wenrenhua08
wenrenhua08

（转载）机器学习方法的PPT

 一、特征选择

 二、分类方法

三、决策树

四、人工神经网络与遗传算法

五、支持向量机

六、图论与聚类方法

其它（待补）

***********************************

一、特征选择

[PPT]Feature Selection for Classification

[PPT]Feature Selection for Classification M.Dash, H.Liu

[PPT]Classification and Feature Selection

[PPT]Feature Saliency in Unsupervised Learning

[PPT]Feature Selection/Extraction for Classification Problems

[PPT]Dynamic Integration of Data Mining Methods Using Selection in a ...

[PPT]Data Visualization and Feature Selection: New Algorithms for ...

[PPT]Robust feature selection by mutual information distributions

[PPT]Dimensions

[PPT]WEKKEM: a study in Fractal Dimension and Dimensionality Reduction

二、分类方法 

[PPT]Taxonomy Classification

[PPT]Linear Methods for Classification

[PPT]Descriptive Statistics

[PPT]Combining Classical Statistics and Data Mining in Tactical ...

[PPT]Enhanced classification using hyperlinks

[PPT]Classification Algorithms

[PPT]Classification

[PPT]Reading Report on “The Foundations of Cost-Sensitive Learning ...

[PPT]Classification and Prediction (3)

[PPT]4.3 Classification of Fuzzy Relation

[PPT]Classification & Data Mining

[PPT]Machine learning for classification

[PPT]Heuristic Search

[PPT]Comparing Classification Methods

[PPT]A Practical Algorithm to Find the Best Episode Patterns

[PPT]Taxonomy of Data-Mining/Knowledge Discovery Tasks

[PPT]Mining Frequent Patterns Without Candidate Generation

 [PPT]KNOWLEDGE AND REASONING

[PPT]Comparisons of Capabilities of Data Mining Tools

[PPT]Uncertainty Reduction in Data Mining: A Case study for Robust ...

[PPT]Visualizing and Exploring Data

[PPT]An Integrated Approach to Decision Making under Uncertainty UCLA ...

 

[PPT]Mining Unusual Patterns in Data Streams: Methodologies and ...

[PPT]Learning: Nearest Neighbor

[PPT]Structured Principal Component Analysis


[PPT]Machine Learning through Probabilistic Models

[PPT]Advances in Bayesian Learning

[PPT]Using Discretization and Bayesian Inference Network Learning for ...

[PPT]Bayesian Optimization Algorithm, Decision Graphs, and Occam’s ...

[PPT]Bayesian Inference


[PPT]Text Mining Technique Overview and an Application to Anonymous ...

[PPT]Improving Text Classification Accuracy by Augmenting Labeled ...

[PPT]Text Mining Technique Overview and an Application to Anonymous ...

[PPT]Fast and accurate text classification

[PPT]On feature distributional clustering for text categorization

[PPT]Hierarchical Classification of Documents with Error Control

[PPT]A Study of Smoothing Methods for Language Models Applied to ...

  

三、决策树

[PPT]Decision Trees

[PPT]Decision Tree Classification

[PPT]Induction and Decision Trees

[PPT]AN INTRODUCTION TO DECISION TREES

[PPT]Decision Tree Construction

[PPT]Decision Tree Learning II

[PPT]Decision Tree Learning

[PPT]Decision trees and Rule-Based systems

[PPT]Learning with Identification Trees

[PPT]Decision Tree Post-Prunning Methods

[PPT]Decision Trees that Maximise Margins

[PPT]Introduction to Noise Handling in Decision Tree Induction

[PPT]A Fuzzy Decision Tree Induction Method for Fuzzy Data

[PPT]Fuzzy decision tree for continuous classification

[PPT]Artificial Intelligence Machine Learning I – Decision Tree ...

[PPT]OCToo: A Decision Tree Program

 [PPT]Packet Classification using Hierarchical Intelligent Cuttings

[PPT]Rule Induction Using 1-R and ID3

[PPT]Inferring Rudimentary Rules

[PPT]Deriving Classification Rules

 

四、人工神经网络与遗传算法

[PPT]Neural Networks

[PPT]Artificial Neural Networks

[PPT]Neural Networks: An Introduction and Overview

[PPT]Evolving Multiple Neural Networks

[PPT]Introduction to Neural Networks

[PPT]Training and Testing Neural Networks

[PPT]Neuro-Fuzzy and Soft Computing

 [PPT]A Comparison of a Self-Organizing Neural Network Vs. Traditional ...

[PPT]Breast Cancer Diagnosis via Neural Network Classification

[PPT]Effective Data Mining Using Neural Networks

[PPT]Machine learning and Neural Networks

[PPT]Artificial Neural Networks in Image Analysis

[PPT]Neural Miner

[PPT]Minimal Neural Networks

[PPT]Learning with Perceptrons and Neural Networks

[PPT]Feature Selection for Intrusion Detection Using SVMs and ANNs

[PPT]Artificial Neural Networks: Supervised Models

[PPT]Optimal linear combinations of Neural Networks

[PPT]Artificial Neural Networks for Supervised Learning in Data Mining

[PPT]Neural Computing

[PPT]Using Neural Networks for Clustering on RSI data and Related ...

[PPT]Classification and diagnostic prediction using artificial neural ...

[PPT]Continuous Hopfield network

[PPT]SURVEY ON ARTIFICIAL IMMUNE SYSTEM

 

[PPT]Data Mining with Neural Networks and Genetic Algorithms

[PPT]Fuzzy Systems, Neural Networks and Genetic Algorithms

[PPT]Evolving Multiple Neural Networks

[PPT]Genetic Algorithms

[PPT]Multi-objective Optimization Using Genetic Algorithms. ...

[PPT]Performance of Genetic Algorithms for Data Classification

[PPT]Evolutionary Algorithms

[PPT]Basic clustering concepts and clustering using Genetic Algorithm

 

五、支持向量机

[PPT]Support Vector Machine

[PPT]Support Vector Machines ch1. The Learning Methodology

[PPT]Kernel “Machine” Learning

[PPT]Relevance Vector Machine (RVM)

[PPT]Texture Segmentation using Support Vector Machines

[PPT]Large Margin Classifiers and a Medical Diagnostic Application

[PPT]C4.5 and SVM

[PPT]Support Vector Machines Project

[PPT]Scaling multi-class SVMs using inter-class confusion

[PPT]Mathematical Programming in Support Vector Machines

 

六、图论与聚类方法

[PPT]Clustering Algorithms

[PPT]Data Clustering: A Review

[PPT]Identifying Objects Using Cluster and Concept Analysis

[PDF]Clustering Through Decision Tree Construction

[PPT]Concept Learning II

[PPT]Minimum Partitioning and Clustering Algorithms

[PPT]5. Partitioning

[PPT]Constrained Graph Clustering

[PPT]Bi-clustering and co-similarity of documents and words using ...

[PPT]Biclustering of Expressoin Data

[PPT]Classification, clustering, similarity

[PPT]Clustering Using Random Walks

[PPT]Mining Association Rules

[PPT]An Overview of Clustering Methods

 

[PPT]Matching

[PPT]Faster Subtree Isomorphism

[PPT]Similarity Flooding

[PPT]Entangled Graphs Bipartite correlations in multipartite states

[PPT]Maximum Planar Subgraphs in Dense Graphs

[PPT]Matching in bipartite graphs

[PPT]Voting and Consensus Mechanisms

[PPT]Chapter 12 Assignments and Matchings

[PPT]Geometric Constraint Satisfaction Problem Adoption of algebraic ...

[PPT]The Weighted Clique Transversal Set Problem on Distance- ...

[PPT]A Better Algorithm for Finding Planar Subgraph

[PPT]HyperCuP

[PPT]The Disjoint Set ADT

[PPT]Trees, Hierarchies, and Multi-Trees Craig Rixford IS 247 – ...

[PPT]Hypergraph

[PPT]ADT Graph

 

[PPT][Kruksal’s Algorithm]

[PPT]Branch-and-Cut

[PPT]GRAPHS

[PPT]Graphs

[PPT]Trees

[PPT]Trees and Graphs

PPT]Graph Algorithms

[PPT]Graph Problems

[PPT]Shorter Path Algorithms

 [PDF]Trees General Trees A Connected Graph A tree Rooted Trees Rooted ...

[PPT]Chapter 2 Graphs and Independence

[PPT]Graph Algorithms (or, The End Is Near)

[PPT]Greedy Graphs

[PPT]Integrating Optimization and Constraint Satisfaction

[PPT]Conceptual Graphs

[PPT]Guiding Inference with Conceptual Graphs

[PPT]Graph-Based Concept Learning

[PPT]Graphs and Digraphs

[PPT]The Graph Abstract Data Type

[PPT]The ERA Data Model: Entities, Relations and Attributes

[PPT]Stack and Queue Layouts of Directed Acyclic Graphs: Part I

[PPT]Minimum Cost Spanning Trees

[PPT]Chapter 13. Redundancy Elimination

[PPT]Graph Structures and Algorithms

[PPT]Hamiltonian Graphs

[PPT]Hamiltonian Cycles and paths


[PPT]Multilevel Algorithms

[PPT]Greedy and Randomized Local Search

[PPT]Network Capabilities

[PPT]Petri Nets ee249 Fall 2000

[PPT]Petri Nets

[PPT]Extracting hidden information from knowledge networks

[PPT]Interconnect Verification 1

[PPT]Network Flow Approach

[PPT]Statistical Inference, Multiple Comparisons, Random Field Theory

[PPT]Computational Geometry

 

本文来自CSDN博客，转载请标明出处：http://blog.csdn.net/hunnish/archive/2007/10/14/1824308.aspx

你可能感兴趣的:(Algorithm,tree,Graph,methods,optimization,classification)

  • matlab mle 优化,MLE+: Matlab Toolbox for Integrated Modeling, Control and Optimization for Buildings... Simon Zhong matlabmle优化
    摘要：FollowingunilateralopticnervesectioninadultPVGhoodedrat,theaxonguidancecueephrin-A2isup-regulatedincaudalbutnotrostralsuperiorcolliculus(SC)andtheEphA5receptorisdown-regulatedinaxotomisedretinalgan
  • Python算法L5：贪心算法 小熊同学哦 Python算法算法python贪心算法
    Python贪心算法简介目录Python贪心算法简介贪心算法的基本步骤贪心算法的适用场景经典贪心算法问题1.**零钱兑换问题**2.**区间调度问题**3.**背包问题**贪心算法的优缺点优点：缺点：结语贪心算法（GreedyAlgorithm）是一种在每一步选择中都采取当前最优或最优解的算法。它的核心思想是，在保证每一步局部最优的情况下，希望通过贪心选择达到全局最优解。虽然贪心算法并不总能得到全
  • 《 C++ 修炼全景指南：九 》打破编程瓶颈！掌握二叉搜索树的高效实现与技巧 Lenyiin C++修炼全景指南技术指南c++算法stl
    摘要本文详细探讨了二叉搜索树（BinarySearchTree,BST）的核心概念和技术细节，包括插入、查找、删除、遍历等基本操作，并结合实际代码演示了如何实现这些功能。文章深入分析了二叉搜索树的性能优势及其时间复杂度，同时介绍了前驱、后继的查找方法等高级功能。通过自定义实现的二叉搜索树类，读者能够掌握其实际应用，此外，文章还建议进一步扩展为平衡树（如AVL树、红黑树）以优化极端情况下的性能退化。
  • 遥感影像的切片处理 sand&wich 计算机视觉python图像处理
    在遥感影像分析中，经常需要将大尺寸的影像切分成小片段，以便于进行详细的分析和处理。这种方法特别适用于机器学习和图像处理任务，如对象检测、图像分类等。以下是如何使用Python和OpenCV库来实现这一过程，同时确保每个影像片段保留正确的地理信息。准备环境首先，确保安装了必要的Python库，包括numpy、opencv-python和xml.etree.ElementTree。这些库将用于图像处理
  • 非对称加密算法————RSA理论及详情 hu19930613
    转自：https://www.kancloud.cn/kancloud/rsa_algorithm/48484一、一点历史1976年以前，所有的加密方法都是同一种模式：（1）甲方选择某一种加密规则，对信息进行加密；（2）乙方使用同一种规则，对信息进行解密。由于加密和解密使用同样规则（简称"密钥"），这被称为"对称加密算法"（Symmetric-keyalgorithm）。这种加密模式有一个最大弱点
  • 使用由 Python 编写的 lxml 实现高性能 XML 解析 hunyxv python笔记pythonxml
    转载自：文章lxml简介Python从来不出现XML库短缺的情况。从2.0版本开始，它就附带了xml.dom.minidom和相关的pulldom以及SimpleAPIforXML(SAX)模块。从2.4开始，它附带了流行的ElementTreeAPI。此外，很多第三方库可以提供更高级别的或更具有python风格的接口。尽管任何XML库都足够处理简单的DocumentObjectModel(DOM
  • 生成式地图制图 Bwywb_3 深度学习机器学习深度学习生成对抗网络
    生成式地图制图（GenerativeCartography）是一种利用生成式算法和人工智能技术自动创建地图的技术。它结合了传统的地理信息系统（GIS）技术与现代生成模型（如深度学习、GANs等），能够根据输入的数据自动生成符合需求的地图。这种方法在城市规划、虚拟环境设计、游戏开发等多个领域具有应用前景。主要特点：自动化生成：通过算法和模型，系统能够根据输入的地理或空间数据自动生成地图，而无需人工逐
  • leetcode-124 Binary Tree Maximum Path Sum 乐观的大鹏 LeetCode
    Givenanon-emptybinarytree,findthemaximumpathsum.Forthisproblem,apathisdefinedasanysequenceofnodesfromsomestartingnodetoanynodeinthetreealongtheparent-childconnections.Thepathmustcontainatleastonenodea
  • spring security中几大组件的作用和执行顺序 阿信在这里 javaspring
    springsecurity中几大组件的作用和执行顺序在SpringSecurity中，AuthenticationProvider、GroupPermissionEvaluator、PermissionEvaluator、AbstractAuthenticationProcessingFilter、DefaultMethodSecurityExpressionHandler和ManageSecu
  • leetcode刷题day13|二叉树Part01（递归遍历、迭代遍历、统一迭代、层序遍历） 小冉在学习 leetcode算法职场和发展
    递归遍历思路：使用递归的方式比较简单。1、递归函数的传参：因为最后输出一个数组，所以需要传入根节点和一个容器，本来想写数组，但发现长度不能确定，所以选择list。2、终止条件：当访问的节点为空时，return3、递归函数的逻辑：先访问一个节点，递归访问其他节点144.二叉树的前序遍历代码如下：classSolution{publicListpreorderTraversal(TreeNoderoo
  • 非关系型数据库 天秤-white nosql
    一、为什么要用Nosql1.单机MySQL的时代。一个基本的网站访问量一般不会太大，单个数据库完全足够。那时候更多使用的静态网页html，服务器根本没有太大压力。这时候网站的瓶颈是什么？-数据量如果太大，一个机器放不下。-数据量太大需要建立数据的索引（B+Tree），一个服务器内存放不下。-访问量读写混合，一个服务器承受不了。2.memcached缓存+MySQL+垂直拆分（读写分离）。网站80%
  • svg图片兼容性和用法优缺点 独行侠_ef93
    svg图片的使用方法第一次来认认真真的研究了下svg图片，之前只是在网上见过，但都是一晃而过也没当回事，最近网站改版看到同事有用到svg格式的图片，想想自己干了几年的重构也没用过，这些细节的知识是应该好好研究研究了。暂时还没研究得完全透切，先记下目前为止所看到的吧不然又给忘了。svg可缩放矢量图形（ScalableVectorGraphics），顾名思义就是任意改变其大小也不会变形，是基于可扩展标
  • 数据结构 1 五花肉村长 数据结构算法开发语言c语言visualstudio
    1.什么是数据结构数据结构（DataStructure）是计算机存储和组织数据的方式，是指相互之间存在的一种或多种特定关系的数据元的集合。2.什么是算法算法（Algorithm）就是定义良好的计算过程，他取一个或一组的值为输入，并产生出一个或一组值作为输出。简单来说算法就是一系列的计算步骤，用来将输入数据转化成输出结果。3.数据结构和算法的书籍资料学习完数据结构知识，可以去看《剑指offer》和《
  • git：文件存储方式 xuanyu22 工具gitgithub
    引言我们知道git跟踪文件会经历三个阶段：工作区，暂存区和本地仓库（参考git：理解工作区，暂存区和本地仓库），在这些阶段文件如何被储存？理解git文件的存储方式能帮助我们掌握git的工作原理。git对象在上述三个阶段，文件会以对象（object）的形式存储在.git/objects目录下，对象主要有三类：commit，tree和blob。假设初始目录如下：├──.git├──file│└──c.
  • 【Python爬虫】百度百科词条内容 PokiFighting 数据处理python爬虫开发语言
    词条内容我这里随便选取了一个链接，用的是FBI的词条importurllib.requestimporturllib.parsefromlxmlimportetreedefquery(url):headers={'user-agent':'Mozilla/5.0(WindowsNT6.1;Win64;x64)AppleWebKit/537.36(KHTML,likeGecko)Chrome/80.
  • tf.get_collection() yalesaleng
    此函数有两个参数，key和scope。Args:1.key:Thekeyforthecollection.Forexample,theGraphKeysclasscontainsmanystandardnamesforcollections.2.scope:(Optional.)Ifsupplied,theresultinglistisfilteredtoincludeonlyitemswhose
  • CMU 15-445/645 Lab2-B+Tree Index yyy_3y CMU-15/445b树数据结构CMU15-445数据库
    0.写在前面GitHub同步更新https://github.com/kaniel-outis/CMU15-445Lab2的地址：https://15445.courses.cs.cmu.edu/fall2020/project2/本文主要总结一下在写Lab2需要的基础知识以及Task的解决思路（不公开代码，如果有问题可以留言）。Lab2的主要内容是B+tree的定义和Insert、Delete操
  • Spark 组件 GraphX、Streaming 叶域 大数据sparkspark大数据分布式
    Spark组件GraphX、Streaming一、SparkGraphX1.1GraphX的主要概念1.2GraphX的核心操作1.3示例代码1.4GraphX的应用场景二、SparkStreaming2.1SparkStreaming的主要概念2.2示例代码2.3SparkStreaming的集成2.4SparkStreaming的应用场景SparkGraphX用于处理图和图并行计算。Graph
  • 1-1.Jetpack 之 Navigation 简单编码模板 我命由我12345 Android-Jetpack简化编程javajava-eeandroid-studioandroidstudio安卓androidjetpack
    一、Navigation1、Navigation概述Navigation是Jetpack中的一个重要成员，它主要是结合导航图（NavigationGraph）来控制和简化Fragment之间的导航，即往哪里走，该怎么走2、Navigate引入在模块级build.gradle中引入相关依赖implementation'androidx.navigation:navigation-fragment:2
  • ResNet的半监督和半弱监督模型 Valar_Morghulis
    Billion-scalesemi-supervisedlearningforimageclassificationhttps://arxiv.org/pdf/1905.00546.pdfhttps://github.com/facebookresearch/semi-supervised-ImageNet1K-models/权重在timm中也有：https://hub.fastgit.org/r
  • Swift4.0: 利用图形上下文画基础图? Dayu大鱼
    步骤:开启图片上下文获取上下文配置上下文3.1填充颜色cgColor3.2填充尺寸从图形上下文中获取图片关闭上下文返回图片importFoundationimportUIKitextensionUIImage{///画一个白色背景的图片classfuncimageWithWhiteBackGroundColor()->UIImage{//开始图形上下文UIGraphicsBeginImageCon
  • python-opencv cv2.findContours()函数 fjswcjswzy opencvpython笔记pythonopencv
    示例代码：image,contours,hierarchy=cv2.findContours(contour,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)输入：contour：带有轮廓信息的图像；cv2.RETR_TREE：提取轮廓后，输出轮廓信息的组织形式，除了cv2.RETR_TREE还有以下几种选项：cv2.RETR_EXTERNAL：输出轮廓中只有外侧轮廓信
  • 主流行架构 rainbowcheng 架构架构
    nexus，gitlab,svn,jenkins,sonar,docker，apollo，catteambition，axure，蓝湖，禅道,WCP；redis，kafka，es，zookeeper，dubbo，shardingjdbc，mysql，InfluxDB，Telegraf，Grafana，Nginx，xxl-job，Neo4j,NebulaGraph是一个高性能的,NOSQL图形数据库
  • windows 列出文件的树形结构（tree的用法） abments 办公工具windows
    在Windows操作系统中，tree命令是一个强大的命令行工具，用于以树状结构显示指定路径下的目录和文件。这对于快速查看文件和文件夹的层次结构非常有用，尤其是在大型项目或文件系统中。以下是tree命令的基本用法和一些高级功能：基本用法显示当前目录及其子目录结构：在命令行中输入tree（不带任何参数）将显示当前目录及其所有子目录的结构。显示指定路径下的目录结构：可以通过在tree命令后指定一个路径来
  • 深入学习-Gradle-自动化构建技术（五）Gradle-插件架构实现原理剖析- 2401_84002294 2024年程序员学习学习自动化架构
    6、AndroidGradlePluginV3.0.0（2017年10月）7、AndroidGradlePluginV2.3.0（2017年2月）三、Gradle构建核心流程解析1、LoadSettings2、Configure3、TaskGraph4、RunTasks5、Finished四、关于Gradle中依赖实现的原理1、通过MethodMissing机制，间接地调用DefaultDepen
  • 三点or多点的变换矩阵求解opencv & eigen 合工大机器人实验室 C++矩阵opencv线性代数
    《Estimating3-DRigidBodyTransformations:AComparisonofFourMajorAlgorithms》，它使用SVD方法计算T和t。只要算出变换矩阵，就可以算出A坐标系的一个点P在坐标系B里的对应点坐标，即R为3x3的转换矩阵，t为3x1的位移变换向量，这里点坐标均为3x1的列向量（非齐次形式，齐次形式下为4x1列向量，多出的一个元素值补1而已）。理论上只
  • VueTreeselect el-tree-select 多选 小小并不小 Vueelementjsvue.jsjavascript
    1、VueTreeselect是一个多选组件npminstall--save@riophae/vue-treeselect全部代码//importthecomponentimportTreeselectfrom'@riophae/vue-treeselect'//importthestylesimport'@riophae/vue-treeselect/dist/vue-treeselect.cs
  • 详解贪心算法 凭君语未可 算法软考算法贪心算法
    贪心算法什么是贪心算法？贪心算法的特点贪心算法的应用场景贪心算法的基本思路贪心算法的经典应用1.活动选择问题2.最小硬币找零问题3.霍夫曼编码问题贪心算法的正确性贪心算法的优缺点总结什么是贪心算法？贪心算法（GreedyAlgorithm）是一种基于每一步都选择当前最优解的算法设计思想。它在每个阶段总是做出在当前看来最优的选择（局部最优解），而不回溯或考虑整个问题的全局最优性。它期望通过这样逐步构
  • antd of vue treeSelect——异步加载 who_become_gods
    onLoadData(treeNode){varthat=thisreturnnewPromise((resolve)=>{if(treeNode.
  • treeselect只选了分支节点全选_vue Treeselect 树形下拉框:获取选中节点的ids和lables操作... weixin_39637285
    API:https://vue-treeselect.js.org/#events1.ids:即value1.lable:需要用到方法：@select(node,instanceId)和@deselect(node,instanceId)v-model="DRHA_EFaultModeTree_value":multiple="true":options="DRHA_EFaultModeTree_
  • jdk tomcat 环境变量配置 Array_06 javajdktomcat
    Win7 下如何配置java环境变量 1。准备jdk包，win7系统，tomcat安装包（均上网下载即可） 2。进行对jdk的安装，尽量为默认路径（但要记住啊！！以防以后配置用。。。） 3。分别配置高级环境变量。   电脑-->右击属性-->高级环境变量-->环境变量。 分别配置 : path    &nbs
  • Spring调SDK包报java.lang.NoSuchFieldError错误 bijian1013 javaspring
            在工作中调另一个系统的SDK包，出现如下java.lang.NoSuchFieldError错误。 org.springframework.web.util.NestedServletException: Handler processing failed; nested exception is java.l
  • LeetCode[位运算] - #136 数组中的单一数 Cwind java题解位运算LeetCodeAlgorithm
    原题链接：#136 Single Number 要求： 给定一个整型数组，其中除了一个元素之外，每个元素都出现两次。找出这个元素 注意：算法的时间复杂度应为O(n)，最好不使用额外的内存空间 难度：中等 分析： 题目限定了线性的时间复杂度，同时不使用额外的空间，即要求只遍历数组一遍得出结果。由于异或运算 n XOR n = 0, n XOR 0 = n，故将数组中的每个元素进
  • qq登陆界面开发 15700786134 qq
    今天我们来开发一个qq登陆界面，首先写一个界面程序，一个界面首先是一个Frame对象，即是一个窗体。然后在这个窗体上放置其他组件。代码如下： public class First {         public void initul(){        jf=ne
  • Linux的程序包管理器RPM 被触发 linux
    在早期我们使用源代码的方式来安装软件时，都需要先把源程序代码编译成可执行的二进制安装程序，然后进行安装。这就意味着每次安装软件都需要经过预处理-->编译-->汇编-->链接-->生成安装文件--> 安装，这个复杂而艰辛的过程。为简化安装步骤，便于广大用户的安装部署程序，程序提供商就在特定的系统上面编译好相关程序的安装文件并进行打包，提供给大家下载，我们只需要根据自己的
  • socket通信遇到EOFException 肆无忌惮_ EOFException
    java.io.EOFException at java.io.ObjectInputStream$PeekInputStream.readFully(ObjectInputStream.java:2281) at java.io.ObjectInputStream$BlockDataInputStream.readShort(ObjectInputStream.java:
  • 基于spring的web项目定时操作 知了ing javaWeb
    废话不多说，直接上代码，很简单 配置一下项目启动就行 1，web.xml <?xml version="1.0" encoding="UTF-8"?> <web-app xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns="h
  • 树形结构的数据库表Schema设计 矮蛋蛋 schema
    原文地址： http://blog.csdn.net/MONKEY_D_MENG/article/details/6647488     程序设计过程中，我们常常用树形结构来表征某些数据的关联关系，如企业上下级部门、栏目结构、商品分类等等，通常而言，这些树状结构需要借助于数据库完成持久化。然而目前的各种基于关系的数据库，都是以二维表的形式记录存储数据信息，
  • maven将jar包和源码一起打包到本地仓库 alleni123 maven
    http://stackoverflow.com/questions/4031987/how-to-upload-sources-to-local-maven-repository <project> ... <build> <plugins> <plugin> <groupI
  • java IO操作 与 File 获取文件或文件夹的大小，可读，等属性！！！ 百合不是茶
    类 File File是指文件和目录路径名的抽象表示形式。 1，何为文件： 标准文件（txt doc mp3...） 目录文件（文件夹） 虚拟内存文件   2，File类中有可以创建文件的 createNewFile（）方法,在创建新文件的时候需要try{} catch(）{}因为可能会抛出异常；也有可以判断文件是否是一个标准文件的方法isFile();这些防抖都
  • Spring注入有继承关系的类（2） bijian1013 javaspring
    被注入类的父类有相应的属性，Spring可以直接注入相应的属性，如下所例：1.AClass类 package com.bijian.spring.test4; public class AClass { private String a; private String b; public String getA() { retu
  • 30岁转型期你能否成为成功人士 bijian1013 成长励志
            很多人由于年轻时走了弯路，到了30岁一事无成，这样的例子大有人在。但同样也有一些人，整个职业生涯都发展得很优秀，到了30岁已经成为职场的精英阶层。由于做猎头的原因，我们接触很多30岁左右的经理人，发现他们在职业发展道路上往往有很多致命的问题。在30岁之前，他们的职业生涯表现很优秀，但从30岁到40岁这一段，很多人
  • 【Velocity四】Velocity与Java互操作 bit1129 velocity
    Velocity出现的目的用于简化基于MVC的web应用开发，用于替代JSP标签技术，那么Velocity如何访问Java代码.本篇继续以Velocity三http://bit1129.iteye.com/blog/2106142中的例子为基础，      POJO    package com.tom.servlets; public
  • 【Hive十一】Hive数据倾斜优化 bit1129 hive
    什么是Hive数据倾斜问题   操作：join,group by,count distinct 现象：任务进度长时间维持在99%（或100%），查看任务监控页面，发现只有少量（1个或几个）reduce子任务未完成；查看未完成的子任务，可以看到本地读写数据量积累非常大，通常超过10GB可以认定为发生数据倾斜。 原因：key分布不均匀 倾斜度衡量：平均记录数超过50w且
  • 在nginx中集成lua脚本：添加自定义Http头，封IP等 ronin47 nginx lua csrf
    Lua是一个可以嵌入到Nginx配置文件中的动态脚本语言，从而可以在Nginx请求处理的任何阶段执行各种Lua代码。刚开始我们只是用Lua 把请求路由到后端服务器，但是它对我们架构的作用超出了我们的预期。下面就讲讲我们所做的工作。 强制搜索引擎只索引mixlr.com Google把子域名当作完全独立的网站，我们不希望爬虫抓取子域名的页面，降低我们的Page rank。 location /{
  • java-3.求子数组的最大和 bylijinnan java
    package beautyOfCoding; public class MaxSubArraySum { /** * 3.求子数组的最大和 题目描述： 输入一个整形数组，数组里有正数也有负数。 数组中连续的一个或多个整数组成一个子数组，每个子数组都有一个和。 求所有子数组的和的最大值。要求时间复杂度为O(n)。 例如输入的数组为1, -2, 3, 10, -4,
  • Netty源码学习-FileRegion bylijinnan javanetty
    今天看org.jboss.netty.example.http.file.HttpStaticFileServerHandler.java 可以直接往channel里面写入一个FileRegion对象，而不需要相应的encoder： //pipeline（没有诸如“FileRegionEncoder”的handler）： public ChannelPipeline ge
  • 使用ZeroClipboard解决跨浏览器复制到剪贴板的问题 cngolon 跨浏览器复制到粘贴板Zero Clipboard
    Zero Clipboard的实现原理 Zero Clipboard 利用透明的Flash让其漂浮在复制按钮之上，这样其实点击的不是按钮而是 Flash ，这样将需要的内容传入Flash，再通过Flash的复制功能把传入的内容复制到剪贴板。 Zero Clipboard的安装方法 首先需要下载 Zero Clipboard的压缩包，解压后把文件夹中两个文件：ZeroClipboard.js
  • 单例模式 cuishikuan 单例模式
    第一种（懒汉，线程不安全）： public class Singleton {   2     private static Singleton instance;   3     pri
  • spring+websocket的使用 dalan_123
    一、spring配置文件 <?xml version="1.0" encoding="UTF-8"?><beans xmlns="http://www.springframework.org/schema/beans"    xmlns:xsi="http://www.w3.or
  • 细节问题：ZEROFILL的用法范围。 dcj3sjt126com mysql
    1、zerofill把月份中的一位数字比如1，2，3等加前导0 mysql> CREATE TABLE t1 (year YEAR(4), month INT(2) UNSIGNED ZEROFILL,    -> day
  • Android开发10——Activity的跳转与传值 dcj3sjt126com Android开发
    Activity跳转与传值，主要是通过Intent类，Intent的作用是激活组件和附带数据。   一、Activity跳转 方法一Intent intent = new Intent(A.this, B.class); startActivity(intent)   方法二Intent intent = new Intent();intent.setCla
  • jdbc 得到表结构、主键 eksliang jdbc 得到表结构、主键
    转自博客：http://blog.csdn.net/ocean1010/article/details/7266042 假设有个con DatabaseMetaData dbmd = con.getMetaData(); rs = dbmd.getColumns(con.getCatalog(), schema, tableName, null); rs.getSt
  • Android 应用程序开关GPS gqdy365 android
    要在应用程序中操作GPS开关需要权限： <uses-permission android:name="android.permission.WRITE_SECURE_SETTINGS" /> 但在配置文件中添加此权限之后会报错，无法再eclipse里面正常编译，怎么办？ 1、方法一：将项目放到Android源码中编译； 2、方法二：网上有人说cl
  • Windows上调试MapReduce zhiquanliu mapreduce
    1.下载hadoop2x-eclipse-plugin https://github.com/winghc/hadoop2x-eclipse-plugin.git 把 hadoop2.6.0-eclipse-plugin.jar 放到eclipse plugin 目录中。 2.下载 hadoop2.6_x64_.zip http://dl.iteye.com/topics/download/d2b
  • 如何看待一些知名博客推广软文的行为？ justjavac 博客
    本文来自我在知乎上的一个回答：http://www.zhihu.com/question/23431810/answer/24588621 互联网上的两种典型心态： 当初求种像条狗，如今撸完嫌人丑 当初搜贴像条犬，如今读完嫌人软 你为啥感觉不舒服呢？ 难道非得要作者把自己的劳动成果免费给你用，你才舒服？ 就如同 Google 关闭了 Gooled Reader，那是
  • sql优化总结 macroli sql
    为了是自己对sql优化有更好的原则性，在这里做一下总结，个人原则如有不对请多多指教。谢谢！   要知道一个简单的sql语句执行效率，就要有查看方式，一遍更好的进行优化。   一、简单的统计语句执行时间 declare @d datetime ---定义一个datetime的变量set @d=getdate() ---获取查询语句开始前的时间select user_id
  • Linux Oracle中常遇到的一些问题及命令总结 超声波 oraclelinux
    1.linux更改主机名   (1)#hostname oracledb　　　　临时修改主机名 (2) vi /etc/sysconfig/network 　　修改hostname (3) vi /etc/hosts　　　　　　　　修改IP对应的主机名   2.linux重启oracle实例及监听的各种方法 （注意操作的顺序应该是先监听，后数据库实例） &nbs
  • hive函数大全及使用示例 superlxw1234 hadoophive函数
      具体说明及示例参 见附件文档。     文档目录：   目录 一、关系运算： 4 1. 等值比较: = 4 2. 不等值比较: <> 4 3. 小于比较: < 4 4. 小于等于比较: <= 4 5. 大于比较: > 5 6. 大于等于比较: >= 5 7. 空值判断: IS NULL 5
  • Spring 4.2新特性-使用@Order调整配置类加载顺序 wiselyman spring 4
    4.1 @Order Spring 4.2 利用@Order控制配置类的加载顺序 4.2 演示 两个演示bean package com.wisely.spring4_2.order; public class Demo1Service { } package com.wisely.spring4_2.order; public class
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他