- CS229第五课——支持向量机
sxx01
CS229机器学习
CS229第五课支持向量机1间隔2符号3函数间隔与几何间隔4最优间隔分类器5拉格朗日对偶法6最优间隔分类器7核方法支持向量机1间隔首先考虑逻辑回归模型hθ(x)=11+exp(−θTx)h_{\theta}(x)=\frac{1}{1+exp(-\theta^Tx)}hθ(x)=1+exp(−θTx)1,当hθ(x)≥0.5h_{\theta}(x)\ge0.5hθ(x)≥0.5时我们预测的标签为
- CS229 Week3 罗杰斯特回归&正则化
gb_QA_log
title:CS229Week3罗杰斯特回归&正则化date:2017-03-2618:40:21categories:ML/CS229mathjax:truetags:[MachineLearning,CS229]第三周6LogisticRegression逻辑回归/两分类问题6.1分类问题ClassificationandRepresentation分类问题:0或1坏样本很大影响预测linea
- CS229 Week7 SVM
gb_QA_log
title:CS229Week7SVMdate:2017-03-2618:44:02categories:ML/CS229mathjax:truetags:[MachineLearning,CS229]第七周SVM12支持向量机(SupportVectorMachines)在学习复杂的非线性方程时提供了一种更为清晰,更加强大的方式:SVMJuly:支持向量机通俗导论(理解SVM的三层境界)12.1
- 全网最全深度学习案例整理汇总
xiaoshun007~
深度学习人工智能
一.入门资料完备的AI学习路线,最详细的中英文资源整理⭐AiLearning:机器学习-MachineLearning-ML、深度学习-DeepLearning-DL、自然语言处理NLMachine-Learning数学基础矩阵微积分机器学习的数学基础CS229线性代数与概率论基础机器学习基础快速入门机器学习算法地图机器学习吴恩达Coursera个人笔记&&视频(含官方笔记)CS229课程讲义中文
- CS229 Week9 异常检查&推荐系统
gb_QA_log
title:CS229Week9异常检查&推荐系统date:2017-03-2618:45:19categories:ML/CS229mathjax:truetags:[MachineLearning,CS229]第九周15异常检测(AnomalyDetection)15.1问题的动机15.2高斯分布15.3算法15.4开发和评价一个异常检测系统15.5异常检测与监督学习对比15.6选择特征15.
- CS229 1 .线性回归与特征归一化(feature scaling)
weixin_30868855
数据结构与算法java人工智能
线性回归是一种回归分析技术,回归分析本质上就是一个函数估计的问题(函数估计包括参数估计和非参数估计),就是找出因变量和自变量之间的因果关系。回归分析的因变量是应该是连续变量,若因变量为离散变量,则问题转化为分类问题,回归分析是一个有监督学习问题。线性其实就是一系列一次特征的线性组合,在二维空间中是一条直线,在三维空间中是一个平面,然后推广到n维空间,可以理解维广义线性吧。例如对房屋的价格预测,首先
- 斯坦福 CS229 机器学习中文讲义 翻译完成
布客飞龙
斯坦福CS229机器学习中文讲义第一部分到第三部分第四部分生成学习算法第五部分支持向量机第六部分学习理论第七部分正则化与模型选择感知器和大型边界分类器K均值聚类算法混合高斯和期望最大化算法第九部分期望最大化算法第十部分因子分析第十一部分主成分分析第十二部分独立成分分析第十二部分强化学习和控制线性二次调节,微分动态规划,线性二次高斯分布深度学习反向传播决策树集成学习
- CS229学习笔记(三)——广义线性模型(Generalized Linear Models)
RookieLiuWW
在我们的回归问题中,~,在我们的分类问题中,有~。在本节中,我们会看到这两种情况仅是广义线性模型(GeneralizedLinearModels,GLMs)的特殊情形。(一)指数族(Theexponentialfamily)指数族中的分布可以写成下式:式中,我们称为f分布的自然参数或者标准参数(naturalparameter或者canonicalparameter),为充分统计量(suffici
- 周记:2019年第40周(9.30-10.6)
孙文辉已被占用
1工作:国庆休假,拒绝工作!2学习:《CS229》视频课程1~5/20,cs229的笔记已经看过一遍,有些地方没看懂当时跳过了;回过头来再看视频,一是温故知新,二是把之前没看懂的地方搞明白。对于这门课程,个人觉得最重要的是看完笔记和视频之后能够说出看过的那个话题的逻辑思路,然后通过严格的数学推导来论证。最后,关于project,可以去kaggle上认认真真刷一个比赛,把学到的东西实战一遍,这门课就
- CS229之多变量线性回归
__cbf0
在上一节简单线性回归的基础上,介绍了多元线性回归和多项式线性回归(构造和选择特征)。然后介绍几个具体的优化trick。最后介绍了正则化方程,是一种特征维度低的情况下,凸函数求最优点的有效解法。1.多变量的线性扩展皆为列向量,注意转秩2.多变量梯度下降3.优化trick3.1featurescaling在梯度下降中,变量之间的取值范围差异过大,会影响收敛的速度。如下图的左边,等高图会变得瘦高,迭代次
- 第10周 | 斯坦福 CS229 机器学习
ReturnTmp
#机器学习机器学习人工智能
文章目录前言第10周十七、大规模机器学习(LargeScaleMachineLearning)17.1大型数据集的学习17.2随机梯度下降法17.3小批量梯度下降17.4随机梯度下降收敛17.5在线学习17.6映射化简和数据并行十八、应用实例:图片文字识别(ApplicationExample:PhotoOCR)18.1问题描述和流程图18.2滑动窗口18.3获取大量数据和人工数据18.4上限分析
- 第9周 | 斯坦福 CS229 机器学习
ReturnTmp
#机器学习机器学习人工智能
文章目录前言第9周十五、异常检测(AnomalyDetection)15.1问题的动机15.2高斯分布15.3算法15.4开发和评价一个异常检测系统15.5异常检测与监督学习对比15.6选择特征15.7多元高斯分布(选修)15.8使用多元高斯分布进行异常检测(可选)十六、推荐系统(RecommenderSystems)16.1问题形式化16.2基于内容的推荐系统16.3协同过滤16.4协同过滤算法
- 机器学习线性代数基础
小小白?
机器学习线性代数人工智能
本文是斯坦福大学CS229机器学习课程的基础材料,原始文件下载原文作者:ZicoKolter,修改:ChuongDo,TengyuMa翻译:黄海广备注:请关注github的更新,线性代数和概率论已经更新完毕。CS229机器学习课程复习材料-线性代数目录CS229机器学习课程复习材料-线性代数线性代数复习和参考1.基础概念和符号1.1基本符号2.矩阵乘法2.1向量-向量乘法2.2矩阵-向量乘法2.3
- 凯旋门的夜晚
张建凯
0x00之前已经被拟录取了,但是没有联系导师,过了好久才想起来,只好低三下四求人家老师,三次都被拒。不谈。0x01一直在看吴恩达老师的斯坦福cs229课程,收获了很多东西、0x02回到了苏州,忙着看机器学习的视频,也愁着生活的经费,没有人的陪伴,我要习惯落寞。0x03Therearealwayssomerightanswersforurlife.
- CS229 Week2 Linear Regression with Multiple Variable
gb_QA_log
title:CS229Week2LinearRegressionwithMultipleVariabledate:2017-03-2618:31:01categories:ML/CS229mathjax:truetags:[MachineLearning,CS229]第二周4多变量线性回归(LinearRegressionwithMultipleVariables)4.1多维特征MultipleF
- CS229之神经网络
__cbf0
神经网络关键是1.训练样本数据前向步进,求误差2.误差的反向传播,更新参数1.前向步进使用一个有2个输入神经元、2个隐藏的神经元和2个输出神经元的神经网络。此外,隐藏层和输出层将包括一个偏差神经元(Bias)。这里的基本结构:设定一些数字,这是初始权重,偏差,和训练输入/输出:反向传播的目标是优化神经网络的权重,这样神经网络可以学习如何正确将任意输入映射到输出。我们要处理一个训练集:给定输入0.0
- Machine Learning is Fun
gb_QA_log
title:MachineLearningisFundate:2016-09-1015:39:49categories:MLmathjax:falsetags:[MachineLearning,CS229]MachineLearningisFun正值课程需要,想起起初有试着阅读MartinT.Hagan等人编写的《神经网络设计》和周志华的《机器学习》。但是现在阅读了一篇AdamGeitgey教授的
- CS229之正则化
__cbf0
在这节中,除了视频的一些知识概述,还会补充一些L1,L2正则的理解1.过拟合问题可选的解决方法:2.正则化调参的问题3.线性回归的正则化正则方程中加入正则化
- [CS229]Notes One
MorganChang
监督学习首先通过讨论监督学习的一些例子来开始。假设有份关于房价的数据集,包括居住面积和房价:将这份数据集可视化:像上面这份数据集,我们该如何预测其他不同面积房屋的价格呢?为了后续学习更容易讲解一些概念,这里约定一些符号表示的意义。符号意义x(i)输入变量,输入特征y(i)输出/目标,label,准备去预测的量(x(i),y(i))单个训练样本{(x(i),y(i));i=1,...,m}训练集,包
- CS229之逻辑回归
__cbf0
逻辑回归是分类问题的经典解法,本节首先引入sigmod函数,建立问题的假设空间,再介绍LR模型输出的统计意义。与线性回归问题不同,LR需使用对数损失函数来作为costfunction(凸函数)。最后介绍了一些高级优化方法(没仔细看),和多分类问题1.回归VS分类如果用线性回归解决二分类问题2.逻辑回归的假设陈述表示为1/0的概率3.决策边界完全线性可分->划分不同类的边界4.损失函数为什么不能继续
- 机器学习笔记(三) 支持向量机 原型、对偶问题
weixin_41405111
机器学习机器学习支持向量机svm拉格朗日对偶条件极值
零、摘要本篇文章讲述支持向量机的原型与他的拉格朗日对偶问题。主要参考资料:斯坦福大学CS229笔记吴恩达《机器学习》周志华《机器学习实战》peterHarrington《高等数学》同济大学《微积分学教程》【俄】菲赫金格尔茨维基百科支持向量机一、原型支持向量机(supportvectormachine)处理的是分类问题。首先,我们考虑这样一个问题,二维平面上有两个点集,要画一条一维直线把他们分开。如
- 机器学习+Linux学习之路
Frank_Zhang2ff
学习规划学习规划
最近开始学习机器学习,写这篇文章也是为了督促自己不要半途而废。看了看网上很多的经验贴和豆瓣上的一些评论,整理了一下。数学基础与编程基础:*《统计学习方法》李航*《DeepLearning》前面部分有数学原理推导*《机器学习实战》*Tensorflow官方文档资料+《Tensorflow技术解析和实战》简单看看*CS229课程CS231n课程*Linux鸟哥的网站http://linux.vbird
- 机器学习学习笔记2(Ng课程cs229)
-慢慢-
AI机器学习学习笔记cs229高斯混合模型朴素贝叶斯
牛顿方法简单的来说就是通过求当前点的导数得到下一个点.用到的性质是导数值等于该点切线和横轴夹角的正切值.极大似然估计收敛速度:quadraticconversions二次收敛θ为矩阵时每次迭代都需要重新计算H->nxn特征较多时计算量比较大极大似然估计可以推导:高斯分布=>最小二乘法伯努利分布=>logistic回归指数分布族exponentialfamilydistributionp(y;η)=
- Naive Bayes 朴素贝叶斯
HaronW
MachineLearning
NaiveBayesian朴素贝叶斯内容来自于CS229,浙江大学机器学习听课笔记以及百度百科,blog补充Wewoulduseanexampletoshowthisalgorithm,thisexamplesisstillusinginpracticenow.SpamemailclassifierXXXis1/0vectorcorrespondtodictionaryandeachdimensi
- 【CS229笔记】协方差矩阵概念快速回顾
TKROOS8
CS229学习记录学习矩阵
【CS229笔记】协方差矩阵概念快速回顾前言协方差是什么?协方差矩阵Σ∈Rn∗nΣ∈R^{n*n}Σ∈Rn∗n是个什么东西?参考资料前言CS229讲到生成学习算法的时候,首先介绍了多元正态分布,然后发现自己对过去的一些基础概念记忆不是很清楚了(例如协方差),因此重新记录一下。如有问题,欢迎斧正。协方差是什么?对于单变量(特征)的样本集,我们会选择用样本均值、方差、标准差等等来描述这个样本集。对于多
- 斯坦福CS229机器学习课程笔记四:GDA、朴素贝叶斯、多项事件模型
diezhangu4106
数据结构与算法人工智能
距离上一篇笔记竟然快要一个月了……希望这周能把cs229监督学习部分的知识搞定。生成学习与判别学习像逻辑回归,用hθ(x)=g(θTx)直接地来建模p(y|x;θ);或者像感知机,直接从输入空间映射到输出空间(0或1),它们都被称作判别学习(discriminativelearning)。与之相对的是生成学习(generativelearning),先对p(x|y)与p(y)建模,然后通过贝叶斯法
- CS229学习笔记
AndrewZhou924
学习笔记AI机器学习
最近系统地学习了2008版的CS229,笔记如下有些凌乱,大家见谅costfunction:LMSalgorithm最小均方算法为了找到使得costfunction最小的θ,我们考虑使用梯度下降法这个方法就是从某一个θ的初始值开始,然后逐渐重复更新上面的这个更新要同时对应从0到n的所有j值进行。这里的α也称为学习速率。这个算法是很自然的,逐步重复,朝向J降低最快的方向移动。要实现这个算法,咱们需要
- 【CS229笔记】Naive Bayes朴素贝叶斯算法
TKROOS8
CS229学习记录算法人工智能
【CS229笔记】NaiveBayes朴素贝叶斯算法NaiveBayes朴素贝叶斯算法特征向量的构建生成模型的构建条件独立和独立并不等价没见过的单词Laplacesmoothing拉普拉斯平滑NaiveBayes朴素贝叶斯算法朴素贝叶斯是课程中所介绍的另一种生成式学习算法。它针对的是输入x是离散的情况。为了讲解朴素贝叶斯算法,我们设想决定设计一个电子邮件垃圾邮件过滤器,我们希望对邮件进行分类。这个
- 如何在B站读一个深度学习的研究生?
爱睡觉的Raki
NLP深度学习人工智能机器学习自然语言处理
随着深度学习的爆炸性发展,越来越多人涌入这个领域,同时市面上的资料也是百花齐放,但是真正有价值的资料其实并不多,并且出品于大佬们的手这篇blog将会带领你在b站读一个深度学习的研究生保姆级清单,喜欢的话请点个赞~机器学习入门:吴恩达机器学习CS229李宏毅机器学习清华大学数据挖掘机器学习的入门阶段,建议吴恩达的两门课和李宏毅的课二选一(喜欢哪个看哪个,都是很棒的课程)李宏毅的课里面包括的深度学习,
- 斯坦福CS229机器学习笔记-Lecture6-多元伯努利事件模型+SVM支持向量机
Teeyohuang
机器学习CS229-吴恩达机器学习笔记机器学习CS229
作者:teeyohuang邮箱:
[email protected]本文系原创,供交流学习使用,转载请注明出处,谢谢声明:此系列博文根据斯坦福CS229课程,吴恩达主讲所写,为本人自学笔记,写成博客分享出来博文中部分图片和公式都来源于CS229官方notes。CS229的视频和讲义均为互联网公开资源Lecture6Lecture6的主要内容:·multinomialeventmodel(多元伯努利
- apache 安装linux windows
墙头上一根草
apacheinuxwindows
linux安装Apache 有两种方式一种是手动安装通过二进制的文件进行安装,另外一种就是通过yum 安装,此中安装方式,需要物理机联网。以下分别介绍两种的安装方式
通过二进制文件安装Apache需要的软件有apr,apr-util,pcre
1,安装 apr 下载地址:htt
- fill_parent、wrap_content和match_parent的区别
Cb123456
match_parentfill_parent
fill_parent、wrap_content和match_parent的区别:
1)fill_parent
设置一个构件的布局为fill_parent将强制性地使构件扩展,以填充布局单元内尽可能多的空间。这跟Windows控件的dockstyle属性大体一致。设置一个顶部布局或控件为fill_parent将强制性让它布满整个屏幕。
2) wrap_conte
- 网页自适应设计
天子之骄
htmlcss响应式设计页面自适应
网页自适应设计
网页对浏览器窗口的自适应支持变得越来越重要了。自适应响应设计更是异常火爆。再加上移动端的崛起,更是如日中天。以前为了适应不同屏幕分布率和浏览器窗口的扩大和缩小,需要设计几套css样式,用js脚本判断窗口大小,选择加载。结构臃肿,加载负担较大。现笔者经过一定时间的学习,有所心得,故分享于此,加强交流,共同进步。同时希望对大家有所
- [sql server] 分组取最大最小常用sql
一炮送你回车库
SQL Server
--分组取最大最小常用sql--测试环境if OBJECT_ID('tb') is not null drop table tb;gocreate table tb( col1 int, col2 int, Fcount int)insert into tbselect 11,20,1 union allselect 11,22,1 union allselect 1
- ImageIO写图片输出到硬盘
3213213333332132
javaimage
package awt;
import java.awt.Color;
import java.awt.Font;
import java.awt.Graphics;
import java.awt.image.BufferedImage;
import java.io.File;
import java.io.IOException;
import javax.imagei
- 自己的String动态数组
宝剑锋梅花香
java动态数组数组
数组还是好说,学过一两门编程语言的就知道,需要注意的是数组声明时需要把大小给它定下来,比如声明一个字符串类型的数组:String str[]=new String[10]; 但是问题就来了,每次都是大小确定的数组,我需要数组大小不固定随时变化怎么办呢? 动态数组就这样应运而生,龙哥给我们讲的是自己用代码写动态数组,并非用的ArrayList 看看字符
- pinyin4j工具类
darkranger
.net
pinyin4j工具类Java工具类 2010-04-24 00:47:00 阅读69 评论0 字号:大中小
引入pinyin4j-2.5.0.jar包:
pinyin4j是一个功能强悍的汉语拼音工具包,主要是从汉语获取各种格式和需求的拼音,功能强悍,下面看看如何使用pinyin4j。
本人以前用AscII编码提取工具,效果不理想,现在用pinyin4j简单实现了一个。功能还不是很完美,
- StarUML学习笔记----基本概念
aijuans
UML建模
介绍StarUML的基本概念,这些都是有效运用StarUML?所需要的。包括对模型、视图、图、项目、单元、方法、框架、模型块及其差异以及UML轮廓。
模型、视与图(Model, View and Diagram)
&
- Activiti最终总结
avords
Activiti id 工作流
1、流程定义ID:ProcessDefinitionId,当定义一个流程就会产生。
2、流程实例ID:ProcessInstanceId,当开始一个具体的流程时就会产生,也就是不同的流程实例ID可能有相同的流程定义ID。
3、TaskId,每一个userTask都会有一个Id这个是存在于流程实例上的。
4、TaskDefinitionKey和(ActivityImpl activityId
- 从省市区多重级联想到的,react和jquery的差别
bee1314
jqueryUIreact
在我们的前端项目里经常会用到级联的select,比如省市区这样。通常这种级联大多是动态的。比如先加载了省,点击省加载市,点击市加载区。然后数据通常ajax返回。如果没有数据则说明到了叶子节点。 针对这种场景,如果我们使用jquery来实现,要考虑很多的问题,数据部分,以及大量的dom操作。比如这个页面上显示了某个区,这时候我切换省,要把市重新初始化数据,然后区域的部分要从页面
- Eclipse快捷键大全
bijian1013
javaeclipse快捷键
Ctrl+1 快速修复(最经典的快捷键,就不用多说了)Ctrl+D: 删除当前行 Ctrl+Alt+↓ 复制当前行到下一行(复制增加)Ctrl+Alt+↑ 复制当前行到上一行(复制增加)Alt+↓ 当前行和下面一行交互位置(特别实用,可以省去先剪切,再粘贴了)Alt+↑ 当前行和上面一行交互位置(同上)Alt+← 前一个编辑的页面Alt+→ 下一个编辑的页面(当然是针对上面那条来说了)Alt+En
- js 笔记 函数
征客丶
JavaScript
一、函数的使用
1.1、定义函数变量
var vName = funcation(params){
}
1.2、函数的调用
函数变量的调用: vName(params);
函数定义时自发调用:(function(params){})(params);
1.3、函数中变量赋值
var a = 'a';
var ff
- 【Scala四】分析Spark源代码总结的Scala语法二
bit1129
scala
1. Some操作
在下面的代码中,使用了Some操作:if (self.partitioner == Some(partitioner)),那么Some(partitioner)表示什么含义?首先partitioner是方法combineByKey传入的变量,
Some的文档说明:
/** Class `Some[A]` represents existin
- java 匿名内部类
BlueSkator
java匿名内部类
组合优先于继承
Java的匿名类,就是提供了一个快捷方便的手段,令继承关系可以方便地变成组合关系
继承只有一个时候才能用,当你要求子类的实例可以替代父类实例的位置时才可以用继承。
在Java中内部类主要分为成员内部类、局部内部类、匿名内部类、静态内部类。
内部类不是很好理解,但说白了其实也就是一个类中还包含着另外一个类如同一个人是由大脑、肢体、器官等身体结果组成,而内部类相
- 盗版win装在MAC有害发热,苹果的东西不值得买,win应该不用
ljy325
游戏applewindowsXPOS
Mac mini 型号: MC270CH-A RMB:5,688
Apple 对windows的产品支持不好,有以下问题:
1.装完了xp,发现机身很热虽然没有运行任何程序!貌似显卡跑游戏发热一样,按照那样的发热量,那部机子损耗很大,使用寿命受到严重的影响!
2.反观安装了Mac os的展示机,发热量很小,运行了1天温度也没有那么高
&nbs
- 读《研磨设计模式》-代码笔记-生成器模式-Builder
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/
/**
* 生成器模式的意图在于将一个复杂的构建与其表示相分离,使得同样的构建过程可以创建不同的表示(GoF)
* 个人理解:
* 构建一个复杂的对象,对于创建者(Builder)来说,一是要有数据来源(rawData),二是要返回构
- JIRA与SVN插件安装
chenyu19891124
SVNjira
JIRA安装好后提交代码并要显示在JIRA上,这得需要用SVN的插件才能看见开发人员提交的代码。
1.下载svn与jira插件安装包,解压后在安装包(atlassian-jira-subversion-plugin-0.10.1)
2.解压出来的包里下的lib文件夹下的jar拷贝到(C:\Program Files\Atlassian\JIRA 4.3.4\atlassian-jira\WEB
- 常用数学思想方法
comsci
工作
对于搞工程和技术的朋友来讲,在工作中常常遇到一些实际问题,而采用常规的思维方式无法很好的解决这些问题,那么这个时候我们就需要用数学语言和数学工具,而使用数学工具的前提却是用数学思想的方法来描述问题。。下面转帖几种常用的数学思想方法,仅供学习和参考
函数思想
把某一数学问题用函数表示出来,并且利用函数探究这个问题的一般规律。这是最基本、最常用的数学方法
- pl/sql集合类型
daizj
oracle集合typepl/sql
--集合类型
/*
单行单列的数据,使用标量变量
单行多列数据,使用记录
单列多行数据,使用集合(。。。)
*集合:类似于数组也就是。pl/sql集合类型包括索引表(pl/sql table)、嵌套表(Nested Table)、变长数组(VARRAY)等
*/
/*
--集合方法
&n
- [Ofbiz]ofbiz初用
dinguangx
电商ofbiz
从github下载最新的ofbiz(截止2015-7-13),从源码进行ofbiz的试用
1. 加载测试库
ofbiz内置derby,通过下面的命令初始化测试库
./ant load-demo (与load-seed有一些区别)
2. 启动内置tomcat
./ant start
或
./startofbiz.sh
或
java -jar ofbiz.jar
&
- 结构体中最后一个元素是长度为0的数组
dcj3sjt126com
cgcc
在Linux源代码中,有很多的结构体最后都定义了一个元素个数为0个的数组,如/usr/include/linux/if_pppox.h中有这样一个结构体: struct pppoe_tag { __u16 tag_type; __u16 tag_len; &n
- Linux cp 实现强行覆盖
dcj3sjt126com
linux
发现在Fedora 10 /ubutun 里面用cp -fr src dest,即使加了-f也是不能强行覆盖的,这时怎么回事的呢?一两个文件还好说,就输几个yes吧,但是要是n多文件怎么办,那还不输死人呢?下面提供三种解决办法。 方法一
我们输入alias命令,看看系统给cp起了一个什么别名。
[root@localhost ~]# aliasalias cp=’cp -i’a
- Memcached(一)、HelloWorld
frank1234
memcached
一、简介
高性能的架构离不开缓存,分布式缓存中的佼佼者当属memcached,它通过客户端将不同的key hash到不同的memcached服务器中,而获取的时候也到相同的服务器中获取,由于不需要做集群同步,也就省去了集群间同步的开销和延迟,所以它相对于ehcache等缓存来说能更好的支持分布式应用,具有更强的横向伸缩能力。
二、客户端
选择一个memcached客户端,我这里用的是memc
- Search in Rotated Sorted Array II
hcx2013
search
Follow up for "Search in Rotated Sorted Array":What if duplicates are allowed?
Would this affect the run-time complexity? How and why?
Write a function to determine if a given ta
- Spring4新特性——更好的Java泛型操作API
jinnianshilongnian
spring4generic type
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
- CentOS安装JDK
liuxingguome
centos
1、行卸载原来的:
[root@localhost opt]# rpm -qa | grep java
tzdata-java-2014g-1.el6.noarch
java-1.7.0-openjdk-1.7.0.65-2.5.1.2.el6_5.x86_64
java-1.6.0-openjdk-1.6.0.0-11.1.13.4.el6.x86_64
[root@localhost
- 二分搜索专题2-在有序二维数组中搜索一个元素
OpenMind
二维数组算法二分搜索
1,设二维数组p的每行每列都按照下标递增的顺序递增。
用数学语言描述如下:p满足
(1),对任意的x1,x2,y,如果x1<x2,则p(x1,y)<p(x2,y);
(2),对任意的x,y1,y2, 如果y1<y2,则p(x,y1)<p(x,y2);
2,问题:
给定满足1的数组p和一个整数k,求是否存在x0,y0使得p(x0,y0)=k?
3,算法分析:
(
- java 随机数 Math与Random
SaraWon
javaMathRandom
今天需要在程序中产生随机数,知道有两种方法可以使用,但是使用Math和Random的区别还不是特别清楚,看到一篇文章是关于的,觉得写的还挺不错的,原文地址是
http://www.oschina.net/question/157182_45274?sort=default&p=1#answers
产生1到10之间的随机数的两种实现方式:
//Math
Math.roun
- oracle创建表空间
tugn
oracle
create temporary tablespace TXSJ_TEMP
tempfile 'E:\Oracle\oradata\TXSJ_TEMP.dbf'
size 32m
autoextend on
next 32m maxsize 2048m
extent m
- 使用Java8实现自己的个性化搜索引擎
yangshangchuan
javasuperword搜索引擎java8全文检索
需要对249本软件著作实现句子级别全文检索,这些著作均为PDF文件,不使用现有的框架如lucene,自己实现的方法如下:
1、从PDF文件中提取文本,这里的重点是如何最大可能地还原文本。提取之后的文本,一个句子一行保存为文本文件。
2、将所有文本文件合并为一个单一的文本文件,这样,每一个句子就有一个唯一行号。
3、对每一行文本进行分词,建立倒排表,倒排表的格式为:词=包含该词的总行数N=行号