- 随机近似算法:步长序列选择的理论与金融实践
随机近似算法:步长序列选择的理论与金融实践摘要随机近似算法作为统计学习与优化的核心工具,其收敛性与稳定性高度依赖步长序列的设计。本文系统阐述步长序列的理论约束与工程选择策略,并结合金融波动率估计场景,展示算法在动态系统参数估计中的实践价值。1.随机近似算法的数学框架随机近似算法通过随机样本的迭代更新逼近目标参数,其核心迭代式为:θn+1=θn+an(Yn−g(θn))\theta_{n+1}=\t
- 机器学习5——非参数估计
平和男人杨争争
山东大学机器学习期末复习机器学习概率论算法
非参数估计在参数估计中我们已经提到,想要估计后验概率P(ωi∣x)=p(x∣ωi)p(ωi)p(x)P\left(\omega_i\midx\right)=\frac{p\left(x\mid\omega_i\right)p\left(\omega_i\right)}{p(x)}P(ωi∣x)=p(x)p(x∣ωi)p(ωi),就需要估计类条件概率p(x∣ωi)p\left(x\mid\omega
- 机器学习4——参数估计之贝叶斯估计
平和男人杨争争
山东大学机器学习期末复习机器学习人工智能
贝叶斯估计问题建模:后验概率公式:P(ωi∣x,D)=P(x∣ωi,Di)P(ωi)∑j=1cP(x∣ωj,Dj)P(ωj)P\left(\omega_i\mid\mathbf{x},\mathcal{D}\right)=\frac{P\left(\mathbf{x}\mid\omega_i,\mathcal{D}_i\right)P\left(\omega_i\right)}{\sum_{j=1
- 机器学习3——参数估计之极大似然估计
平和男人杨争争
山东大学机器学习期末复习机器学习人工智能算法
参数估计问题背景:P(ωi∣x)=p(x∣ωi)P(ωi)p(x)p(x)=∑j=1cp(x∣ωj)P(ωj)\begin{aligned}&P\left(\omega_i\mid\mathbf{x}\right)=\frac{p\left(\mathbf{x}\mid\omega_i\right)P\left(\omega_i\right)}{p(\mathbf{x})}\\&p(\mathbf
- 参数估计:从样本窥见总体
Algo-hx
概率论与数理统计概率论机器学习人工智能
目录引言7参数估计7.1参数估计的基本概念7.1.1估计问题类型7.1.2估计量评价标准7.2点估计方法7.2.1矩估计法(MME)7.2.2最大似然估计(MLE)7.3区间估计原理7.3.1置信区间定义7.3.2枢轴量法(关键步骤)7.4单正态总体参数区间估计7.4.1均值μ\muμ的置信区间7.4.2方差σ2\sigma^2σ2的置信区间7.5双正态总体参数区间估计7.5.1均值差μ1−μ2\
- 期望最大化算法
只微
杂算法机器学习概率论
期望最大化算法问题场景算法思路期望最大化算法(ExpectationMaximization,EM)是一种基于不完整、包含隐变量观测数据进行统计模型参数估计的方法。我们知道,统计模型中的参数都需要根据观测数据集(训练数据)来进行估计。但是,在有些场景下,观测数据集中包含的信息不完整,有缺失,此时就不太容易去估计相应的参数。EM算法就是针对这种问题的的方法。问题场景桌子上放着一个盒子,其中有两种类型
- 城市疫情态势发展与动态调控可视分析
罗伯特之技术屋
智能科学与技术专栏深度学习人工智能
摘要为了解决新冠肺炎疫情医疗资源的合理调配问题,以武汉方舱新冠肺炎疫情数据为基础,融合舆情、时空轨迹等多源数据,针对疫情防控搭建了方舱医院动态调控平台。引入水滴图表征方式动态监测方舱医院,采用主题模型融合情感词典提取群众情感特征,并借助WordStream呈现城市舆情发展,提出基于医院负载量的路径规划算法实现合理路线推荐,提供面向群众的科普信息和城市复苏板块以提升抗疫信心。该系统有利于实现人力、物
- P值、置信度与置信区间的关系:统计推断的三大支柱
进一步有进一步的欢喜
p值置信度置信区间统计学显著性水平
目录引言一、P值是什么?——假设检验的“证据强度”1.1定义1.2判断标准:显著性水平α\alphaα(阿尔法)1.3示例说明二、置信区间与置信度:参数估计的“不确定性范围”2.1置信区间的定义2.2置信度的含义三、显著性水平α\alphaα与置信度1−α1-\alpha1−α的互补关系3.1数学上的互补关系3.2实际意义四、P值vs置信区间:本质不同但逻辑相通五、P值与置信区间的数学联系5.1举
- 最大似然估计(MLE)与最小二乘估计(LSE)的区别
江湖小妞
概率论
最大似然估计与最小二乘估计的区别标签(空格分隔):概率论与数理统计最小二乘估计对于最小二乘估计来说,最合理的参数估计量应该使得模型能最好地拟合样本数据,也就是估计值与观测值之差的平方和最小。设Q表示平方误差,Yi表示估计值,Ŷi表示观测值,即Q=∑ni=1(Yi−Ŷi)2最大似然估计对于最大似然估计来说,最合理的参数估计量应该使得从模型中抽取该n组样本的观测值的概率最大,也就是概率分布函数或者
- NLP-gensim库
安替-AnTi
NLP
Gensim是一款开源的第三方Python工具包,用于从原始的非结构化的文本中,无监督地学习到文本隐层的主题向量表达。它支持包括TF-IDF,LSA,LDA,和word2vec在内的多种主题模型算法,支持流式训练,并提供了诸如相似度计算,信息检索等一些常用任务的API接口。LSILDAHDPDTMDIMTF-IDFword2vec、paragraph2vec基本概念语料(Corpus):一组原始文
- GENSIM 使用笔记1 --- 语料和向量空间
学术状态抽奖器
NLP技术手札学习手册gensim中文向量序列化教程
GENSIM使用笔记1—语料和向量空间GENSIM使用笔记2—主题模型和相似性查询1本篇说明本篇博客来源于GENSIM官方向导文档的第一章,主要供自己后续的翻阅,并通过分享带给诸位网友一个小小的参照。从字符串到向量在这一小节当中,将会讲述如何通过gensim,将一段文本以向量的形式表示。首先我们看一下我们的基本文档形式:documents=['拍照反光一直是摄影爱好者较为苦恼的问题','尤其是手机
- Python自然语言处理:gensim库的探索与应用
丶本心灬
本文还有配套的精品资源,点击获取简介:本文档介绍了gensim库——一个专为Python设计的开源自然语言处理工具,它支持词向量模型、主题模型、相似度计算、TF-IDF和LSA等核心功能。该库适用于文档相似性和主题建模任务,特别强调其在处理大规模语料库中的高效性和准确性。包含gensim-4.0.0版本的预编译安装包,为64位Windows系统上的Python3.6版本提供便捷安装体验。文档还提供
- 中级统计师-统计学基础知识-第三章 参数估计
孟意昶
考证之旅概率论机器学习人工智能
统计学基础知识第三章参数估计第一节统计量与抽样分布1.1总体参数与统计量总体参数:描述总体特征的未知量(如均值μ\muμ、方差σ2\sigma^2σ2、比例π\piπ)。统计量:由样本数据计算的量(如样本均值xˉ\bar{x}xˉ、样本方差s2s^2s2、样本比例ppp),是随机变量。1.2点估计的评价标准标准定义数学表达无偏性估计量的期望等于总体参数E(θ^)=θE(\hat{\theta})=
- 贝叶斯估计方法
phoenix@Capricornus
模式识别中的数学问题学习机器学习
贝叶斯估计是一种基于贝叶斯统计框架的参数估计方法,它利用先验知识和观测数据来推断参数的后验分布,并从中得出参数的估计值。贝叶斯估计的核心思想是将参数视为随机变量,而不是固定但未知的常数,从而能够更好地处理不确定性。贝叶斯估计的基本步骤定义先验分布:先验分布p(θ)p(\theta)p(θ)表示在观测数据之前,对参数θ\thetaθ的先验知识或信念。先验分布可以是基于专家意见、历史数据或其他相关信息
- MATLAB 自然语言处理入门教程
tyatyatya
MATLAB教程MATLAB下载安装教程matlab自然语言处理开发语言
文章目录前言环境配置一、MATLABNLP工具箱概述二、核心功能与API1.文本数据准备2.特征提取3.文本分类(传统机器学习)4.深度学习文本分类(LSTM)三、实战案例:情感分析四、高级应用1.命名实体识别(NER)2.主题模型(LDA)前言以下是MATLAB自然语言处理(NLP)的入门教程,涵盖基础概念、核心功能。环境配置MATLAB下载安装教程:https://blog.csdn.net/
- 数据挖掘技术与应用实验报告(三) —— 应用非线性模型进行客运量预测的实例
小李独爱秋
数据挖掘技术与应用数据挖掘可视化非线性预测模型python
一、实验目的掌握非线性回归模型的基本原理及其在客运量预测中的应用方法,理解非线性模型相较于线性模型的优势与适用场景。通过某省1987—2006年客运量相关数据,分析公路客运量与社会总客运量的变化趋势,探究时间序列中隐含的非线性关系。培养数据建模能力,包括数据预处理、模型参数估计、模型检验及预测分析,为交通规划提供理论支持。二、实验内容根据某省交通统计汇编材料得到下表中所列数据,包括某省1987-2
- 3.5 统计初步
x峰峰
#数学概率论考研
本章系统阐述统计推断理论基础,涵盖大数定律、抽样分布、参数估计与假设检验等核心内容。以下从六个核心考点系统梳理知识体系:考点一:大数定律与中心极限定理1.大数定律切比雪夫不等式:设随机变量XXX的数学期望E(X)=μE(X)=\muE(X)=μ,方差D(X)=σ2D(X)=\sigma^2D(X)=σ2,则对任意ε>0\varepsilon>0ε>0:P{∣X−μ∣≥ε}≤σ2ε2P\{|X-\m
- 主题分析建模用法介绍
不秃的开发媛
机器学习人工智能
1.主题建模分析介绍主题分析建模(LDA)是一种文本分析方法,用于从大量文本数据中提取潜在的主题或话题,它可以帮助我们理解和概况文本数据集中的内容,并发现其中的相关模式和趋势。在文本分析建模中,文本数据集通常被表示为一个文档——词矩阵,其中每个文档都由一组词语构成,主题模型的目标是通过分析这些文档——词矩阵,将文本数据集中的词语聚类成不同的主题。主题可以理解为概念、主要内容或者感兴趣的话题,在文本
- 2025年“深圳杯”数学建模挑战赛A题国奖大佬思路助攻
令狐烛数据分析
数模助攻数学建模
完整版万字论文思路和Python代码下载:https://www.jdmm.cc/file/2712072/问题2:QFN封装参数估计题目描述:QFN(QuadFlatNo-leads)封装可以分为三层:第一层:仅有环氧树脂。第二层:包含环氧树脂和芯片。第三层:包含环氧树脂和铜焊盘。需要建立数学模型,估计QFN封装在角点位置沿对角线方向的等效杨氏模量(E_{eq})和等效热膨胀系数(\text{C
- 最小距离估计器解读
DuHz
概率论机器学习算法人工智能线性代数信息与通信
最小距离估计器解读引言在统计学和计量经济学中,估计未知参数是一项核心任务。最小距离估计(MinimumDistanceEstimation,MDE)是一类强大的参数估计方法,它通过最小化观测数据与理论模型之间的某种"距离"来估计模型参数。基本概念最小距离估计的核心思想非常直观:我们寻找使得理论分布与实际观测数据之间"距离"最小的参数值。这里的"距离"是一个广义概念,可以是各种统计距离度量。假设我们
- 正态分布习题集 · 题目篇
aichitang2024
概率论习题集概率论
正态分布习题集·题目篇全面覆盖单变量正态、多变量正态、参数估计、假设检验、变换以及应用,共20题,从基础到进阶。完成后请移步《答案与解析篇》。1.基础定义与性质(5题)1.1密度函数写出正态分布N(μ,σ2)N(\mu,\sigma^2)N(μ,σ2)的概率密度函数(PDF),解释参数含义。1.2标准正态变换给定X∼N(μ,σ2)X\simN(\mu,\sigma^2)X∼N(μ,σ2),写出将X
- 二项分布习题集 · 题目篇
aichitang2024
概率论习题集概率论
二项分布习题集·题目篇共18题,覆盖二项分布的定义、性质、参数估计、区间估计、假设检验、极限近似以及工程应用与编程仿真。完成后请移步《答案与解析篇》。1.基础概念(4题)1.1定义写出二项分布Bin(n,p)\mathrm{Bin}(n,p)Bin(n,p)的概率质量函数(PMF),说明n,pn,pn,p的含义。1.2伯努利关系用一句话说明二项分布与伯努利分布的关系,并给出数学表达式。1.3期望方
- 线性回归算法解密:从基础到实战的完整指南
智能计算研究中心
其他
内容概要线性回归算法是统计学与机器学习中一种常用的预测方法,它的核心思想是通过学习输入特征与输出变量之间的关系,以便对未来的数据进行预测。本文将从线性回归的基本概念入手,逐步深入,帮助读者全面掌握这一算法。本文旨在为读者提供系统而清晰的线性回归知识框架,以便在实际应用中能够灵活运用。首先,我们将解释线性回归的数学原理,包括如何构建模型以及利用最小二乘法进行参数估计。接着,针对数据预处理与特征选择,
- 文本主题模型之潜在语义索引(LSI)
多尝试多记录多积累
好文章的搬运工:https://www.cnblogs.com/pinard/p/6805861.html先对矩阵做SVD分解,然后利用V矩阵,计算LSI,LSI得到的文本主题矩阵可以用于文本相似度计算。而计算方法一般是通过余弦相似度。需要选取主题的k值。LSI是最早出现的主题模型了,它的算法原理很简单,一次奇异值分解就可以得到主题模型,同时解决词义的问题,非常漂亮。但是LSI有很多不足,导致它在
- 深入解析R语言的贝叶斯网络模型:构建、优化与预测;INLA下的贝叶斯回归;现代贝叶斯统计学方法;R语言混合效应(多水平/层次/嵌套)
小艳加油
R语言应用R语言贝叶斯INLA回归分析统计方法
目录①基于R语言的贝叶斯网络模型的实践应用②R语言贝叶斯方法在生态环境领域中的应用③基于R语言贝叶斯进阶:INLA下的贝叶斯回归、生存分析、随机游走、广义可加模型、极端数据的贝叶斯分析④基于R语言的现代贝叶斯统计学方法(贝叶斯参数估计、贝叶斯回归、贝叶斯计算)⑤R语言混合效应(多水平/层次/嵌套)模型及贝叶斯实现更多应用贝叶斯网络是一种结合图论与统计学理论提出的新型模型。贝叶斯网络不但能够统合已有
- 统计学-什么是置信度 ?
阿桨
数据分析知识问答数据分析
置信度,也称为置信水平,它反映了特定个体对特定命题真实性的相信程度。在统计学和概率论中,置信度是对某个样本统计量所构造的总体参数估计区间的可信程度或把握程度的度量。简而言之,它表示的是我们有多大信心认为某个估计或预测是准确的。具体来说,在研究和评估中,置信度是衡量数据或结果的可靠性和可信度的一种指标,它反映了被评估对象的真实性或有效性。例如,在机器学习和人工智能中,置信度是指算法对某个预测结果的置
- Open3D Ransac算法分割点云平面
MelaCandy
算法python计算机视觉图像处理3d
目录一、概述1.1算法原理1.2应用场景二、代码实现2.1关键函数2.2完整代码三、实现效果3.1原始点云3.2分割后点云Open3D点云算法汇总及实战案例汇总的目录地址:Open3D点云算法与点云深度学习案例汇总(长期更新)-CSDN博客一、概述1.1算法原理RANSAC(RandomSampleConsensus)是一种迭代的参数估计算法,主要用于从包含大量噪声数据的样本中估计模型参数。其核心
- PCL RANSAC算法在平面拟合中的方向向量约束
心之飞跃
算法平面人工智能PCL
PCLRANSAC算法在平面拟合中的方向向量约束RANSAC(RandomSampleConsensus)是一种经典的参数估计算法,用于从包含噪声或异常值的数据集中估计模型参数。在点云处理领域,PCL(PointCloudLibrary)库提供了对点云数据进行各种操作和分析的工具。本文将介绍如何使用PCL库中的RANSAC算法实现平面拟合,并添加方向向量约束的功能。平面拟合是点云处理中常用的任务之
- VAE的学习及先验知识
butterfly won't love flowers
图像生成机器学习人工智能
笔记1、先验、后验、似然、证据2、极大似然估计3、最大后验估计4、贝叶斯均值估计5、KL散度6、VAE1、先验、后验、似然、证据对于给定的数据,我们假设其是服从某个数据分布的。θθθ决定了数据的分布,而数据是从这个分布中采样得到的。但是在统计学习中,我们通常不知道真实的参数θθθ,因此转向通过数据来推断它,也就是后面要说的参数估计。在此之前先讲些基础的术语。先验P(θθθ):先验就是在看到数据之前
- 2023-2024山东大学机器学习期末回忆
Walk Me Home
机器学习人工智能
1、考试时间:2024/6/122、考试形式:闭卷3、考试科目:机器学习基础(老师:XuXinShun)一、名词解释1、聚类2、集成学习3、回归4、维度灾难5、主动学习二、简答题1、非参数估计相比参数估计有什么优点。说出两种非参数估计的方法,并解释他们的基本思想。2、梯度下降法的过程,并解释为什么每一步目标函数的值每次都是降低3、解释什么是过拟合,并给出解决过拟合的几种方法4、简述决策树算法的过程
- Java 并发包之线程池和原子计数
lijingyao8206
Java计数ThreadPool并发包java线程池
对于大数据量关联的业务处理逻辑,比较直接的想法就是用JDK提供的并发包去解决多线程情况下的业务数据处理。线程池可以提供很好的管理线程的方式,并且可以提高线程利用率,并发包中的原子计数在多线程的情况下可以让我们避免去写一些同步代码。
这里就先把jdk并发包中的线程池处理器ThreadPoolExecutor 以原子计数类AomicInteger 和倒数计时锁C
- java编程思想 抽象类和接口
百合不是茶
java抽象类接口
接口c++对接口和内部类只有简介的支持,但在java中有队这些类的直接支持
1 ,抽象类 : 如果一个类包含一个或多个抽象方法,该类必须限定为抽象类(否者编译器报错)
抽象方法 : 在方法中仅有声明而没有方法体
package com.wj.Interface;
- [房地产与大数据]房地产数据挖掘系统
comsci
数据挖掘
随着一个关键核心技术的突破,我们已经是独立自主的开发某些先进模块,但是要完全实现,还需要一定的时间...
所以,除了代码工作以外,我们还需要关心一下非技术领域的事件..比如说房地产
&nb
- 数组队列总结
沐刃青蛟
数组队列
数组队列是一种大小可以改变,类型没有定死的类似数组的工具。不过与数组相比,它更具有灵活性。因为它不但不用担心越界问题,而且因为泛型(类似c++中模板的东西)的存在而支持各种类型。
以下是数组队列的功能实现代码:
import List.Student;
public class
- Oracle存储过程无法编译的解决方法
IT独行者
oracle存储过程
今天同事修改Oracle存储过程又导致2个过程无法被编译,流程规范上的东西,Dave 这里不多说,看看怎么解决问题。
1. 查看无效对象
XEZF@xezf(qs-xezf-db1)> select object_name,object_type,status from all_objects where status='IN
- 重装系统之后oracle恢复
文强chu
oracle
前几天正在使用电脑,没有暂停oracle的各种服务。
突然win8.1系统奔溃,无法修复,开机时系统 提示正在搜集错误信息,然后再开机,再提示的无限循环中。
无耐我拿出系统u盘 准备重装系统,没想到竟然无法从u盘引导成功。
晚上到外面早了一家修电脑店,让人家给装了个系统,并且那哥们在我没反应过来的时候,
直接把我的c盘给格式化了 并且清理了注册表,再装系统。
然后的结果就是我的oracl
- python学习二( 一些基础语法)
小桔子
pthon基础语法
紧接着把!昨天没看继续看django 官方教程,学了下python的基本语法 与c类语言还是有些小差别:
1.ptyhon的源文件以UTF-8编码格式
2.
/ 除 结果浮点型
// 除 结果整形
% 除 取余数
* 乘
** 乘方 eg 5**2 结果是5的2次方25
_&
- svn 常用命令
aichenglong
SVN版本回退
1 svn回退版本
1)在window中选择log,根据想要回退的内容,选择revert this version或revert chanages from this version
两者的区别:
revert this version:表示回退到当前版本(该版本后的版本全部作废)
revert chanages from this versio
- 某小公司面试归来
alafqq
面试
先填单子,还要写笔试题,我以时间为急,拒绝了它。。时间宝贵。
老拿这些对付毕业生的东东来吓唬我。。
面试官很刁难,问了几个问题,记录下;
1,包的范围。。。public,private,protect. --悲剧了
2,hashcode方法和equals方法的区别。谁覆盖谁.结果,他说我说反了。
3,最恶心的一道题,抽象类继承抽象类吗?(察,一般它都是被继承的啊)
4,stru
- 动态数组的存储速度比较 集合框架
百合不是茶
集合框架
集合框架:
自定义数据结构(增删改查等)
package 数组;
/**
* 创建动态数组
* @author 百合
*
*/
public class ArrayDemo{
//定义一个数组来存放数据
String[] src = new String[0];
/**
* 增加元素加入容器
* @param s要加入容器
- 用JS实现一个JS对象,对象里有两个属性一个方法
bijian1013
js对象
<html>
<head>
</head>
<body>
用js代码实现一个js对象,对象里有两个属性,一个方法
</body>
<script>
var obj={a:'1234567',b:'bbbbbbbbbb',c:function(x){
- 探索JUnit4扩展:使用Rule
bijian1013
java单元测试JUnitRule
在上一篇文章中,讨论了使用Runner扩展JUnit4的方式,即直接修改Test Runner的实现(BlockJUnit4ClassRunner)。但这种方法显然不便于灵活地添加或删除扩展功能。下面将使用JUnit4.7才开始引入的扩展方式——Rule来实现相同的扩展功能。
1. Rule
&n
- [Gson一]非泛型POJO对象的反序列化
bit1129
POJO
当要将JSON数据串反序列化自身为非泛型的POJO时,使用Gson.fromJson(String, Class)方法。自身为非泛型的POJO的包括两种:
1. POJO对象不包含任何泛型的字段
2. POJO对象包含泛型字段,例如泛型集合或者泛型类
Data类 a.不是泛型类, b.Data中的集合List和Map都是泛型的 c.Data中不包含其它的POJO
 
- 【Kakfa五】Kafka Producer和Consumer基本使用
bit1129
kafka
0.Kafka服务器的配置
一个Broker,
一个Topic
Topic中只有一个Partition() 1. Producer:
package kafka.examples.producers;
import kafka.producer.KeyedMessage;
import kafka.javaapi.producer.Producer;
impor
- lsyncd实时同步搭建指南——取代rsync+inotify
ronin47
1. 几大实时同步工具比较 1.1 inotify + rsync
最近一直在寻求生产服务服务器上的同步替代方案,原先使用的是 inotify + rsync,但随着文件数量的增大到100W+,目录下的文件列表就达20M,在网络状况不佳或者限速的情况下,变更的文件可能10来个才几M,却因此要发送的文件列表就达20M,严重减低的带宽的使用效率以及同步效率;更为要紧的是,加入inotify
- java-9. 判断整数序列是不是二元查找树的后序遍历结果
bylijinnan
java
public class IsBinTreePostTraverse{
static boolean isBSTPostOrder(int[] a){
if(a==null){
return false;
}
/*1.只有一个结点时,肯定是查找树
*2.只有两个结点时,肯定是查找树。例如{5,6}对应的BST是 6 {6,5}对应的BST是
- MySQL的sum函数返回的类型
bylijinnan
javaspringsqlmysqljdbc
今天项目切换数据库时,出错
访问数据库的代码大概是这样:
String sql = "select sum(number) as sumNumberOfOneDay from tableName";
List<Map> rows = getJdbcTemplate().queryForList(sql);
for (Map row : rows
- java设计模式之单例模式
chicony
java设计模式
在阎宏博士的《JAVA与模式》一书中开头是这样描述单例模式的:
作为对象的创建模式,单例模式确保某一个类只有一个实例,而且自行实例化并向整个系统提供这个实例。这个类称为单例类。 单例模式的结构
单例模式的特点:
单例类只能有一个实例。
单例类必须自己创建自己的唯一实例。
单例类必须给所有其他对象提供这一实例。
饿汉式单例类
publ
- javascript取当月最后一天
ctrain
JavaScript
<!--javascript取当月最后一天-->
<script language=javascript>
var current = new Date();
var year = current.getYear();
var month = current.getMonth();
showMonthLastDay(year, mont
- linux tune2fs命令详解
daizj
linuxtune2fs查看系统文件块信息
一.简介:
tune2fs是调整和查看ext2/ext3文件系统的文件系统参数,Windows下面如果出现意外断电死机情况,下次开机一般都会出现系统自检。Linux系统下面也有文件系统自检,而且是可以通过tune2fs命令,自行定义自检周期及方式。
二.用法:
Usage: tune2fs [-c max_mounts_count] [-e errors_behavior] [-g grou
- 做有中国特色的程序员
dcj3sjt126com
程序员
从出版业说起 网络作品排到靠前的,都不会太难看,一般人不爱看某部作品也是因为不喜欢这个类型,而此人也不会全不喜欢这些网络作品。究其原因,是因为网络作品都是让人先白看的,看的好了才出了头。而纸质作品就不一定了,排行榜靠前的,有好作品,也有垃圾。 许多大牛都是写了博客,后来出了书。这些书也都不次,可能有人让为不好,是因为技术书不像小说,小说在读故事,技术书是在学知识或温习知识,有
- Android:TextView属性大全
dcj3sjt126com
textview
android:autoLink 设置是否当文本为URL链接/email/电话号码/map时,文本显示为可点击的链接。可选值(none/web/email/phone/map/all) android:autoText 如果设置,将自动执行输入值的拼写纠正。此处无效果,在显示输入法并输
- tomcat虚拟目录安装及其配置
eksliang
tomcat配置说明tomca部署web应用tomcat虚拟目录安装
转载请出自出处:http://eksliang.iteye.com/blog/2097184
1.-------------------------------------------tomcat 目录结构
config:存放tomcat的配置文件
temp :存放tomcat跑起来后存放临时文件用的
work : 当第一次访问应用中的jsp
- 浅谈:APP有哪些常被黑客利用的安全漏洞
gg163
APP
首先,说到APP的安全漏洞,身为程序猿的大家应该不陌生;如果抛开安卓自身开源的问题的话,其主要产生的原因就是开发过程中疏忽或者代码不严谨引起的。但这些责任也不能怪在程序猿头上,有时会因为BOSS时间催得紧等很多可观原因。由国内移动应用安全检测团队爱内测(ineice.com)的CTO给我们浅谈关于Android 系统的开源设计以及生态环境。
1. 应用反编译漏洞:APK 包非常容易被反编译成可读
- C#根据网址生成静态页面
hvt
Web.netC#asp.nethovertree
HoverTree开源项目中HoverTreeWeb.HVTPanel的Index.aspx文件是后台管理的首页。包含生成留言板首页,以及显示用户名,退出等功能。根据网址生成页面的方法:
bool CreateHtmlFile(string url, string path)
{
//http://keleyi.com/a/bjae/3d10wfax.htm
stri
- SVG 教程 (一)
天梯梦
svg
SVG 简介
SVG 是使用 XML 来描述二维图形和绘图程序的语言。 学习之前应具备的基础知识:
继续学习之前,你应该对以下内容有基本的了解:
HTML
XML 基础
如果希望首先学习这些内容,请在本站的首页选择相应的教程。 什么是SVG?
SVG 指可伸缩矢量图形 (Scalable Vector Graphics)
SVG 用来定义用于网络的基于矢量
- 一个简单的java栈
luyulong
java数据结构栈
public class MyStack {
private long[] arr;
private int top;
public MyStack() {
arr = new long[10];
top = -1;
}
public MyStack(int maxsize) {
arr = new long[maxsize];
top
- 基础数据结构和算法八:Binary search
sunwinner
AlgorithmBinary search
Binary search needs an ordered array so that it can use array indexing to dramatically reduce the number of compares required for each search, using the classic and venerable binary search algori
- 12个C语言面试题,涉及指针、进程、运算、结构体、函数、内存,看看你能做出几个!
刘星宇
c面试
12个C语言面试题,涉及指针、进程、运算、结构体、函数、内存,看看你能做出几个!
1.gets()函数
问:请找出下面代码里的问题:
#include<stdio.h>
int main(void)
{
char buff[10];
memset(buff,0,sizeof(buff));
- ITeye 7月技术图书有奖试读获奖名单公布
ITeye管理员
活动ITeye试读
ITeye携手人民邮电出版社图灵教育共同举办的7月技术图书有奖试读活动已圆满结束,非常感谢广大用户对本次活动的关注与参与。
7月试读活动回顾:
http://webmaster.iteye.com/blog/2092746
本次技术图书试读活动的优秀奖获奖名单及相应作品如下(优秀文章有很多,但名额有限,没获奖并不代表不优秀):
《Java性能优化权威指南》