- 时间序列预测之移动平均法预测模型
皖山文武
数据挖掘商务智能数据挖掘python时间序列移动平均
时间序列预测之移动平均法预测模型1.时间序列预测法概述1.1时间序列的基本特征1.2时间序列的分类1.3时间序列的影响因素分析2移动平均数预测模型2.1一次移动平均法2.2二次移动平均法2.3基于Python的移动平均法预测模型1.时间序列预测法概述时间序列,也称为时间数列、历史复数或动态数列。它是将某种统计的指标数值按照时间先后顺序排列所形成的数列。根据时间序列所反映出来的发展过程、方向和趋势,
- 利用R语言irr包计算ICC值(组内相关系数)
mlhylzqwxli
r语言
ICC值是一个较为陌生的概念,在统计学中应用较多,引用百度百科的介绍:组内相关系数(ICC)是衡量和评价观察者间信度(inter-observerreliability)和复测信度(test-retestreliability)的信度系数(reliabilitycoefficient)指标之一。它最先由Bartko于1966年用于测量和评价信度的大小。ICC等于个体的变异度除以总的变异度,故其值介
- 小波包阈值去噪方法
yyytucj
人工智能算法
针对小波包去噪对含强白噪声的信号处理效果不理想问题,提出了基于互相关分析优化的VMD-小波包阈值去噪方法。该方法融合了VMD和小波包去噪的优势,通过VMD把含噪信号分解成若干个模态分量,根据互相关分析提出的临界相关系数从所有模态分量中搜寻极优模态分量,之后利用小波包阈值去噪对极优模态分量进行处理。实验结果表明,该方法对含强白噪声的信号去噪效果具有优势,能够保全信号的有效分量,克服了传统VMD去噪的
- 协方差与相关系数概念解释
huangweibo的博客
数学/线性代数线性代数
参考知乎答案:如何通俗易懂地解释「协方差」与「相关系数」的概念?-GRAYLAMB的回答-知乎https://www.zhihu.com/question/20852004/answer/134902061
- python数据分析的基础知识—pandas中dataframe()使用
sodaloveer
python数据分析基础知识python数据分析系列pythonpandas数据分析
文章目录前言一、DataFrame创建1、函数创建2、直接创建3、字典创建二、DataFrame属性1、查看列的数据类型2、查看DataFrame的前几行后几行3、查看行名与列名4、查看数据值5、查看行列数三、DataFrame切片与索引1、普通索引2、层次化索引四、DataFrame操作1、转置2、描述性统计3、计算算术运算逻辑运算统计函数累计统计函数相关系数和协方差自定义运算4、新增5、修改6
- python学生分布_python统计函数库scipy.stats的用法解析
weixin_39967096
python学生分布
背景总结统计工作中几个常用用法在python统计函数库scipy.stats的使用范例。正态分布以正态分布的常见需求为例了解scipy.stats的基本使用方法。1.生成服从指定分布的随机数norm.rvs通过loc和scale参数可以指定随机变量的偏移和缩放参数,这里对应的是正态分布的期望和标准差。size得到随机数数组的形状参数。(也可以使用np.random.normal(loc=0.0,s
- python统计函数库_python统计函数库scipy.stats的用法1/3
颜卿Lydia
python统计函数库
背景总结统计工作中几个常用用法在python统计函数库scipy.stats的使用范例。正态分布以正态分布的常见需求为例了解scipy.stats的基本使用方法。生成服从指定分布的随机数norm.rvs通过loc和scale参数可以指定随机变量的偏移和缩放参数,这里对应的是正态分布的期望和标准差。size得到随机数数组的形状参数。(也可以使用np.random.normal(loc=0.0,sca
- 卷积核在初始阶段的数据是怎么获取的
abments
人工智能深度学习人工智能
卷积核的初始化随机初始化:在大多数情况下,卷积核(滤波器)的权重在模型训练开始时是随机初始化的。常用的随机初始化方法包括以下几种:均匀分布初始化:权重从一个均匀分布中抽取值。importnumpyasnp#初始化3x3卷积核,权重范围[-0.1,0.1]kernel=np.random.uniform(-0.1,0.1,(3,3))正态分布初始化:权重从一个均值为0、标准差较小的正态分布中抽取。i
- python数据预处理技术与实践期末考试_Python机器学习手册:从数据预处理到深度学习...
坂田月半
内容简介O'ReillyMedia,Inc.介绍第1章向量、矩阵和数组1.0简介1.1创建一个向量1.2创建一个矩阵1.3创建一个稀疏矩阵1.4选择元素1.5展示一个矩阵的属性1.6对多个元素同时应用某个操作1.7找到最大值和最小值1.8计算平均值、方差和标准差1.9矩阵变形1.10转置向量或矩阵1.11展开一个矩阵1.12计算矩阵的秩1.13计算行列式1.14获取矩阵的对角线元素1.15计算矩阵
- 打卡信奥刷题(865)用C++信奥P11077[普及组/提高] 「FSLOI Round I」石子
Loge编程生活
C++c++开发语言算法青少年编程数据结构
P11077「FSLOIRoundI」石子题目背景Englishstatement.YoumustsubmityourcodeattheChineseversionofthestatement.小F和小L正在玩一种古老的博弈游戏的改版。题目描述给定nnn堆石子,第iii堆有aia_iai个石子。设序列a1,a2,⋯ ,ana_1,a_2,\cdots,a_na1,a2,⋯,an的平均数为xxx。此
- ARIMA模型
dearr__
时间序列统计学知识笔记
【终于弄明白ARIMA模型啦!包括确定pq值详细解释!!-哔哩哔哩】https://b23.tv/ijLD8UWARIMA模型ACF&PACFAIC&BICARIMA介绍ACF&PACF怎么判断是拖尾还是截尾截尾:就挺突然的95%二倍标准差以内拖尾:就慢慢的5%二倍标准差以外例子:eg详解:Step1看ACF图:-ACF截尾:判断为MA(q)横型,q为最后一个超出2倍标准差(蓝线)的阶数,即超出水
- 机器学习数学基础:36.φ相关系数分析
@心都
机器学习人工智能
用φ相关系数分析性别与心理测验态度关系的教程一、学习目标学会使用φ相关系数分析两个二分变量(如性别男/女、对心理测验态度肯定/否定)之间的关系,并通过卡方检验判断结果是否具有统计学意义。二、数据准备假设我们想研究青年大学生的性别和对心理测验的态度之间的关系,收集到如下2×22×22×2列联表数据(调查了170170170人):肯定否定合计男生222222888888110110110女生18181
- 机器学习数学基础:37.偏相关分析
@心都
机器学习人工智能
偏相关分析教程一、偏相关分析是什么在很多复杂的系统中,比如地理系统,会有多个要素相互影响。偏相关分析就是在这样多要素构成的系统里,不考虑其他要素的干扰,专门去研究两个要素之间关系紧密程度的一种方法。用来衡量这种紧密程度的数值,叫做偏相关系数。举个简单例子,在研究一个地区的房价时,房价会受到很多因素影响,像地段、房屋面积、周边配套设施等。如果我们想知道单纯的房屋面积和房价之间的关系,就可以用偏相关分
- 平均数1(acwing)c/c++/java/python
xinghuitunan
c++c语言javapython
读取两个浮点数AA和BB的值,对应于两个学生的成绩。请你计算学生的平均分,其中AA的成绩的权重为3.53.5,BB的成绩的权重为7.57.5。成绩的取值范围在00到1010之间,且均保留一位小数。输入格式输入占两行,每行包含一个浮点数,第一行表示AA,第二行表示BB。输出格式输出格式为MEDIA=X,其中XX为平均分,结果保留五位小数。数据范围0≤A,B≤10.00≤A,B≤10.0输入样例:5.
- 【R语言数据分析】基于R语言对中、美两国GDP分析(R语言大作业)
m0_73866147
数据分析大数据r语言
目录一、研究意义二、数据来源三、读取数据读取数据代码运行结果截图四、数据分析绘制箱线图建立箱线图代码运行结果截图五、建立回归模型建立回归模型代码运行结果截图有关于相关系数的计算与检验六、回归分析确定回归方程七、预测中国和美国未来的GDP值、预测中国的GDP赶超美国的时间数据可视化八、总结一、研究意义GDP作为衡量一个国家经济发展的重要指标,被赋予了非常重要的意义,深刻反映着当下经济发展的现状。中美
- 【转】时间序列分析——基于R,王燕
weixin_30780221
r语言
《时间序列分析——基于R》王燕,读书笔记笔记:一、检验:1、平稳性检验:图检验方法:时序图检验:该序列有明显的趋势性或周期性,则不是平稳序列自相关图检验:(acf函数)平稳序列具有短期相关性,即随着延迟期数k的增加,平稳序列的自相关系数ρ会很快地衰减向0(指数级衰减),反之非平稳序列衰减速度会比较慢构造检验统计量进行假设检验:单位根检验adfTest()——fUnitRoots包2、纯随机性检验、
- 64个数据分析常用术语详解【数分必备干货】
扫地僧009
数据分析人工智能数据挖掘
目录一、基础统计指标1.绝对数2.相对数3.百分比和百分点百分比百分点4.频数和频率频数频率5.比例与比率比例比率6.倍数和番数倍数番数7.同比和环比同比环比二、变量相关概念1.变量2.连续变量3.离散变量4.定性变量三、数据集中趋势与离散程度指标1.均值2.中位数3.缺失值4.异常值5.方差6.标准差7.皮尔森相关系数四、网站分析指标1.PV(PageView)页面浏览量2.UV(UniqueV
- Python statistics 模块
ONE_PUNCH_Ge
python
在数据分析和科学计算中,统计学是一个非常重要的工具。Python提供了一个内置的statistics模块,专门用于处理基本的统计计算。本文将详细介绍statistics模块的功能和使用方法,帮助初学者快速掌握如何使用这个模块进行基本的统计分析。statistics模块提供了许多常用的统计函数,如均值、中位数、方差、标准差等。要使用statistics函数必须先导入:importstatistics
- python中的statistics_第40天: Python statistics 模块
weixin_39692253
by豆豆简介随着互联网的普及,整个互联网每天都会产生海量的数据,如何有效地处理这些数据成为了互联网人的必备技能,而Python内置的statistics模块提供了基本的数据统计操作。常用功能mean(data)mean(data)用于求给定序列或者迭代器的算术平均数。importstatisticsexample_list=[1,2,3,4,5,6]x=statistics.mean(exampl
- 【LeetCode】滑动窗口系列总结
zxfhahaha
LeetCodeleetcodejava算法
滑动窗口系列总结用到滑动窗口的题目类型滑动窗口模版76.最小覆盖子串排列相关567.字符串排列438.找到字符串中所有字母异位词3.无重复字符的最长子串904.水果成篮固定窗口567字符串的排列643.子数组最大平均数I1423.可获得的最大点数单调队列解决滑动窗口问题239.滑动窗口最大值参考:LeetCode刷题顺序滑动窗口类型(Slidingwindow)labuladong的滑动窗口模版用
- 【Paddle】PCA线性代数基础 + 领域应用:人脸识别算法(1.1w字超详细:附公式、代码)
是Yu欸
数学建模数据挖掘Paddlepaddle线性代数python机器学习人工智能人脸识别数学建模
【Paddle】PCA线性代数基础及领域应用写在最前面一、PCA线性代数基础1.PCA的算法原理2.PCA的线性代数基础2.1标准差StandardDeviation2.2方差Variance2.3协方差Covariance2.4协方差矩阵TheCovarianceMatrix2.5paddle代码demo①:计算协方差矩阵2.6特征向量Eigenvectors标准化处理2.7paddle代码de
- Kfold交叉验证心得
野营者007
感想MachineLearningKFold
运用Kfold交叉验证时,在一个限度内k的值越大越好。因为k越大我们验证的次数就越多,最后取出来的平均数越能代表训练模型的准确度。但是k是需要在一个限度之内的。k太大有两个坏处。1.容易给机器造成过重负担,花费大量时间。2.每一次验证的测试集(或验证集)中数据太少,很难得到准确的误报率。总体而言,k一般取10,取值依不同项目情况而定,当然一定存在k<n(训练集数据条数)。
- Leetcoe 643.子数组最大平均数I
千恦
LeetCode刷题数据结构算法
643.子数组最大平均数I前言一、题目の描述二、分析及代码三、总结前言二月份的快乐简单题!提示:以下是本篇文章正文内容,下面代码可供参考一、题目の描述给定n个整数,找出平均数最大且长度为k的连续子数组,并输出该最大平均数。示例:输入:[1,12,-5,-6,50,3],k=4输出:12.75解释:最大平均数(12-5-6+50)/4=51/4=12.75提示:1<=k<=n<=30,000。所给数
- [Leetcode] 643. 子数组最大平均数 I java
niceHou666
Leetcodeleetcodejava最大平均数
给定n个整数,找出平均数最大且长度为k的连续子数组,并输出该最大平均数。示例1:输入:[1,12,-5,-6,50,3],k=4输出:12.75解释:最大平均数(12-5-6+50)/4=51/4=12.75注意:1<=k<=n<=30,000。所给数据范围[-10,000,10,000]。classSolution{publicdoublefindMaxAverage(int[]nums,int
- deseq2进行差异分析时的分组问题
请你喝好果汁641
RNA-seq学习
这段代码是使用DESeq2包进行RNA-Seq数据差异表达分析的示例。它展示了如何在不同实验设计下进行差异表达分析,包括两组比较、两条件两基因型的交互作用,以及两条件三基因型的分析。示例1:两组比较#创建一个示例数据集,包含4个样本dds=1.10中,所选的阈值是过滤器的最低分位数,其中拒绝数接近拟合曲线在过滤器分位数上的峰值。“接近”定义为在1个残差标准差内。对于未通过过滤阈值的基因,调整后的p
- 100.3 AI量化面试题:解释配对交易(Pairs Trading)的原理,并说明如何选择配对股票以及设计交易信号
AI量金术师
金融资产组合模型进化论人工智能金融机器学习python算法数学建模面试
目录0.承前1.配对交易基本原理1.1什么是配对交易1.2基本假设2.配对选择方法2.1相关性分析2.2协整性检验3.价差计算方法3.1简单价格比率3.2回归系数法4.交易信号设计4.1标准差方法4.2动态阈值方法5.风险管理5.1止损设计5.2仓位管理6.策略评估6.1回测框架6.2性能指标7.回答话术0.承前如果想更加全面清晰地了解金融资产组合模型进化论的体系架构,可参考:0.金融资产组合模型
- SAP Portfolio Analyzer 中 夏普比率(Sharpe Ratio)计算
cuiyan6458
SharpeRatio比率是一个衡量对应风险的收益比。越高的夏普指标,意味着在收益相对与风险越高。在SAPTRM模块中计算风险是适用年化组合收益减去年化基准收益,在除以年化组合风险,这边用组合收益的标准差。其中,年华组合收益可以使用时间权重(Time-weightedrateofreturn(TWRR)),或者金钱权重(Money-weightedrateofreturn(MWRR))或者Modi
- 相关性分析——点二列相关分析
蓝皮怪
知识分享机器学习数据分析
点二列相关分析(Point-BiserialCorrelationAnalysis)点二列相关分析是一种用于衡量一个二元变量(通常取值为0和1)与一个连续变量之间相关性的统计方法。它常用于教育学、心理学和社会科学等领域,以评估二元变量对连续变量的影响。一、起源点二列相关系数是皮尔逊积矩相关系数的特例,由卡尔·皮尔逊(KarlPearson)提出。皮尔逊在研究统计学理论时,发现传统的相关系数方法无法
- 相关性分析——斯皮尔曼相关性分析
蓝皮怪
知识分享数据分析
斯皮尔曼相关系数(SpearmanCorrelationCoefficient)一、斯皮尔曼相关性分析的起源斯皮尔曼相关性分析由英国心理学家查尔斯·斯皮尔曼(CharlesSpearman)于1904年提出。他在研究智力测验时发现,智力测验的结果往往存在一定的相关性,但这些相关性并不总是线性的。因此,斯皮尔曼提出了一种基于排名的非参数方法,以更好地评估变量间的相关性。二、斯皮尔曼相关性分析的原理斯
- 9. 马科维茨资产组合模型+FF5+GARCH风险模型优化方案(理论+Python实战)
AI量金术师
金融资产组合模型进化论python开发语言金融人工智能机器学习算法
目录0.承前1.核心风险函数代码讲解1.1数据准备和初始化1.2单资产GARCH建模1.3模型拟合和波动率预测1.4异常处理机制1.5相关系数矩阵计算1.6构建波动率矩阵1.7计算协方差矩阵1.8确保矩阵对称性1.9确保矩阵半正定性1.10格式转换和返回1.11calculate_covariance_matrix函数汇总2.代码汇总3.反思3.1不足之处3.2提升思路4.启后0.承前本篇博文是对
- scala的option和some
矮蛋蛋
编程scala
原文地址:
http://blog.sina.com.cn/s/blog_68af3f090100qkt8.html
对于学习 Scala 的 Java™ 开发人员来说,对象是一个比较自然、简单的入口点。在 本系列 前几期文章中,我介绍了 Scala 中一些面向对象的编程方法,这些方法实际上与 Java 编程的区别不是很大。我还向您展示了 Scala 如何重新应用传统的面向对象概念,找到其缺点
- NullPointerException
Cb123456
androidBaseAdapter
java.lang.NullPointerException: Attempt to invoke virtual method 'int android.view.View.getImportantForAccessibility()' on a null object reference
出现以上异常.然后就在baidu上
- PHP使用文件和目录
天子之骄
php文件和目录读取和写入php验证文件php锁定文件
PHP使用文件和目录
1.使用include()包含文件
(1):使用include()从一个被包含文档返回一个值
(2):在控制结构中使用include()
include_once()函数需要一个包含文件的路径,此外,第一次调用它的情况和include()一样,如果在脚本执行中再次对同一个文件调用,那么这个文件不会再次包含。
在php.ini文件中设置
- SQL SELECT DISTINCT 语句
何必如此
sql
SELECT DISTINCT 语句用于返回唯一不同的值。
SQL SELECT DISTINCT 语句
在表中,一个列可能会包含多个重复值,有时您也许希望仅仅列出不同(distinct)的值。
DISTINCT 关键词用于返回唯一不同的值。
SQL SELECT DISTINCT 语法
SELECT DISTINCT column_name,column_name
F
- java冒泡排序
3213213333332132
java冒泡排序
package com.algorithm;
/**
* @Description 冒泡
* @author FuJianyong
* 2015-1-22上午09:58:39
*/
public class MaoPao {
public static void main(String[] args) {
int[] mao = {17,50,26,18,9,10
- struts2.18 +json,struts2-json-plugin-2.1.8.1.jar配置及问题!
7454103
DAOspringAjaxjsonqq
struts2.18 出来有段时间了! (貌似是 稳定版)
闲时研究下下! 貌似 sruts2 搭配 json 做 ajax 很吃香!
实践了下下! 不当之处请绕过! 呵呵
网上一大堆 struts2+json 不过大多的json 插件 都是 jsonplugin.34.jar
strut
- struts2 数据标签说明
darkranger
jspbeanstrutsservletScheme
数据标签主要用于提供各种数据访问相关的功能,包括显示一个Action里的属性,以及生成国际化输出等功能
数据标签主要包括:
action :该标签用于在JSP页面中直接调用一个Action,通过指定executeResult参数,还可将该Action的处理结果包含到本页面来。
bean :该标签用于创建一个javabean实例。如果指定了id属性,则可以将创建的javabean实例放入Sta
- 链表.简单的链表节点构建
aijuans
编程技巧
/*编程环境WIN-TC*/ #include "stdio.h" #include "conio.h"
#define NODE(name, key_word, help) \ Node name[1]={{NULL, NULL, NULL, key_word, help}}
typedef struct node { &nbs
- tomcat下jndi的三种配置方式
avords
tomcat
jndi(Java Naming and Directory Interface,Java命名和目录接口)是一组在Java应用中访问命名和目录服务的API。命名服务将名称和对象联系起来,使得我们可以用名称
访问对象。目录服务是一种命名服务,在这种服务里,对象不但有名称,还有属性。
tomcat配置
- 关于敏捷的一些想法
houxinyou
敏捷
从网上看到这样一句话:“敏捷开发的最重要目标就是:满足用户多变的需求,说白了就是最大程度的让客户满意。”
感觉表达的不太清楚。
感觉容易被人误解的地方主要在“用户多变的需求”上。
第一种多变,实际上就是没有从根本上了解了用户的需求。用户的需求实际是稳定的,只是比较多,也比较混乱,用户一般只能了解自己的那一小部分,所以没有用户能清楚的表达出整体需求。而由于各种条件的,用户表达自己那一部分时也有
- 富养还是穷养,决定孩子的一生
bijian1013
教育人生
是什么决定孩子未来物质能否丰盛?为什么说寒门很难出贵子,三代才能出贵族?真的是父母必须有钱,才能大概率保证孩子未来富有吗?-----作者:@李雪爱与自由
事实并非由物质决定,而是由心灵决定。一朋友富有而且修养气质很好,兄弟姐妹也都如此。她的童年时代,物质上大家都很贫乏,但妈妈总是保持生活中的美感,时不时给孩子们带回一些美好小玩意,从来不对孩子传递生活艰辛、金钱来之不易、要懂得珍惜
- oracle 日期时间格式转化
征客丶
oracle
oracle 系统时间有 SYSDATE 与 SYSTIMESTAMP;
SYSDATE:不支持毫秒,取的是系统时间;
SYSTIMESTAMP:支持毫秒,日期,时间是给时区转换的,秒和毫秒是取的系统的。
日期转字符窜:
一、不取毫秒:
TO_CHAR(SYSDATE, 'YYYY-MM-DD HH24:MI:SS')
简要说明,
YYYY 年
MM 月
- 【Scala六】分析Spark源代码总结的Scala语法四
bit1129
scala
1. apply语法
FileShuffleBlockManager中定义的类ShuffleFileGroup,定义:
private class ShuffleFileGroup(val shuffleId: Int, val fileId: Int, val files: Array[File]) {
...
def apply(bucketId
- Erlang中有意思的bug
bookjovi
erlang
代码中常有一些很搞笑的bug,如下面的一行代码被调用两次(Erlang beam)
commit f667e4a47b07b07ed035073b94d699ff5fe0ba9b
Author: Jovi Zhang <
[email protected]>
Date: Fri Dec 2 16:19:22 2011 +0100
erts:
- 移位打印10进制数转16进制-2008-08-18
ljy325
java基础
/**
* Description 移位打印10进制的16进制形式
* Creation Date 15-08-2008 9:00
* @author 卢俊宇
* @version 1.0
*
*/
public class PrintHex {
// 备选字符
static final char di
- 读《研磨设计模式》-代码笔记-组合模式
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;
abstract class Component {
public abstract void printStruct(Str
- 利用cmd命令将.class文件打包成jar
chenyu19891124
cmdjar
cmd命令打jar是如下实现:
在运行里输入cmd,利用cmd命令进入到本地的工作盘符。(如我的是D盘下的文件有此路径 D:\workspace\prpall\WEB-INF\classes)
现在是想把D:\workspace\prpall\WEB-INF\classes路径下所有的文件打包成prpall.jar。然后继续如下操作:
cd D: 回车
cd workspace/prpal
- [原创]JWFD v0.96 工作流系统二次开发包 for Eclipse 简要说明
comsci
eclipse设计模式算法工作swing
JWFD v0.96 工作流系统二次开发包 for Eclipse 简要说明
&nb
- SecureCRT右键粘贴的设置
daizj
secureCRT右键粘贴
一般都习惯鼠标右键自动粘贴的功能,对于SecureCRT6.7.5 ,这个功能也已经是默认配置了。
老版本的SecureCRT其实也有这个功能,只是不是默认设置,很多人不知道罢了。
菜单:
Options->Global Options ...->Terminal
右边有个Mouse的选项块。
Copy on Select
Paste on Right/Middle
- Linux 软链接和硬链接
dongwei_6688
linux
1.Linux链接概念Linux链接分两种,一种被称为硬链接(Hard Link),另一种被称为符号链接(Symbolic Link)。默认情况下,ln命令产生硬链接。
【硬连接】硬连接指通过索引节点来进行连接。在Linux的文件系统中,保存在磁盘分区中的文件不管是什么类型都给它分配一个编号,称为索引节点号(Inode Index)。在Linux中,多个文件名指向同一索引节点是存在的。一般这种连
- DIV底部自适应
dcj3sjt126com
JavaScript
<!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/1999/xhtml&q
- Centos6.5使用yum安装mysql——快速上手必备
dcj3sjt126com
mysql
第1步、yum安装mysql
[root@stonex ~]# yum -y install mysql-server
安装结果:
Installed:
mysql-server.x86_64 0:5.1.73-3.el6_5 &nb
- 如何调试JDK源码
frank1234
jdk
相信各位小伙伴们跟我一样,想通过JDK源码来学习Java,比如collections包,java.util.concurrent包。
可惜的是sun提供的jdk并不能查看运行中的局部变量,需要重新编译一下rt.jar。
下面是编译jdk的具体步骤:
1.把C:\java\jdk1.6.0_26\sr
- Maximal Rectangle
hcx2013
max
Given a 2D binary matrix filled with 0's and 1's, find the largest rectangle containing all ones and return its area.
public class Solution {
public int maximalRectangle(char[][] matrix)
- Spring MVC测试框架详解——服务端测试
jinnianshilongnian
spring mvc test
随着RESTful Web Service的流行,测试对外的Service是否满足期望也变的必要的。从Spring 3.2开始Spring了Spring Web测试框架,如果版本低于3.2,请使用spring-test-mvc项目(合并到spring3.2中了)。
Spring MVC测试框架提供了对服务器端和客户端(基于RestTemplate的客户端)提供了支持。
&nbs
- Linux64位操作系统(CentOS6.6)上如何编译hadoop2.4.0
liyong0802
hadoop
一、准备编译软件
1.在官网下载jdk1.7、maven3.2.1、ant1.9.4,解压设置好环境变量就可以用。
环境变量设置如下:
(1)执行vim /etc/profile
(2)在文件尾部加入:
export JAVA_HOME=/home/spark/jdk1.7
export MAVEN_HOME=/ho
- StatusBar 字体白色
pangyulei
status
[[UIApplication sharedApplication] setStatusBarStyle:UIStatusBarStyleLightContent];
/*you'll also need to set UIViewControllerBasedStatusBarAppearance to NO in the plist file if you use this method
- 如何分析Java虚拟机死锁
sesame
javathreadoracle虚拟机jdbc
英文资料:
Thread Dump and Concurrency Locks
Thread dumps are very useful for diagnosing synchronization related problems such as deadlocks on object monitors. Ctrl-\ on Solaris/Linux or Ctrl-B
- 位运算简介及实用技巧(一):基础篇
tw_wangzhengquan
位运算
http://www.matrix67.com/blog/archives/263
去年年底写的关于位运算的日志是这个Blog里少数大受欢迎的文章之一,很多人都希望我能不断完善那篇文章。后来我看到了不少其它的资料,学习到了更多关于位运算的知识,有了重新整理位运算技巧的想法。从今天起我就开始写这一系列位运算讲解文章,与其说是原来那篇文章的follow-up,不如说是一个r
- jsearch的索引文件结构
yangshangchuan
搜索引擎jsearch全文检索信息检索word分词
jsearch是一个高性能的全文检索工具包,基于倒排索引,基于java8,类似于lucene,但更轻量级。
jsearch的索引文件结构定义如下:
1、一个词的索引由=分割的三部分组成: 第一部分是词 第二部分是这个词在多少