- Java策略模式详解
nlog3n
设计模式Java学习java策略模式bash
策略模式详解一、模式定义策略模式(StrategyPattern)属于行为型模式,它定义了一系列算法,并将每个算法封装起来,使它们可以相互替换。二、核心结构1.抽象策略接口publicinterfaceStrategy{voidexecuteAlgorithm();}2.具体策略实现publicclassConcreteStrategyAimplementsStrategy{publicvoide
- Java设计模式之模板方法模式
白 泽
Java设计模式java设计模式模板方法模式
文章目录前言一、定义二、应用场景三、基本结构四、基本使用1.抽象类/抽象模板角色2.具体子类/具体实现角色3.客户端角色总结1.优点2.缺点前言掌握模板方法模式的原理掌握模板方法模式的应用场景掌握模板方法的优缺点一、定义模板方法模式(TemplateMethod):定义一个操作中的算法骨架,而将算法的一些步骤延迟到子类中,使得子类可以不改变该算法结构的情况下重定义该算法的某些特定步骤。实际上是封装
- 科普:One-Class SVM和SVDD
人工干智能
《机器学习》支持向量机机器学习人工智能
SVM(支持向量机)算法是用于解决二分类问题的,它在样本空间(高维空间)中找一个最优超平面,使得两类数据点中离超平面最近的点(称为支持向量)到超平面的距离最大。对于极少数“坏样本”的二分类场景,我们可以换个思路:将所有样本视为一类(而不是二类),而将极少数“坏样本”视为这一类的异常。这样,用于二分类的SVM就可以改造为用于一分类的One-ClassSVM和SVDD。One-ClassSVM(单类支
- 几种常见的 A/D 转换算法示例代码,涵盖简单的加权平均法和中值滤波法
max500600
算法算法python机器学习
以下为你提供几种常见的A/D转换算法示例代码,涵盖简单的加权平均法和中值滤波法。1.加权平均法加权平均法会依据不同权重对多次采样值进行加权平均,从而得到最终的A/D转换结果。该方法能有效减少随机噪声的影响。#模拟A/D转换的加权平均法defweighted_average_adc(samples,weights):iflen(samples)!=len(weights):raiseValueErr
- 遗传算法优化支持向量机实现数据回归预测
缤纷彩色
支持向量机回归算法matlab
遗传算法优化支持向量机实现数据回归预测本文将介绍如何使用遗传算法优化支持向量机(SVM)实现数据回归预测。我们将在Matlab环境下编写代码,并提供完整的源代码。通过本文的学习,读者将了解到如何使用遗传算法优化SVM模型,以及如何将其应用于数据回归预测。首先,让我们简单介绍一下SVM。SVM是一种二分类模型,其目标是找到一个最佳的超平面将不同类别的样本分开。在数据回归预测中,我们需要将SVM用于拟
- 深度学习 Deep Learning 第17章 蒙特卡洛方法
odoo中国
人工智能深度学习人工智能蒙特卡洛
深度学习DeepLearning第17章蒙特卡洛方法内容概要本章深入探讨了蒙特卡洛方法及其在机器学习中的应用。蒙特卡洛方法是一类基于随机采样的算法,用于估计复杂的积分和求和问题。这些方法在机器学习中尤为重要,因为许多问题难以通过精确方法解决,需要借助随机采样来近似。本章详细介绍了蒙特卡洛方法的基本原理、重要性采样、马尔可夫链蒙特卡洛(MCMC)方法及其在深度学习中的应用。主要内容采样与蒙特卡洛方法
- 影像高精度配准 - 精度评估指标与实现方法
我喜欢就喜欢
javaandroidjavascript开发语言
影像高精度配准后,精度评估是验证算法有效性与优化算法参数的重要环节。精度评估主要通过几何精度评估与视觉验证两个方面进行。精度评估指标1.1几何精度评估指标(1)平均误差(MeanError,ME)表示所有匹配点对的平均偏移量。公式:在这里插入图片描述其中:(,)(xi,yi)是源影像的匹配点坐标。(′,′)(xi′,yi′)是目标影像中对应点的坐标。N是匹配点对的数量。(2)均方根误差(RootM
- 离线语音识别 ( 小语种国家都支持)可定制词组
微信15323794243
新唐嵌入式硬件
1产品介绍离线语音模组采用神经网络算法,支持语音识别、自学习等功能。运用此模组将AI技术赋能产品,升级改造出语音操控的智能硬件(例如风扇、台灯、空调、马桶、按摩椅、运动相机、行车记录仪等)。支持全球多种语言识别,如中文,英语,日语,韩语,俄语,西班牙语,德语,越南语等,应用市场非常广泛。2.硬件外观模组PCBA外观如图所示:模组正面有2.0mm间距10PIN卧式针座,通过10PIN排线对接主板,给
- 智慧路灯在数据采集与分析方面面临的挑战
2501_91106766
微信新浪微博微信公众平台百度
叁仟智慧路灯作为现代城市基础设施的重要组成部分,通过集成多种传感器、通信模块和智能控制算法,实现了高效节能、多功能集成和智能化管理。然而,在数据采集与分析方面,智慧路灯仍面临诸多挑战。一、技术挑战1.数据处理与分析的技术难题智慧路灯设备每天会产生大量的数据,包括但不限于车辆通行数据、环境监测数据、照明状态数据等。这些数据的高效处理不仅需要强大的计算能力,也需要复杂的算法支持。处理这些数据的技术难题
- ORACLE进阶(十二)union(all)学习总结_oracle的union all底层算法
2401_85124682
oracle学习数据库
innerjoincdeorgontb.ibkcde=cdeorg.ibkcdewhere1=1AND(FNAUTMISNULLorfnautm=0)AND(tb.FLWSTS!='3'ortb.FLWSTSISNULL)andUPPER(tb.customername)like'%'||'shq\_test\_20180302'||'%'ESCAPE'/'andtb.biztypin('1','
- NLP 面试宝典
关于NLP那些你不知道的事
大模型LLMs面试经验自然语言处理自然语言处理面试人工智能深度学习AIGC职场和发展chatgpt
介绍:本项目是作者们根据个人面试和经验总结出的自然语言处理(NLP)面试准备的学习笔记与资料,该资料目前包含自然语言处理各领域的面试题积累。Github地址:https://github.com/km1994/NLP-Interview-Notes四、NLP学习算法常见面试篇4.1信息抽取常见面试篇4.1.1命名实体识别常见面试篇隐马尔科夫算法HMM常见面试篇一、基础信息介绍篇1.1什么是概率图模
- 神经网络能不能完全拟合y=x² ???
frostmelody
机器学习小知识点深度学习小知识点PyTorch小知识点神经网络人工智能深度学习
先说结论:关键看激活函数的选择ReLU神经网络对非线性函数的拟合分析ReLU神经网络对非线性函数(如y=x2y=x^2y=x2)的拟合只能是逼近,而无法实现数学意义上的完全重合。这一结论源于ReLU的分段线性本质与目标函数的非线性结构之间的根本性差异。以下是具体分析:1.ReLU的函数本质限制ReLU是分段线性函数,其组合生成的神经网络输出本质上是分段线性函数(由多个折线段构成)。而y=x2y=x
- 【python】基于nc数据文件实现XGBoost的多分类
傻傻虎虎
机器学习python分类机器学习xgboost
基于nc数据文件实现XGBoost的多分类XGBoost介绍库下载nc文件介绍模型搭建nc文件数据读取XGBoost的使用模型源码内容XGBoost介绍XGBoost(ExtremeGradientBoosting)是一种基于梯度提升决策树的机器学习算法。它是一种高效、灵活和可扩展的技术,而且在许多机器学习竞赛中都表现出色。该算法的主要思想是通过构建多个决策树模型来逐步改进预测结果,每一次迭代都会
- C++算法八股——单调栈(含代码)
雨沐山川
算法c++开发语言
单调栈的作用是能够在一次遍历的情况下找到每个元素最左边或者最右边的第一个最大/小元素,得益于其独特的栈结构,我们可以通过手动维护一个非递增/递减的栈完成这个目的。单调栈一共分为四种情况:注意,这四种情况我们都可以从左向右遍历数组完成。有的时候为了方便计算边界情况的差值,可以压入dummy节点(例如美丽塔2),问最大我们压入INT_MAX。最小INT_MIN1.找到每个元素左边的第一个最大元素从左向
- 算法-二进制和位运算
Y.O.U..
算法c++
一.二进制(1).无符号数:无符号数是一种数据表示方式,它只表示非负整数,即没有符号位,所有的位都用来表示数值大小。在C++等编程语言中,常见的无符号类型有unsignedint、unsignedchar等。例如,一个8位的无符号整数unsignedchar可以表示范围为0到255的整数,而不像有符号的char可以表示-128到127的范围。对于一个无符号整数,可以使用除2取余法手动将其转换为二进
- 如何在Python上安装xgboost?
cda2024
python开发语言
在数据科学和机器学习领域,XGBoost无疑是一款备受推崇的算法工具。它以其高效、灵活和精确的特点,成为了众多数据科学家和工程师的首选。然而,对于初学者来说,如何在Python环境中成功安装XGBoost可能会成为一个挑战。本文将详细指导你在Python上安装XGBoost的过程,帮助你快速上手这一强大的机器学习工具。为什么选择XGBoost?在深入了解安装过程之前,我们先来看看XGBoost为何
- MyBatis-Plus 优雅实现数据库单字段加密存储
@郭小茶
数据库mybatisspringboot
本文将基于Mybatis-Plus讲述如何在数据的源头存储层保障其安全。我们都知道一些核心私密字段,比如说密码,手机号等在数据库层存储就不能明文存储,必须加密存储保证即使数据库泄露了也不会轻易曝光数据。一、数据库字段加解密实现1.定义加密类型枚举默认提供基于base64和AES加密算法,当然也可以自定义加密算法。publicenumAlgorithm{BASE64,AES}2.定义AES密钥和偏移
- 掌握Swift和iOS中的数据结构和算法
算法资料吧!
教程算法
掌握Swift和iOS中的数据结构和算法MasteringDataStructures&AlgorithmsinSwift&iOSMP4|视频:h264,1280×720|音频:AAC,44.1KHz,2Ch级别:全部|类型:eLearning|语言:英语|持续时间:22讲座(4小时36分钟)|大小:1.74GBMasterDataStructures&AlgorithmstoAceiOS面试和土
- c#光线追踪渲染器算法
勘察加熊人
typescriptc#算法数码相机
说明:光线追踪渲染器光线追踪是一种模拟光线物理行为的渲染技术,能够生成高度逼真的图像(如反射、折射、阴影等)。光线投射:从相机发射光线到场景。几何体相交检测:计算光线与球体的交点。材质模拟:处理玻璃的折射(如菲涅耳效应)和漫反射。阴影计算:通过光线遮挡判断生成阴影。递归追踪:支持光线反射/折射的深度递归(MAX_RAY_DEPTH)。交互式操作:通过按钮触发渲染,展示实时生成的图像。物理效果模拟:
- 模运算核心性质与算法应用:从数学原理到编程实践
EnigmaCoder
算法算法
目录前言数学性质:模运算的理论基石基本定义:余数的本质四则运算规则:保持同余性的关键编程实践:模运算的工程化技巧避免数值溢出:分步取模是关键处理负数取模:确保结果非负大数幂取模:快速幂算法组合数取模:预计算阶乘与逆元常见问题解决方案:一张表帮你避坑总结:模运算的核心价值前言大家好!我是EnigmaCoder。在算法设计与数论问题中,模运算(ModuloOperation)是处理大数、周期性问题和哈
- 机器学习的数学基础:必备的线性代数和概率论
AI天才研究院
AI大模型应用入门实战与进阶大数据人工智能语言模型AILLMJavaPython架构设计AgentRPA
1.背景介绍机器学习(MachineLearning)是一种利用数据训练算法来自动发现隐藏规律和模式的技术。它广泛应用于各个领域,如图像识别、自然语言处理、推荐系统等。机器学习的核心是数学模型,这些模型需要基于线性代数和概率论来构建和优化。因此,掌握机器学习的数学基础是非常重要的。在本文中,我们将从以下几个方面进行阐述:背景介绍核心概念与联系核心算法原理和具体操作步骤以及数学模型公式详细讲解具体代
- 【机器学习的定义】
Blue桃之夭夭
机器学习机器学习人工智能
机器学习的深度解析1.核心定义机器学习(MachineLearning,ML)是人工智能的一个子领域,研究如何让计算机系统从数据中自动学习规律,并利用这些规律做出预测或决策,而无需显式编程。其本质是通过算法从数据中提取模式,优化模型参数,从而提升任务表现。2.关键要素Mitchell(1997)的经典定义:“一个计算机程序在**任务(T)上的性能(P)如果随着经验(E)**而提高,就称它从经验中学
- 机器学习实践——利用SVD简化数据
还迷来
机器学习实战
SVD(奇异值分解)优点:简化数据,去除噪音,提高算法的结果缺点:数据的转换可能难以理解利用SVD,我们可以使用小得多的数据集来表示原始数据集,这样做实际上是去除了噪声和冗余信息,以此达到了优化数据、提高结果的目的。SVD的应用LSA(隐形语义分析)在LSA中,矩阵是由文档和词语组成的,当我们应用SVD时,就会构建出多个奇异值,这些奇异值就代表了文档中的主题或概念,这一特点可以用于更高效的文档搜索
- 去中心化借贷机制解析
倒霉男孩
DeFi去中心化区块链
去中心化借贷机制解析(以CompoundFinance为例)一、核心机制与市场定位去中心化借贷逻辑无需信任中介:用户通过抵押加密资产(如ETH、DAI)直接与智能合约交互,无需银行或KYC流程。算法驱动利率:利率由供需动态调整(如DAI存款APY7.58%,借款利率8%),提升市场效率。cToken机制:存款生成ERC-20标准的cToken(如cDAI),利息通过cToken增值体现,支持灵活赎
- AI 大模型应用数据中心的数据清洗架构
AI天才研究院
计算AI大模型企业级应用开发实战DeepSeekR1&大数据AI人工智能大模型javapythonjavascriptkotlingolang架构人工智能大厂程序员硅基计算碳基计算认知计算生物计算深度学习神经网络大数据AIGCAGILLM系统架构设计软件哲学Agent程序员实现财富自由
《AI大模型应用数据中心的数据清洗架构》关键词:AI大模型数据清洗数据中心数据预处理异常值处理数据一致性数据质量摘要:本文深入探讨了AI大模型应用数据中心的数据清洗架构。通过分析数据清洗的重要性、面临的挑战以及核心方法与算法,本文旨在为读者提供一个全面且详细的指南。本文还将通过实际应用案例和未来展望,帮助读者理解数据清洗在AI大模型中的关键作用,并探讨其未来发展。《AI大模型应用数据中心的数据清洗
- 线性代数05 齐次/非齐次线性方程组的具体解集
xiaotang_sama
数学&运筹优化#线性代数线性代数方程求解
通过线性代数系列博客03,我们了解了齐次线性方程组与非齐次线性方程组,了解了线性方程组的系数矩阵的行列式与解的情况的关系。接下来我们就要探究,如果我们需要具体求解线性方程,我们需要怎么做?在具体了解求解线性方程组的过程之前,我们需要先明确几个概念。1明确概念(1)齐次线性方程组:常数项全为0的线性方程组(2)齐次线性方程组的解的情况:零解,或者非零解。在这里,我们只需要讨论非零解的具体情况就好了。
- 国产 SSL 证书和国密 SSL 证书的区别
Aa美少女战士
ssl网络协议网络
一、签发机构不同咱们先说国产SSL证书,它一般是国内CA机构审核签发的,像CFCA、上海CA这些都是。而国外的SSL证书,是由国外品牌签发。这就好比买东西,一个是国内工厂生产,一个是国外工厂生产。↓SSL证书申请入口https://www.joyssl.com/certificate/select/?nid=31↑二、加密算法有别国产SSL证书通常采用全球通用的RSA或ECC加密算法。而国密SSL
- 有瓶颈设备的多级生产计划问题:基于Matlab的深度解析与实践
青橘MATLAB学习
Matlab数学建模编程实验多级生产计划Matlab编程瓶颈设备数学模型
内容摘要本文围绕有瓶颈设备的多级生产计划问题展开,通过实例详细阐述问题背景、建立数学模型,并用Matlab代码进行求解。旨在帮助读者理解该问题的本质,掌握利用Matlab解决此类生产计划优化问题的方法,为企业在实际生产中合理规划提供参考。关键词:多级生产计划;瓶颈设备;数学模型;Matlab编程一、引言在制造企业的生产管理领域,中期或短期生产计划的优化始终是关键议题。企业需要在外部需求、生产能力、
- 【附源码】Python :哈密顿回路
爱吃饭团的饭桶
Pythonpython算法开发语言
系列文章目录Python算法学习:哈密顿回路文章目录系列文章目录一、算法需求二、具体方法+源码三、代码分析1、代码分析:2、算法思路:3、时间复杂度:4、平均情况分析:5、空间复杂度:总结一、算法需求哈密顿回路问题是指在一个图中找到一个回路,该回路经过每个顶点恰好一次,并返回到起始顶点。哈密顿回路问题的核心是在一个图中找到一个经过所有顶点且仅经过一次的回路。我们仍然采用回溯算法,但这里引入一些优化
- 掌握 JSON 到表格转换:全面指南
高效地转换数据格式对于现代数据处理至关重要。JSON(JavaScript对象表示法)因其灵活性而广受欢迎,而CSV或Excel等表格格式则更适用于数据分析和可视化。本文将介绍多种JSON转换为表格格式的方法,帮助您提升数据处理和可视化的效率。理解JSON和表格格式在介绍转换方法之前,先了解JSON和表格格式的基本区别。JSON格式JSON是一种轻量级的、基于文本的格式,易于人类和机器读取和编写。
- jquery实现的jsonp掉java后台
知了ing
javajsonpjquery
什么是JSONP?
先说说JSONP是怎么产生的:
其实网上关于JSONP的讲解有很多,但却千篇一律,而且云里雾里,对于很多刚接触的人来讲理解起来有些困难,小可不才,试着用自己的方式来阐释一下这个问题,看看是否有帮助。
1、一个众所周知的问题,Ajax直接请求普通文件存在跨域无权限访问的问题,甭管你是静态页面、动态网页、web服务、WCF,只要是跨域请求,一律不准;
2、
- Struts2学习笔记
caoyong
struts2
SSH : Spring + Struts2 + Hibernate
三层架构(表示层,业务逻辑层,数据访问层) MVC模式 (Model View Controller)
分层原则:单向依赖,接口耦合
1、Struts2 = Struts + Webwork
2、搭建struts2开发环境
a>、到www.apac
- SpringMVC学习之后台往前台传值方法
满城风雨近重阳
springMVC
springMVC控制器往前台传值的方法有以下几种:
1.ModelAndView
通过往ModelAndView中存放viewName:目标地址和attribute参数来实现传参:
ModelAndView mv=new ModelAndView();
mv.setViewName="success
- WebService存在的必要性?
一炮送你回车库
webservice
做Java的经常在选择Webservice框架上徘徊很久,Axis Xfire Axis2 CXF ,他们只有一个功能,发布HTTP服务然后用XML做数据传输。
是的,他们就做了两个功能,发布一个http服务让客户端或者浏览器连接,接收xml参数并发送xml结果。
当在不同的平台间传输数据时,就需要一个都能解析的数据格式。
但是为什么要使用xml呢?不能使json或者其他通用数据
- js年份下拉框
3213213333332132
java web ee
<div id="divValue">test...</div>测试
//年份
<select id="year"></select>
<script type="text/javascript">
window.onload =
- 简单链式调用的实现技术
归来朝歌
方法调用链式反应编程思想
在编程中,我们可以经常遇到这样一种场景:一个实例不断调用它自身的方法,像一条链条一样进行调用
这样的调用你可能在Ajax中,在页面中添加标签:
$("<p>").append($("<span>").text(list[i].name)).appendTo("#result");
也可能在HQ
- JAVA调用.net 发布的webservice 接口
darkranger
webservice
/**
* @Title: callInvoke
* @Description: TODO(调用接口公共方法)
* @param @param url 地址
* @param @param method 方法
* @param @param pama 参数
* @param @return
* @param @throws BusinessException
- Javascript模糊查找 | 第一章 循环不能不重视。
aijuans
Way
最近受我的朋友委托用js+HTML做一个像手册一样的程序,里面要有可展开的大纲,模糊查找等功能。我这个人说实在的懒,本来是不愿意的,但想起了父亲以前教我要给朋友搞好关系,再加上这也可以巩固自己的js技术,于是就开始开发这个程序,没想到却出了点小问题,我做的查找只能绝对查找。具体的js代码如下:
function search(){
var arr=new Array("my
- 狼和羊,该怎么抉择
atongyeye
工作
狼和羊,该怎么抉择
在做一个链家的小项目,只有我和另外一个同事两个人负责,各负责一部分接口,我的接口写完,并全部测联调试通过。所以工作就剩下一下细枝末节的,工作就轻松很多。每天会帮另一个同事测试一些功能点,协助他完成一些业务型不强的工作。
今天早上到公司没多久,领导就在QQ上给我发信息,让我多协助同事测试,让我积极主动些,有点责任心等等,我听了这话,心里面立马凉半截,首先一个领导轻易说
- 读取android系统的联系人拨号
百合不是茶
androidsqlite数据库内容提供者系统服务的使用
联系人的姓名和号码是保存在不同的表中,不要一下子把号码查询来,我开始就是把姓名和电话同时查询出来的,导致系统非常的慢
关键代码:
1, 使用javabean操作存储读取到的数据
package com.example.bean;
/**
*
* @author Admini
- ORACLE自定义异常
bijian1013
数据库自定义异常
实例:
CREATE OR REPLACE PROCEDURE test_Exception
(
ParameterA IN varchar2,
ParameterB IN varchar2,
ErrorCode OUT varchar2 --返回值,错误编码
)
AS
/*以下是一些变量的定义*/
V1 NUMBER;
V2 nvarc
- 查看端号使用情况
征客丶
windows
一、查看端口
在windows命令行窗口下执行:
>netstat -aon|findstr "8080"
显示结果:
TCP 127.0.0.1:80 0.0.0.0:0 &
- 【Spark二十】运行Spark Streaming的NetworkWordCount实例
bit1129
wordcount
Spark Streaming简介
NetworkWordCount代码
/*
* Licensed to the Apache Software Foundation (ASF) under one or more
* contributor license agreements. See the NOTICE file distributed with
- Struts2 与 SpringMVC的比较
BlueSkator
struts2spring mvc
1. 机制:spring mvc的入口是servlet,而struts2是filter,这样就导致了二者的机制不同。 2. 性能:spring会稍微比struts快。spring mvc是基于方法的设计,而sturts是基于类,每次发一次请求都会实例一个action,每个action都会被注入属性,而spring基于方法,粒度更细,但要小心把握像在servlet控制数据一样。spring
- Hibernate在更新时,是可以不用session的update方法的(转帖)
BreakingBad
Hibernateupdate
地址:http://blog.csdn.net/plpblue/article/details/9304459
public void synDevNameWithItil()
{Session session = null;Transaction tr = null;try{session = HibernateUtil.getSession();tr = session.beginTran
- 读《研磨设计模式》-代码笔记-观察者模式
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;
import java.util.Observable;
import java.util.Observer;
/**
* “观
- 重置MySQL密码
chenhbc
mysql重置密码忘记密码
如果你也像我这么健忘,把MySQL的密码搞忘记了,经过下面几个步骤就可以重置了(以Windows为例,Linux/Unix类似):
1、关闭MySQL服务
2、打开CMD,进入MySQL安装目录的bin目录下,以跳过权限检查的方式启动MySQL
mysqld --skip-grant-tables
3、新开一个CMD窗口,进入MySQL
mysql -uroot
- 再谈系统论,控制论和信息论
comsci
设计模式生物能源企业应用领域模型
再谈系统论,控制论和信息论
偶然看
- oracle moving window size与 AWR retention period关系
daizj
oracle
转自: http://tomszrp.itpub.net/post/11835/494147
晚上在做11gR1的一个awrrpt报告时,顺便想调整一下AWR snapshot的保留时间,结果遇到了ORA-13541这样的错误.下面是这个问题的发生和解决过程.
SQL> select * from v$version;
BANNER
-------------------
- Python版B树
dieslrae
python
话说以前的树都用java写的,最近发现python有点生疏了,于是用python写了个B树实现,B树在索引领域用得还是蛮多了,如果没记错mysql的默认索引好像就是B树...
首先是数据实体对象,很简单,只存放key,value
class Entity(object):
'''数据实体'''
def __init__(self,key,value)
- C语言冒泡排序
dcj3sjt126com
算法
代码示例:
# include <stdio.h>
//冒泡排序
void sort(int * a, int len)
{
int i, j, t;
for (i=0; i<len-1; i++)
{
for (j=0; j<len-1-i; j++)
{
if (a[j] > a[j+1]) // >表示升序
- 自定义导航栏样式
dcj3sjt126com
自定义
-(void)setupAppAppearance
{
[[UILabel appearance] setFont:[UIFont fontWithName:@"FZLTHK—GBK1-0" size:20]];
[UIButton appearance].titleLabel.font =[UIFont fontWithName:@"FZLTH
- 11.性能优化-优化-JVM参数总结
frank1234
jvm参数性能优化
1.堆
-Xms --初始堆大小
-Xmx --最大堆大小
-Xmn --新生代大小
-Xss --线程栈大小
-XX:PermSize --永久代初始大小
-XX:MaxPermSize --永久代最大值
-XX:SurvivorRatio --新生代和suvivor比例,默认为8
-XX:TargetSurvivorRatio --survivor可使用
- nginx日志分割 for linux
HarborChung
nginxlinux脚本
nginx日志分割 for linux 默认情况下,nginx是不分割访问日志的,久而久之,网站的日志文件将会越来越大,占用空间不说,如果有问题要查看网站的日志的话,庞大的文件也将很难打开,于是便有了下面的脚本 使用方法,先将以下脚本保存为 cutlog.sh,放在/root 目录下,然后给予此脚本执行的权限
复制代码代码如下:
chmo
- Spring4新特性——泛型限定式依赖注入
jinnianshilongnian
springspring4泛型式依赖注入
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GCC和G++
liuxihope
centosgcc
Centos支持yum安装,安装软件一般格式为yum install .......,注意安装时要先成为root用户。
按照这个思路,我想安装过程如下:
安装gcc:yum install gcc
安装g++: yum install g++
实际操作过程发现,只能有gcc安装成功,而g++安装失败,提示g++ command not found。上网查了一下,正确安装应该
- 第13章 Ajax进阶(上)
onestopweb
Ajax
index.html
<!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/
- How to determine BusinessObjects service pack and fix pack
blueoxygen
BO
http://bukhantsov.org/2011/08/how-to-determine-businessobjects-service-pack-and-fix-pack/
The table below is helpful. Reference
BOE XI 3.x
12.0.0.
y BOE XI 3.0 12.0.
x.
y BO
- Oracle里的自增字段设置
tomcat_oracle
oracle
大家都知道吧,这很坑,尤其是用惯了mysql里的自增字段设置,结果oracle里面没有的。oh,no 我用的是12c版本的,它有一个新特性,可以这样设置自增序列,在创建表是,把id设置为自增序列
create table t
(
id number generated by default as identity (start with 1 increment b
- Spring Security(01)——初体验
yang_winnie
springSecurity
Spring Security(01)——初体验
博客分类: spring Security
Spring Security入门安全认证
首先我们为Spring Security专门建立一个Spring的配置文件,该文件就专门用来作为Spring Security的配置