- 算法学习笔记:概率与期望
Plozia
数学/数论学习笔记+专项训练
概率与期望1.前言2.定义3.理解4.期望方程5.总结1.前言概率我们很熟,在数学课本里面我们就已经学到过概率的基本定义以及计算方式。期望我们不熟,他与概率密切相关,计算方式基于概率。2.定义概率的计算方式不必我多说,各位在数学课中都有了解。而期望,从某种意义上来讲其实就是一个加了权值的概率。我将使用一个例子来说明期望是什么:假设某一天小z有一场满分为100分的数学考试。他妈妈说:“儿子,如果你能
- [算法学习笔记](超全)概率与期望
L('ω')┘脏脏包└('ω')」
c++题解算法
引子先来讲个故事······话说在神奇的OI大陆上,有一只papermouse有一天,它去商场购物,正好是11.11,商店有活动它很荣幸被选上给1832抽奖在抽奖箱里,有3个篮蓝球,12个红球papermouse能抽3次蒟蒻的papermouse就疑惑了:抽到至少1个篮蓝球的概率是多少???Answer:总共有15个球只抽到1个篮蓝球的概率是0.435165(很好理解吧,在4个篮蓝球里取一个,再在
- 专题·数学概率与期望【including 条件概率,贝叶斯定理, 全概率公式,数学期望, 绿豆蛙的归宿
樱狸❀
数论数论数学期望概率
初见安~~~又开启数论的探索啦~~:)一。概率1.基本定义在概率论中,我们把一个随机事件的一个可能结果称为其样本点,其所有样本点构成的集合称之为样本空间。(注意,随机事件并不一定只有一种可能结果)在样本空间中,我们称事件所包含的子集为随机事件。概率的定义就很简单了,我们也都知道样本空间中的任意随机事件的概率不会超过1不会小于0.就比如我们抛硬币连续扔三次(不考虑侧面稳落地),有8中可能:AAA,A
- 第十六章 隐马尔科夫模型
小酒馆燃着灯
机器学习手写AI深度学习机器学习
文章目录简介概念随机变量与随机过程马尔可夫链隐含马尔可夫模型两个基本假设三个基本问题算法观测序列生成算法概率计算算法前向概率与后向概率前向算法后向算法小结概率与期望学习问题监督学习方法Baum-Welch算法预测算法近似算法(MAP)维特比算法(Viterbi)简介动态贝叶斯网络的最简单实现隐马尔可夫模型。HMM可以看成是一种推广的混合模型。序列化建模,打破了数据独立同分布的假设。有些关系需要理清
- Algorithm Review 9 数学相关
Log_x
学习笔记概率论算法
概率与期望结论1设xxx为离散随机变量,且x∈Nx\in\mathbbNx∈N,则E(x)=∑i=1∞i⋅P(x=i)=∑i=1∞P(x≥i)E(x)=\sum\limits_{i=1}^{\infty}i·P(x=i)=\sum\limits_{i=1}^{\infty}P(x\gei)E(x)=i=1∑∞i⋅P(x=i)=i=1∑∞P(x≥i)。树上随机游走给定一棵树,从树中的某点xxx出发,
- SPSS卡方检验结果解读详解
nekonekoboom
SPSS
卡方检验(Chi-SquareTest)是由Pearson提出的一种统计方法,在一定的置信水平和自由度下,通过比较卡方统计量和卡方分布函数概率值,判断实际概率与期望概率是否吻合,通过比较理论概率和实际概率的吻合程度,可检验两个分类变量的相关性。用户可利用SPSS软件方便的完成卡方检验,在SPSS软件中,默认H0成立,即观察频数和实际频数无差别,即两组变量相互不产生影响,两组变量不相关,如果检验P值
- 算法学习笔记:概率/期望 DP
Plozia
动态规划学习笔记+专项训练算法动态规划数据结构
算法学习笔记:概率/期望DP1.前言2.例题3.练习题1.前言概率/期望DP,是一种DP,用来计算概率或者是期望。其实我认为这种DP就是计算期望的,毕竟概率可以看成代价为1的期望。没有学过期望的读者可以看看这篇文章:算法学习笔记:概率与期望而概率/期望DP,最关键的就是期望方程。下面看一道例题。2.例题CF1265EBeautifulMirrors以这题为例,详细讲解期望DP的一般套路。为了方便,
- 隐马尔可夫模型 (hidden Markov model, HMM)
连理o
机器学习概率论自然语言处理机器学习
本文为《统计学习方法》的读书笔记目录隐马尔可夫模型的基本概念隐马尔可夫模型的定义观测序列的生成过程隐马尔可夫模型的3个基本问题概率计算算法直接计算法前向算法(forwardalgorithm)后向算法(backwardalgorithm)一些概率与期望值的计算学习算法监督学习方法Baum-Welch算法(无监督学习方法)预测算法近似算法维特比算法(Viterbialgorithm)隐马尔可夫模型的
- 机器学习算法(十七):隐马尔科夫模型(HMM)
意念回复
机器学习机器学习算法机器学习
目录1隐马尔科夫模型1.1模型概念1.2定义1.3隐马尔科夫模型的两个性质1.4盒子与球模型1.5三个基本问题2概率计算算法2.1直接计算法2.2前向算法2.3后向算法2.4一些概率与期望值的计算3学习算法3.1监督学习方法3.2Baum-Welch算法3.3Baum-Welch模型参数估计公式4预测算法4.1近似算法4.2维比特算法5总结马尔科夫链:机器学习算法(十六):马尔科夫链_意念回复的博
- 机器学习面试题——朴素贝叶斯
冰露可乐
机器学习深度学习朴素贝叶斯贝叶斯公式大厂笔试面试题
机器学习面试题——朴素贝叶斯提示:这些知识点也是大厂笔试经常考的题目,我记得阿里和京东就考!!!想必在互联网大厂就会用这些知识解决实际问题朴素贝叶斯介绍一下朴素贝叶斯优缺点贝叶斯公式朴素贝叶斯中的“朴素”怎么理解?什么是拉普拉斯平滑法?朴素贝叶斯中有没有超参数可以调?你知道朴素贝叶斯有哪些应用吗?朴素贝叶斯对异常值敏不敏感?频率学派与贝叶斯学派的差别概率与期望的公式先验概率与后验概率文章目录机器学
- [NOI2005] 聪聪与可可
Sito_Ask
NOI2005聪聪与可可~~机器猫の传送门~~期望DP+记搜聪聪一直在向可可方向追,所以不会回到原处,不具有后效性,考虑用概率与期望DP+记忆化搜索求解用dp[x][y]表示可可在x点,聪聪在y点时步数的期望值判断边界①当x==y时结束(此时毫无疑问的,dp[x][y]=0)②当
- 2019暑期计划 / 每日刷题记录
weixin_30951743
计划##1.复习与提高###动态规划-数位DP-树形DP###图论-Tarjan-拓扑序的应用-树链剖分-点分治-树上距离-网络流/费用流###数据结构-平衡树-主席树-ST表###数论-整数研究-组合数学-概率与期望##2.新知学习###离线算法-CDQ分治-整体二分###数据结构-线段树扩展操作-树套树-LCT###图论-基环树每日刷题记录转载于:https://www.cnblogs.com
- 一文读懂NLP之隐马尔科夫模型(HMM)详解加python实现
Elenstone
NLP算法详解机器学习算法nlp
一文读懂NLP之隐马尔科夫模型(HMM)详解加python实现1隐马尔科夫模型1.1HMM解决的问题1.2HMM模型的定义1.2.1HMM的两个假设1.2.2HMM模型1.3HMM模型的三个基本问题2概率计算问题及算法2.1直接计算法2.2前向算法2.3后向算法2.4一些概率与期望值的计算3模型训练问题及算法3.1监督学习——最大似然估计3.2非监督学习——EM算法3.3Baum-Welch算法4
- 真正的决策都是不确定性决策
蓝色多莉
阅读笔记第126/365天今日阅读《升维——不确定时代的决策博弈》作者:【澳】王珞第3章:真正的决策都是不确定性决策一、企业利润来源于不确定性。1、什么是不确定性?风险是能被计算概率与期望值的是基于已经发生的事件的统计,而不确定性是无法被预见的,即使能被预见,其发生的概率也不能被计算的未来事件。不确定性事件是不可预见,没有概率的,包括灾难、命运、前景等一切未来可能发生的事件,是每个个体未来都要共同
- 解题报告(十七)概率与期望(概率论)(ACM / OI)
繁凡さん
【解题报告】-超高质量题单+题解概率与期望《概率论》
繁凡出品的全新系列:解题报告系列——超高质量算法题单,配套我写的超高质量题解和代码,题目难度不一定按照题号排序,我会在每道题后面加上题目难度指数(1∼51\sim51∼5),以模板题难度111为基准。这样大家在学习算法的时候就可以执行这样的流程:%阅读我的【学习笔记】/【算法全家桶】学习算法⇒\Rightarrow⇒阅读我的相应算法的【解题报告】获得高质量题单⇒\Rightarrow⇒根据我的一句
- 概率与期望习题总结
总结概率题一般正着推期望题一般倒着推图上的问题如果是\(DAG\)可以直接转移否则可能要用到高斯消元\(20\)的数据范围大概率是装压有些看似无限循环的式子其实可以倒着递推1、骰子基础版题目描述众所周知,骰子是一个六面分别刻有一到六点的立方体,每次投掷骰子,从理论上讲得到一点到六点的概率都是\(1/6\)。今有骰子一颗,连续投掷\(N\)次,问点数总和大于等于\(X\)的概率是多少?输入仅有一行包
- HDU 4254 A Famous Game(概率与期望)
clover_hxy
组合数学概率与期望
题目描述传送门题目大意:一个口袋里有n个红色或蓝色的球。n+1种颜色分布情况(i个红球n−i个蓝球)的概率是相等的。B从口袋中不放回地摸出了p个球,其中有q个是红色的。求B再摸一个球时,摸出的球是红色的概率。题解设Nk表示n个球中有k个红球的概率。A表示p个球中有q个红球B表示下次摸出的是红球那么P(Nk)=1n+1P(A)=C(k,q)C(n−k,p−q)C(n,p)P(B|ANk)=k−qn−
- HDU 5753 Permutation Bo (概率与期望)
等我学会后缀自动机
HDU习题集规律/递推概率论/博弈论
题目链接:http://acm.hdu.edu.cn/showproblem.php?pid=5753#includeusingnamespacestd;#definedebugputs("YES");#definerep(x,y,z)for(int(x)=(y);(x)#definemk(x,y)make_pair(x,y)#definefifirst#definesesecondconstin
- 【总结】概率与期望
616156
总结数论DP高斯消元数学概率与期望
前言作为NOIP级的知识点,概率与期望算是比较困难的类型了。但其实也不是无法解决的难题。本文主要通过作者本人的刷题经历,对概率期望类题目进行总结。概率51Nod1639绑鞋带:有n根鞋带混在一起,每根鞋带有两个鞋带头。现在重复n次以下操作:随机抽出两个鞋带头,把它们绑在一起。求最终只形成一个环的概率?依次考虑每一步操作,现在已经选出来了一个头,它必须和非它所在的链的另一个头绑在一起,才能得到合法方
- 概率与期望详解!一次精通oi中的概率期望
Tyl18858230607
目录基础概念最大值不超过Y的期望概率为P时期望成功次数基础问题拿球随机游走经典问题期望线性性练习题例题选讲noip2016换教室区间交0-1边树求直径期望球染色区间翻转二位&三维凸包点数期望单选错位KILL后记@(期望与概率)基础概念随机变量:有多种可能的取值的变量万物都可以当做随机变量,包括常数,方便用\(\sum\)统计P(A):事件A发⽣的概率E(X):随机变量X的期望值,\(E(X)=Su
- 隐马尔可夫模型
tt12121221
隐马尔可夫模型隐马尔科夫模型的基本概念概率计算算法直接计算法前向算法后向算法一些概率与期望的计算学习算法Baum-Welch算法预测算法近似算法维特比算法是用于标注问题的统计学习模型,描述由隐藏的马尔可夫链随机生成的观测序列的过程,属于生成模型。马尔科夫模型中主要讨论三个问题:即概率计算算法、学习算法以及预测算法。隐马尔科夫模型的基本概念隐马尔科夫模型由初始概率分布、状态转移概率分布以及观测概率分
- 概率期望中高斯消元的几种用法
IDnumber4
数论题解总结
前置知识:高斯消元法博主理解浅显,只能膜piao别人的总结戳别人家的题解咳咳……还是简单介绍两句它可以用O(n3)O(n^3)O(n3)的复杂度解出n元方程组表示方法:矩阵tips:一般情况下高斯消元可能出现无解、无穷解的情况,我的做法里面没有判断,由于矩阵对角线上不会出现0。概率与期望:概率:发生的可能性期望:概率的加权平均数(表示对权值的一个预期值)eg.某图中从起点经过i步到达终点的可能性为
- codeforces 335E. Counting Skyscrapers (概率与期望)
clover_hxy
概率与期望
题目描述传送门中文题意题解先从简单的的入手吧。(1)由BOb推Alice我们需要证明的就是如果得分是2^i,那么经过的楼数也是2^i(这里经过的楼数指的是中间经过的数量+右端点)我们假设左端点一定可以连高度是i+1,编号是i的溜索,那么他的概率就是1.对于中间经过的溜索我们要求他们的高度是[1..i]之间的任意数,右端点的高度是[i+1…inf]那么中间经过的数量实际也是正无穷项。先考虑高度是[1
- 【专题】概率和期望
weixin_33923762
【参考】浅析竞赛中一类数学期望问题的解决方法信息学竞赛中概率问题求解初探WC2018冬令营课件《概率与期望及其应用》曹文【概率的定义】基本事件是一次实验可能出现的不可再分解的直接结果,样本空间Ω是全体基本事件的集合,随机事件是若干基本事件组成的集合。事件的并:事件C=”事件A与事件B至少有一个发生“,则C=A∪B。事件的交:同时发生,A∩B。一个随机事件的概率可以认为是事件占样本空间的比例(不严格
- 洛谷P1654 OSU!_概率与期望
EM-LGH
Code:#include#includeusingnamespacestd;constintmaxn=1000000+4;doublef[maxn],g[maxn],h[maxn];intmain(){intn;scanf("%d",&n);for(inti=1;i<=n;++i){doubleperc;scanf("%lf",&perc);h[i]=(h[i-1]+1)*perc;g[i]=(
- LuoguP1654 OSU! 概率与期望
EM-LGH
感觉数学期望这里始终都没太学明白.期望在任何时候都具有线性性,即$E(a+b)=E(a)+E(b)$,这个式子任何时候都成立.先考虑求$x$,$x^2$.令$x1[i]$表示$i$为$1$向前的极长$1$的期望长度,$x2[i],x3[i]$为$x^2,x^3$的期望.那么考虑从$i-1$那里转移过来,就是$E(j+1)=E(j)+E(1)=E(j)+1$.概率是$q[i]$,所以$x1[i]=(
- 老年(已退役)选手复习计划 PART2
CR1SceNT
放上来有些符号产生了一点偏差。。不知道怎么变成了问号。。比较懒懒得改了。。意会,意会。。2017.7.4:概率与期望:1.BZOJ1415:预处理p[x][y]表示,猫在x,鼠在y时猫下一步走哪里。然后记忆化搜索。2.BZOJ3450:再求一个期望长度就好解决了。斜率优化:1.BZOJ1010:推式子。2.BZOJ1096:同上。3.BZOJ3156:同上。4.BZOJ3437:同上。5.BZOJ
- [学习笔记]高斯消元求解两种特殊问题(带状矩阵/主元法)
C20190406Panda_hu
#OI知识点合辑
本文章是[学习笔记]概率与期望进阶的一部分由于时间问题我写的比较简略,所以我把大佬的总结链接贴上来了(应该没什么吧qwq)。1概述最常见的当然是随机游走问题了…•fu=∑pu,v∗(fv+wu,v)f_u=\sump_{u,v}*(f_{v}+w_{u,v})fu=∑pu,v∗(fv+wu,v)•计算期望在这个节点上,停留多少步:fu=∑pv,u∗fv+[u=S]f_u=\sump_{v,u}*f
- 【概率与期望】【暴力搜索】[Codeforces#621]题解+总结
weixin_30340775
WetSharkandOddandEven题目描述Today,WetSharkisgivennintegers.Usinganyoftheseintegersnomorethanonce,WetSharkwantstogetmaximumpossibleeven(divisibleby2)sum.Please,calculatethisvalueforWetShark.Note,thatifWet
- [CodeForces891E]Lust-生成函数-概率与期望
zlttttt
生成函数【GenerationFunction】Theory】
LustAfalsewitnessthatspeakethlies!Youaregivenasequencecontainingnintegers.Thereisavariableresthatisequalto0initially.Thefollowingprocessrepeatsktimes.Chooseanindexfrom1tonuniformlyatrandom.Nameitx.Add
- 关于旗正规则引擎规则中的上传和下载问题
何必如此
文件下载压缩jsp文件上传
文件的上传下载都是数据流的输入输出,大致流程都是一样的。
一、文件打包下载
1.文件写入压缩包
string mainPath="D:\upload\"; 下载路径
string tmpfileName=jar.zip; &n
- 【Spark九十九】Spark Streaming的batch interval时间内的数据流转源码分析
bit1129
Stream
以如下代码为例(SocketInputDStream):
Spark Streaming从Socket读取数据的代码是在SocketReceiver的receive方法中,撇开异常情况不谈(Receiver有重连机制,restart方法,默认情况下在Receiver挂了之后,间隔两秒钟重新建立Socket连接),读取到的数据通过调用store(textRead)方法进行存储。数据
- spark master web ui 端口8080被占用解决方法
daizj
8080端口占用sparkmaster web ui
spark master web ui 默认端口为8080,当系统有其它程序也在使用该接口时,启动master时也不会报错,spark自己会改用其它端口,自动端口号加1,但为了可以控制到指定的端口,我们可以自行设置,修改方法:
1、cd SPARK_HOME/sbin
2、vi start-master.sh
3、定位到下面部分
- oracle_执行计划_谓词信息和数据获取
周凡杨
oracle执行计划
oracle_执行计划_谓词信息和数据获取(上)
一:简要说明
在查看执行计划的信息中,经常会看到两个谓词filter和access,它们的区别是什么,理解了这两个词对我们解读Oracle的执行计划信息会有所帮助。
简单说,执行计划如果显示是access,就表示这个谓词条件的值将会影响数据的访问路径(表还是索引),而filter表示谓词条件的值并不会影响数据访问路径,只起到
- spring中datasource配置
g21121
dataSource
datasource配置有很多种,我介绍的一种是采用c3p0的,它的百科地址是:
http://baike.baidu.com/view/920062.htm
<!-- spring加载资源文件 -->
<bean name="propertiesConfig"
class="org.springframework.b
- web报表工具FineReport使用中遇到的常见报错及解决办法(三)
老A不折腾
finereportFAQ报表软件
这里写点抛砖引玉,希望大家能把自己整理的问题及解决方法晾出来,Mark一下,利人利己。
出现问题先搜一下文档上有没有,再看看度娘有没有,再看看论坛有没有。有报错要看日志。下面简单罗列下常见的问题,大多文档上都有提到的。
1、repeated column width is largerthan paper width:
这个看这段话应该是很好理解的。比如做的模板页面宽度只能放
- mysql 用户管理
墙头上一根草
linuxmysqluser
1.新建用户 //登录MYSQL@>mysql -u root -p@>密码//创建用户mysql> insert into mysql.user(Host,User,Password) values(‘localhost’,'jeecn’,password(‘jeecn’));//刷新系统权限表mysql>flush privileges;这样就创建了一个名为:
- 关于使用Spring导致c3p0数据库死锁问题
aijuans
springSpring 入门Spring 实例Spring3Spring 教程
这个问题我实在是为整个 springsource 的员工蒙羞
如果大家使用 spring 控制事务,使用 Open Session In View 模式,
com.mchange.v2.resourcepool.TimeoutException: A client timed out while waiting to acquire a resource from com.mchange.
- 百度词库联想
annan211
百度
<!DOCTYPE html>
<html>
<head>
<meta http-equiv="Content-Type" content="text/html; charset=UTF-8">
<title>RunJS</title&g
- int数据与byte之间的相互转换实现代码
百合不是茶
位移int转bytebyte转int基本数据类型的实现
在BMP文件和文件压缩时需要用到的int与byte转换,现将理解的贴出来;
主要是要理解;位移等概念 http://baihe747.iteye.com/blog/2078029
int转byte;
byte转int;
/**
* 字节转成int,int转成字节
* @author Administrator
*
- 简单模拟实现数据库连接池
bijian1013
javathreadjava多线程简单模拟实现数据库连接池
简单模拟实现数据库连接池
实例1:
package com.bijian.thread;
public class DB {
//private static final int MAX_COUNT = 10;
private static final DB instance = new DB();
private int count = 0;
private i
- 一种基于Weblogic容器的鉴权设计
bijian1013
javaweblogic
服务器对请求的鉴权可以在请求头中加Authorization之类的key,将用户名、密码保存到此key对应的value中,当然对于用户名、密码这种高机密的信息,应该对其进行加砂加密等,最简单的方法如下:
String vuser_id = "weblogic";
String vuse
- 【RPC框架Hessian二】Hessian 对象序列化和反序列化
bit1129
hessian
任何一个对象从一个JVM传输到另一个JVM,都要经过序列化为二进制数据(或者字符串等其他格式,比如JSON),然后在反序列化为Java对象,这最后都是通过二进制的数据在不同的JVM之间传输(一般是通过Socket和二进制的数据传输),本文定义一个比较符合工作中。
1. 定义三个POJO
Person类
package com.tom.hes
- 【Hadoop十四】Hadoop提供的脚本的功能
bit1129
hadoop
1. hadoop-daemon.sh
1.1 启动HDFS
./hadoop-daemon.sh start namenode
./hadoop-daemon.sh start datanode
通过这种逐步启动的方式,比start-all.sh方式少了一个SecondaryNameNode进程,这不影响Hadoop的使用,其实在 Hadoop2.0中,SecondaryNa
- 中国互联网走在“灰度”上
ronin47
管理 灰度
中国互联网走在“灰度”上(转)
文/孕峰
第一次听说灰度这个词,是任正非说新型管理者所需要的素质。第二次听说是来自马化腾。似乎其他人包括马云也用不同的语言说过类似的意思。
灰度这个词所包含的意义和视野是广远的。要理解这个词,可能同样要用“灰度”的心态。灰度的反面,是规规矩矩,清清楚楚,泾渭分明,严谨条理,是决不妥协,不转弯,认死理。黑白分明不是灰度,像彩虹那样
- java-51-输入一个矩阵,按照从外向里以顺时针的顺序依次打印出每一个数字。
bylijinnan
java
public class PrintMatrixClockwisely {
/**
* Q51.输入一个矩阵,按照从外向里以顺时针的顺序依次打印出每一个数字。
例如:如果输入如下矩阵:
1 2 3 4
5 6 7 8
9
- mongoDB 用户管理
开窍的石头
mongoDB用户管理
1:添加用户
第一次设置用户需要进入admin数据库下设置超级用户(use admin)
db.addUsr({user:'useName',pwd:'111111',roles:[readWrite,dbAdmin]});
第一个参数用户的名字
第二个参数
- [游戏与生活]玩暗黑破坏神3的一些问题
comsci
生活
暗黑破坏神3是有史以来最让人激动的游戏。。。。但是有几个问题需要我们注意
玩这个游戏的时间,每天不要超过一个小时,且每次玩游戏最好在白天
结束游戏之后,最好在太阳下面来晒一下身上的暗黑气息,让自己恢复人的生气
&nb
- java 二维数组如何存入数据库
cuiyadll
java
using System;
using System.Linq;
using System.Text;
using System.Windows.Forms;
using System.Xml;
using System.Xml.Serialization;
using System.IO;
namespace WindowsFormsApplication1
{
- 本地事务和全局事务Local Transaction and Global Transaction(JTA)
darrenzhu
javaspringlocalglobaltransaction
Configuring Spring and JTA without full Java EE
http://spring.io/blog/2011/08/15/configuring-spring-and-jta-without-full-java-ee/
Spring doc -Transaction Management
http://docs.spring.io/spri
- Linux命令之alias - 设置命令的别名,让 Linux 命令更简练
dcj3sjt126com
linuxalias
用途说明
设置命令的别名。在linux系统中如果命令太长又不符合用户的习惯,那么我们可以为它指定一个别名。虽然可以为命令建立“链接”解决长文件名的问 题,但对于带命令行参数的命令,链接就无能为力了。而指定别名则可以解决此类所有问题【1】。常用别名来简化ssh登录【见示例三】,使长命令变短,使常 用的长命令行变短,强制执行命令时询问等。
常用参数
格式:alias
格式:ali
- yii2 restful web服务[格式响应]
dcj3sjt126com
PHPyii2
响应格式
当处理一个 RESTful API 请求时, 一个应用程序通常需要如下步骤 来处理响应格式:
确定可能影响响应格式的各种因素, 例如媒介类型, 语言, 版本, 等等。 这个过程也被称为 content negotiation。
资源对象转换为数组, 如在 Resources 部分中所描述的。 通过 [[yii\rest\Serializer]]
- MongoDB索引调优(2)——[十]
eksliang
mongodbMongoDB索引优化
转载请出自出处:http://eksliang.iteye.com/blog/2178555 一、概述
上一篇文档中也说明了,MongoDB的索引几乎与关系型数据库的索引一模一样,优化关系型数据库的技巧通用适合MongoDB,所有这里只讲MongoDB需要注意的地方 二、索引内嵌文档
可以在嵌套文档的键上建立索引,方式与正常
- 当滑动到顶部和底部时,实现Item的分离效果的ListView
gundumw100
android
拉动ListView,Item之间的间距会变大,释放后恢复原样;
package cn.tangdada.tangbang.widget;
import android.annotation.TargetApi;
import android.content.Context;
import android.content.res.TypedArray;
import andr
- 程序员用HTML5制作的爱心树表白动画
ini
JavaScriptjqueryWebhtml5css
体验效果:http://keleyi.com/keleyi/phtml/html5/31.htmHTML代码如下:
<!DOCTYPE html>
<html xmlns="http://www.w3.org/1999/xhtml"><head><meta charset="UTF-8" >
<ti
- 预装windows 8 系统GPT模式的ThinkPad T440改装64位 windows 7旗舰版
kakajw
ThinkPad预装改装windows 7windows 8
该教程具有普遍参考性,特别适用于联想的机器,其他品牌机器的处理过程也大同小异。
该教程是个人多次尝试和总结的结果,实用性强,推荐给需要的人!
缘由
小弟最近入手笔记本ThinkPad T440,但是特别不能习惯笔记本出厂预装的Windows 8系统,而且厂商自作聪明地预装了一堆没用的应用软件,消耗不少的系统资源(本本的内存为4G,系统启动完成时,物理内存占用比
- Nginx学习笔记
mcj8089
nginx
一、安装nginx 1、在nginx官方网站下载一个包,下载地址是:
http://nginx.org/download/nginx-1.4.2.tar.gz
2、WinSCP(ftp上传工
- mongodb 聚合查询每天论坛链接点击次数
qiaolevip
每天进步一点点学习永无止境mongodb纵观千象
/* 18 */
{
"_id" : ObjectId("5596414cbe4d73a327e50274"),
"msgType" : "text",
"sendTime" : ISODate("2015-07-03T08:01:16.000Z"
- java术语(PO/POJO/VO/BO/DAO/DTO)
Luob.
DAOPOJODTOpoVO BO
PO(persistant object) 持久对象
在o/r 映射的时候出现的概念,如果没有o/r映射,就没有这个概念存在了.通常对应数据模型(数据库),本身还有部分业务逻辑的处理.可以看成是与数据库中的表相映射的java对象.最简单的PO就是对应数据库中某个表中的一条记录,多个记录可以用PO的集合.PO中应该不包含任何对数据库的操作.
VO(value object) 值对象
通
- 算法复杂度
Wuaner
Algorithm
Time Complexity & Big-O:
http://stackoverflow.com/questions/487258/plain-english-explanation-of-big-o
http://bigocheatsheet.com/
http://www.sitepoint.com/time-complexity-algorithms/