技术是图形渲染领域的重大突破，能够通过模拟光的传播路径，精准渲染反射、折射、阴影和间接光照等效果，实现高度逼真的场景呈现。而人工智能的加入，更是为光线追踪技术带来了前所未有的变革，主要体现在以下几个方面：降噪传统光线追踪为减少计算量，向场景发射少量光线样本，会产生带噪点的斑点图像，需人工设计降噪器通过多帧累积或空间插值来处理，但存在增加开发成本、降低帧率等问题。AI驱动的降噪技术则引入神经
  • 开源 多模态 大模型架构深度分析 2024 AI大模型 lose and dream 开源架构学习langchainprompt人工智能开发语言
    1.典型开源多模态大模型（1）KOSMOS-2KOSMOS-2是微软亚洲研究院在KOSMOS-1模型的基础上开发的多模态大模型。其中，KOSMOS-1是在大规模多模态数据集上重头训练的，该模型具有类似GPT-4的多模态能力，可以感知一般的感官模态，在上下文中学习（即少样本学习）并能够遵循语音指示（即零样本学习）。KOSMOS-2采用与KOSMOS-1相同的模型架构和训练目标对模型进行训练,并在此基
  • java数字签名三种方式 知了ing javajdk
    以下3钟数字签名都是基于jdk7的 1，RSA String password="test"; // 1.初始化密钥 KeyPairGenerator keyPairGenerator = KeyPairGenerator.getInstance("RSA"); keyPairGenerator.initialize(51
  • Hibernate学习笔记 caoyong Hibernate
    1>、Hibernate是数据访问层框架，是一个ORM(Object Relation Mapping)框架，作者为:Gavin King 2>、搭建Hibernate的开发环境      a>、添加jar包:      aa>、hibernatte开发包中/lib/required/所
  • 设计模式之装饰器模式Decorator（结构型） 漂泊一剑客 Decorator
    1. 概述        若你从事过面向对象开发，实现给一个类或对象增加行为，使用继承机制，这是所有面向对象语言的一个基本特性。如果已经存在的一个类缺少某些方法，或者须要给方法添加更多的功能（魅力），你也许会仅仅继承这个类来产生一个新类—这建立在额外的代码上。      
  • 读取磁盘文件txt，并输入String 一炮送你回车库 String
    public static void main(String[] args) throws IOException {    String fileContent = readFileContent("d:/aaa.txt");    System.out.println(fileContent);   
  • js三级联动下拉框 3213213333332132 三级联动
    //三级联动 省/直辖市<select id="province"></select> 市/省直辖<select id="city"></select> 县/区 <select id="area"></select>
  • erlang之parse_transform编译选项的应用 616050468 parse_transform游戏服务器属性同步abstract_code
             最近使用erlang重构了游戏服务器的所有代码，之前看过C++/lua写的服务器引擎代码，引擎实现了玩家属性自动同步给前端和增量更新玩家数据到数据库的功能，这也是现在很多游戏服务器的优化方向，在引擎层面去解决数据同步和数据持久化，数据发生变化了业务层不需要关心怎么去同步给前端。由于游戏过程中玩家每个业务中玩家数据更改的量其实是很少
  • JAVA JSON的解析 darkranger java
    // { // “Total”：“条数”， // Code: 1, // // “PaymentItems”:[ // { // “PaymentItemID”:”支款单ID”, // “PaymentCode”:”支款单编号”, // “PaymentTime”:”支款日期”, // ”ContractNo”:”合同号”， //
  • POJ-1273-Drainage Ditches aijuans ACM_POJ
    POJ-1273-Drainage Ditches http://poj.org/problem?id=1273 基本的最大流，按LRJ的白书写的 #include<iostream> #include<cstring> #include<queue> using namespace std; #define INF 0x7fffffff int ma
  • 工作流Activiti5表的命名及含义 atongyeye 工作流Activiti
    activiti5 - http://activiti.org/designer/update在线插件安装 activiti5一共23张表 Activiti的表都以ACT_开头。 第二部分是表示表的用途的两个字母标识。 用途也和服务的API对应。 ACT_RE_*: 'RE'表示repository。 这个前缀的表包含了流程定义和流程静态资源 （图片，规则，等等）。 A
  • android的广播机制和广播的简单使用 百合不是茶 android广播机制广播的注册
          Android广播机制简介 在Android中，有一些操作完成以后，会发送广播，比如说发出一条短信，或打出一个电话，如果某个程序接收了这个广播，就会做相应的处理。这个广播跟我们传统意义中的电台广播有些相似之处。之所以叫做广播，就是因为它只负责“说”而不管你“听不听”，也就是不管你接收方如何处理。另外，广播可以被不只一个应用程序所接收，当然也可能不被任何应
  • Spring事务传播行为详解 bijian1013 javaspring事务传播行为
            在service类前加上@Transactional，声明这个service所有方法需要事务管理。每一个业务方法开始时都会打开一个事务。         Spring默认情况下会对运行期例外(RunTimeException)进行事务回滚。这
  • eidtplus operate 征客丶 eidtplus
    开启列模式: Alt+C 鼠标选择   OR   Alt+鼠标左键拖动 列模式替换或复制内容(多行): 右键-->格式-->填充所选内容-->选择相应操作 OR Ctrl+Shift+V(复制多行数据,必须行数一致) -------------------------------------------------------
  • 【Kafka一】Kafka入门 bit1129 kafka
    这篇文章来自Spark集成Kafka(http://bit1129.iteye.com/blog/2174765)，这里把它单独取出来，作为Kafka的入门吧   下载Kafka http://mirror.bit.edu.cn/apache/kafka/0.8.1.1/kafka_2.10-0.8.1.1.tgz 2.10表示Scala的版本，而0.8.1.1表示Kafka
  • Spring 事务实现机制 BlueSkator spring代理事务
    Spring是以代理的方式实现对事务的管理。我们在Action中所使用的Service对象，其实是代理对象的实例，并不是我们所写的Service对象实例。既然是两个不同的对象，那为什么我们在Action中可以象使用Service对象一样的使用代理对象呢？为了说明问题，假设有个Service类叫AService，它的Spring事务代理类为AProxyService，AService实现了一个接口
  • bootstrap源码学习与示例：bootstrap-dropdown（转帖） BreakingBad bootstrapdropdown
    bootstrap-dropdown组件是个烂东西，我读后的整体感觉。 一个下拉开菜单的设计： <ul class="nav pull-right"> <li id="fat-menu" class="dropdown">
  • 读《研磨设计模式》-代码笔记-中介者模式-Mediator 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/ /* * 中介者模式（Mediator）：用一个中介对象来封装一系列的对象交互。 * 中介者使各对象不需要显式地相互引用，从而使其耦合松散，而且可以独立地改变它们之间的交互。 * * 在我看来，Mediator模式是把多个对象（
  • 常用代码记录 chenjunt3 UIExcelJ#
      1、单据设置某行或某字段不能修改 //i是行号,"cash"是字段名称 getBillCardPanelWrapper().getBillCardPanel().getBillModel().setCellEditable(i, "cash", false); //取得单据表体所有项用以上语句做循环就能设置整行了 getBillC
  • 搜索引擎与工作流引擎 comsci 算法工作搜索引擎网络应用
          最近在公司做和搜索有关的工作，(只是简单的应用开源工具集成到自己的产品中)工作流系统的进一步设计暂时放在一边了，偶然看到谷歌的研究员吴军写的数学之美系列中的搜索引擎与图论这篇文章中的介绍，我发现这样一个关系(仅仅是猜想)   -----搜索引擎和流程引擎的基础--都是图论，至少像在我在JWFD中引擎算法中用到的是自定义的广度优先
  • oracle Health Monitor daizj oracleHealth Monitor
    About Health Monitor Beginning with Release 11g, Oracle Database includes a framework called Health Monitor for running diagnostic checks on the database. About Health Monitor Checks Health M
  • JSON字符串转换为对象 dieslrae javajson
        作为前言,首先是要吐槽一下公司的脑残编译部署方式,web和core分开部署本来没什么问题,但是这丫居然不把json的包作为基础包而作为web的包,导致了core端不能使用,而且我们的core是可以当web来用的(不要在意这些细节),所以在core中处理json串就是个问题.没办法,跟编译那帮人也扯不清楚,只有自己写json的解析了.   
  • C语言学习八结构体，综合应用，学生管理系统 dcj3sjt126com C语言
    实现功能的代码： # include <stdio.h> # include <malloc.h> struct Student { int age; float score; char name[100]; }; int main(void) { int len; struct Student * pArr; int i,
  • vagrant学习笔记 dcj3sjt126com vagrant
    想了解多主机是如何定义和使用的, 所以又学习了一遍vagrant   1. vagrant virtualbox 下载安装 https://www.vagrantup.com/downloads.html https://www.virtualbox.org/wiki/Downloads   查看安装在命令行输入vagrant     2.
  • 14.性能优化-优化-软件配置优化 frank1234 软件配置性能优化
    1.Tomcat线程池 修改tomcat的server.xml文件： <Connector port="8080" protocol="HTTP/1.1" connectionTimeout="20000" redirectPort="8443" maxThreads="1200" m
  • 一个不错的shell 脚本教程 入门级 HarborChung linuxshell
    一个不错的shell 脚本教程 入门级 建立一个脚本 　　Linux中有好多中不同的shell，但是通常我们使用bash (bourne again shell) 进行shell编程，因为bash是免费的并且很容易使用。所以在本文中笔者所提供的脚本都是使用bash（但是在大多数情况下，这些脚本同样可以在 bash的大姐，bourne shell中运行）。 　　如同其他语言一样
  • Spring4新特性——核心容器的其他改进 jinnianshilongnian spring动态代理spring4依赖注入
    Spring4新特性——泛型限定式依赖注入 Spring4新特性——核心容器的其他改进 Spring4新特性——Web开发的增强 Spring4新特性——集成Bean Validation 1.1(JSR-349)到SpringMVC  Spring4新特性——Groovy Bean定义DSL Spring4新特性——更好的Java泛型操作API  Spring4新
  • Linux设置tomcat开机启动 liuxingguome tomcatlinux开机自启动
    执行命令sudo gedit /etc/init.d/tomcat6 然后把以下英文部分复制过去。（注意第一句#!/bin/sh如果不写，就不是一个shell文件。然后将对应的jdk和tomcat换成你自己的目录就行了。 #!/bin/bash # # /etc/rc.d/init.d/tomcat # init script for tomcat precesses
  • 第13章 Ajax进阶（下） onestopweb Ajax
    index.html <!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/
  • Troubleshooting Crystal Reports off BW blueoxygen BO
    http://wiki.sdn.sap.com/wiki/display/BOBJ/Troubleshooting+Crystal+Reports+off+BW#TroubleshootingCrystalReportsoffBW-TracingBOE   Quite useful, especially this part: SAP BW connectivity For t
  • Java开发熟手该当心的11个错误 tomcat_oracle javajvm多线程单元测试
    #1、不在属性文件或XML文件中外化配置属性。比如，没有把批处理使用的线程数设置成可在属性文件中配置。你的批处理程序无论在DEV环境中，还是UAT（用户验收 测试）环境中，都可以顺畅无阻地运行，但是一旦部署在PROD 上，把它作为多线程程序处理更大的数据集时，就会抛出IOException，原因可能是JDBC驱动版本不同，也可能是#2中讨论的问题。如果线程数目 可以在属性文件中配置，那么使它成为
  • 正则表达式大全 yang852220741 html编程正则表达式
    今天向大家分享正则表达式大全，它可以大提高你的工作效率 正则表达式也可以被当作是一门语言，当你学习一门新的编程语言的时候，他们是一个小的子语言。初看时觉得它没有任何的意义，但是很多时候，你不得不阅读一些教程，或文章来理解这些简单的描述模式。 一、校验数字的表达式 数字：^[0-9]*$ n位的数字：^\d{n}$ 至少n位的数字：^\d{n,}$ m-n位的数字：^\d{m,n}$
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他