wukunlsy
wukunlsy

如何学好机器学习

“你好，我正在学习语音信号处理方面内容
感觉各种模型及算式不太理解，请教下这方面内容应如何掌握，是否需要别的预备知识”

觉得这个问题很有共性，就在我爱公开课上抛出来了。事实上我个人也是在摸索中，不过有一些心得，所以以下的回答，权当抛砖引玉：

个人觉得，首先需掌握线性代数，微积分，概率统计等数学课程基本知识，这是理解这些模型的前提；

Coursera上的Andrew Ng机器学习课程对于上述数学要求不高，并且介绍了基本的线性代数知识，是机器学习很好的入门材料；

进一步的学习可以看看Andrew Ng在斯坦福大学的授课视频和相关材料，这个可以看作是进阶课程，对数学有进一步的要求；

另外一个就是可以重点看看PRML：Pattern recognition and machine learning，有很多人推崇这本书，不过依然要求一定的数学基础, 总之数学很重要，非常重要，特别重要。

欢迎大家在补充，非常感谢！

 

http://52opencourse.com

http://courseminer.com

http://coursegraph.com

你可能感兴趣的:(机器学习)

  • 第九章：强化学习（RL）赋能 AI Agents：潜力、挑战与问题建模 （initial） AIAgents构建实战人工智能agent
    引言我们已为AIAgent构建了“形体”——赋予其核心组件、执行逻辑和强大的工具。但要让Agent拥有真正的“灵魂”，实现从“被动执行”到“主动学习与适应”的飞跃，我们需要探索更深层次的智能机制。强化学习（ReinforcementLearning,RL）正是这样一条充满希望的道路。它是一种强大的机器学习范式，旨在让智能体通过与环境的试错交互(Trial-and-Error)，依据获得的奖励信号，
  • 【Python机器学习】凝聚聚类——层次聚类与树状图 zhangbin_237 Python机器学习机器学习python聚类人工智能学习
    凝聚聚类生成了所谓的层次聚类。聚类过程迭代进行，每个点都从一个单点簇变为属于最终的某个簇。每个中间步骤都提供了数据的一种聚类（簇的个数也不相同）。有时候，同时查看所有可能的聚类也是有帮助的。举例：importmatplotlib.pyplotaspltimportmglearn.plotsmglearn.plots.plot_agglomerative()plt.show()虽然这种可视化为层次聚
  • 从基础概念到前沿应用了解机器学习 AI大模型团团 机器学习人工智能aillama线性回归随机森林python
    一、机器学习基础概念1.机器学习定义与核心价值机器学习是人工智能的重要分支，通过算法让计算机系统能够从数据中自动学习并改进性能。其核心价值在于：自动化决策：无需显式编程即可完成复杂任务持续进化：随着数据积累不断优化表现模式发现：从海量数据中识别人类难以察觉的规律2.三大学习范式对比学习类型数据需求算法示例典型应用场景监督学习标注数据SVM、随机森林垃圾邮件过滤、房价预测无监督学习无标注数据K-me
  • Python机器学习——聚类的有效性指标 2401_84009065 程序员机器学习python聚类
    使用上述定义式，可以有下面这些外部指****标外部指标：Jaccard系数（JaccardCofficient，JC）:JC=aa+b+cJC=aa+b+c它刻画了所有属于同一类的样本对（要么在CC中属于同一类，要么在C∗C∗中属于同一类），同时在C,C∗C,C∗中属于同一类的样本量的比值。FM指数（FowlkesandMallowsIndex，FMI）:FMI=aa+b⋅aa+c−−−−−−−−
  • 探索自然语言处理：技术、应用及代码示例 十四与诗 自然语言处理人工智能
    自然语言处理（NLP）是人工智能的一个重要分支，它使计算机能够理解、解释和生成人类语言。随着大数据和机器学习技术的发展，NLP在许多领域都有广泛的应用，从搜索引擎和翻译服务到聊天机器人和情感分析。一、自然语言处理的基本概念1.1什么是自然语言处理自然语言处理（NLP）是计算机科学、人工智能和语言学交叉的领域，旨在使计算机能够理解和处理人类语言。NLP涉及多个任务，包括但不限于：语言模型（Langu
  • 机器学习：利用Spark MLlib实现分布式机器学习算法训练与预测。 AI天才研究院 AI大模型企业级应用开发实战大数据人工智能语言模型JavaPython架构设计
    作者：禅与计算机程序设计艺术1.背景介绍近年来，随着云计算、大数据、人工智能等技术的不断发展，基于大规模数据处理的机器学习算法也在迅速发展壮大。机器学习（MachineLearning）是一门融合了统计、模式识别、计算机科学、数据挖掘等多领域知识而成的交叉学科，其目的是利用已知的数据，对未知的数据进行预测、分类、聚类、降维等任务，从而提高计算机程序的学习能力，改善自身的决策能力，解决实际问题。随着
  • 分布偏移 (Distribution Shift) frostmelody 机器学习小知识点人工智能机器学习
    分布偏移(DistributionShift)是指在机器学习中，模型在训练时所接触到的数据分布与模型在实际应用（测试或部署）时所遇到的数据分布存在差异的现象.换句话说，模型学习的是一个特定的数据模式，但当它遇到与训练数据不同模式的新数据时，其性能可能会显著下降。更正式地说:假设我们用一个数据集DtrainD_{train}Dtrain来训练一个模型，这个数据集是从一个概率分布Ptrain(x,y)
  • 大模型入门零基础从入门到精通看这一篇就够了《大模型应用开发极简入门》附PDF书籍 AGI大模型资料分享员 pdfchatgpt人工智能语言模型ai程序人生agi
    今天带来的是最近刚出版的新书：《大模型应用开发极简入门：基于GPT-4和ChatGPT》。这本书是O’Reilly出版的，两位共同作者是来自Worldline公司的机器学习研究员OlivierCaelen和数据工程师Marie-AliceBlete。这两位作者一位侧重学术，一位侧重工程。在我看到本书之时，两位作者的背景信息，再加上GPT-4和ChatGPT这样的大模型前沿内容，就让我感觉非常值得一
  • Python爬虫进阶教程 云端.代码农夫CloudFarmer python爬虫开发语言信息可视化数据分析
    以下涵盖高级反爬虫技术、分布式爬虫、MySQL数据存储与处理优化、法律与伦理探讨，以及一个完整的案例分析。所有代码和步骤均已整合，方便你直接使用和学习。Python爬虫进阶教程：高级技术与实践1.高级反爬虫技术应对1.1处理验证码验证码是常见的反爬手段，可以通过第三方服务或机器学习模型来识别。示例：使用第三方验证码服务importrequestsdefsolve_captcha(image_url
  • 深入解析 Scikit-learn 机器学习模型 灵魂变量未赋值iw 机器学习scikit-learnpython
    ```html深入解析Scikit-learn机器学习模型深入解析Scikit-learn机器学习模型Scikit-learn是Python中一个功能强大且易于使用的机器学习库，它提供了丰富的算法和工具来帮助开发者快速构建、训练和评估机器学习模型。本文将深入解析Scikit-learn的核心组件及其工作原理，帮助读者更好地理解和使用这一强大的工具。Scikit-learn的核心概念Scikit-l
  • 大数据人工智能 yzx991013 机器学习人工智能算法深度学习决策树
    在大数据人工智能领域，需要具备多种算法和深度学习知识，以下是一些常见的：机器学习算法-线性回归：用于建立输入特征与连续型输出变量之间的线性关系，常用于预测数值型数据。-逻辑回归：主要用于二分类问题，通过将线性函数的输出映射到0到1之间的概率值来进行分类。-决策树：基于树结构进行决策，每个内部节点是一个属性上的测试，分支是测试输出，叶节点是类别或值，可处理分类和回归问题。-支持向量机：在特征空间中寻
  • Sklearn入门之datasets的基本用法 起个破名想半天了 机器学习sklearn人工智能python
    、Sklearn全称:Scipy-toolkitLearn是一个基于scipy实现的的开源机器学习库。它提供了大量的算法和工具，用于数据挖掘和数据分析，包括分类、回归、聚类等多种任务。本文我将带你了解并入门Sklearn下的datasets在机器学习中的基本用法。获取方式pipinstallscikit-learn模块结构在Python中，要想熟练地使用一个库来完成各种任务，那么我们必须得对这个库
  • 【scikit-learn基础】--『监督学习』之 随机森林回归 大雄野比 scikit-learn学习随机森林
    随机森林回归（RandomForestRegression）是一种在机器学习领域广泛应用的算法，由美国科学家LeoBreiman在2001年提出。它是一种集成学习方法，通过整合多个决策树的预测结果来提高预测精度和稳定性。随机森林回归适用于各种需要预测连续数值输出的问题，如金融领域的股票价格预测、客户信用评分，医疗领域的疾病诊断和药物发现等。1.算法概述随机森林回归算法通过引入随机性来构建多个决策树
  • 【scikit-learn基础】--『监督学习』之 逻辑回归分类 大雄野比 scikit-learn学习逻辑回归
    逻辑回归这个算法的名称有一定的误导性。虽然它的名称中有“回归”，当它在机器学习中不是回归算法，而是分类算法。因为采用了与回归类似的思想来解决分类问题，所以它的名称才会是逻辑回归。逻辑回归的思想可以追溯到19世纪，由英国统计学家FrancisGalton在研究豌豆遗传问题时首次提出。然而，真正将逻辑回归应用于机器学习的是加拿大统计学家HughEverett，他在1970年代提出了广义线性模型（GLM
  • 从零构建机器学习流水线：Dagster+PyTorch实战指南 梦想画家 数据分析工程人工智能#python机器学习pytorch人工智能
    本文将系统讲解机器学习流水线的核心原理，并通过Dagster编排框架与PyTorch深度学习库的实战结合，手把手演示从数据预处理到生产部署的全流程。文中包含可运行的代码示例、最佳实践和性能对比分析，帮助开发者快速构建可扩展、易维护的机器学习系统。引言在AI项目落地过程中，开发者常面临以下痛点：重复造轮子：每次实验需手动重复数据加载、预处理等流程调试困难：代码耦合度高，难以定位错误来源部署瓶颈：训练
  • chatgpt赋能python：Python浮点数精度问题 a058046 ChatGptpythonchatgpt开发语言计算机
    Python浮点数精度问题Python是一种强大的编程语言，广泛用于数据分析、科学计算、Web开发和机器学习等领域。然而，Python在处理浮点数时面临着一些精度问题，可能会导致不准确的结果，甚至会影响到程序的正确性。在本文中，我们将介绍Python浮点数精度问题及其解决方案。浮点数精度问题的本质在计算机中，浮点数是一种用于表示实数（即带有小数点的数字）的数据类型。与整数不同，浮点数不是精确的。这
  • 机器学习03——K近邻 吹风看太阳 机器学习rnn人工智能
    K近邻算法学习笔记一、算法简介K近邻算法（K-NearestNeighbors，简称KNN）是一种简单而有效的分类和回归算法。它的核心思想是“近朱者赤，近墨者黑”，即一个数据点的类别或值可以通过其周围最近的K个邻居来判断。KNN算法不需要复杂的模型训练过程，而是直接基于数据点之间的距离来做出决策。二、算法原理距离度量欧氏距离：最常用的距离度量方式，计算两个点在各维度差值的平方和的平方根。例如，对于
  • 图形验证码破解全攻略：用Python和Tesseract轻松实现OCR识别！ kdayjj966 python网络爬虫
    图形验证码识别技术：阻碍我们爬虫的。有时候正是在登录或者请求一些数据时候的图形验证码。因此这里我们讲解一种能将图片翻译成文字的技术。将图片翻译成文字一般被成为光学文字识别（OpticalCharacterRecognition），简写为OCR。实现OCR的库不是很多，特别是开源的。因为这块存在一定的技术壁垒（需要大量的数据、算法、机器学习、深度学习知识等），并且如果做好了具有很高的商业价值。因此开
  • 大数据与分析：数据挖掘概念及流程 NSAcbba 数据挖掘人工智能
    数据挖掘是一个从大量数据中提取有价值信息或模式的过程，它依赖于统计学、机器学习、数据库技术和人工智能等多个领域的知识和技术。以下是数据挖掘的概念及其流程的详细解释：一、数据挖掘的概念数据挖掘（DataMining）是指通过特定的计算机算法对大量的数据进行自动分析，以揭示数据中的隐藏模式、未知的相关性和其他有用的信息。这些信息可以帮助企业做出更明智的决策，提高运营效率，发现新的市场机会等。数据挖掘不
  • 数据挖掘概念与流程 LekYgn 数据挖掘人工智能
    一、定义与特点数据挖掘（DataMining），又称资料探勘、数据采矿，是指从大量的、不完全的、有噪声的、模糊的和随机的数据中，提取隐含在其中的、事先不知道的，但又有潜在有用信息和知识的过程。数据挖掘主要基于人工智能、机器学习数据挖掘具有以下几个特点：1.应用性：数据挖掘是理论算法和应用实践的完美结合，来源于应用实践，也服务于应用实践。2.工程性：数据挖掘是一个由多个步骤组成的工程化过程，在实际应
  • 深度学习基础：从入门到理解核心概念 巷955 深度学习人工智能
    引言近年来，深度学习(DeepLearning)已成为人工智能领域最热门的研究方向之一。从AlphaGo战胜人类围棋冠军，到ChatGPT等大型语言模型的惊艳表现，深度学习技术正在深刻改变我们的生活和工作方式。本文将系统介绍深度学习的基础知识，帮助初学者建立对这一领域的全面认识。一、什么是深度学习？深度学习是机器学习的一个子领域，它通过模拟人脑神经元的工作方式，构建多层的神经网络模型，从数据中自动
  • 微软 Azure AI-900 认证指南（十四）Jupyter Notebooks 海棠AI实验室 “智途领航“-AI人才认证与职业提升平台人工智能jupytermicrosoft认证机器学习ideAI-900
    引言在数据科学和人工智能的开发中，JupyterNotebooks已成为不可或缺的工具。无论是进行数据分析、构建机器学习模型，还是进行AI实验，JupyterNotebooks提供了一个极为便捷和强大的开发环境。作为现代数据科学和AI开发的核心工具，它以交互式编程、即时执行和丰富的文档支持，使开发者能够更高效地完成任务。本篇文章将深入解析JupyterNotebooks的历史演变、技术特点、云平台
  • 【学习笔记】机器学习(Machine Learning) | 第三章(1)| 多特征与向量化计算 北温凉 机器学习笔记
    机器学习（MachineLearning）简要声明基于吴恩达教授(AndrewNg)课程视频BiliBili课程资源文章目录机器学习（MachineLearning）简要声明一、多特征（MultipleFeatures）概述1.1特征表示方法1.2线性回归模型扩展扩展说明一、多特征（MultipleFeatures）概述1.1特征表示方法在机器学习中，当数据包含多个特征时，我们需要使用特征向量来表
  • 图神经网络全解析：从基础概念到前沿应用 程序员小嬛 人工智能神经网络神经网络人工智能深度学习
    近年来，在从社交网络到分子生物学等众多领域中，数据以图形式表示的情况愈发常见。图神经网络（GraphNeuralNetwork,GNN）是专门针对图结构数据研发的，若想充分释放图表示的潜能，深入探究图神经网络就成为关键。在本部分内容里，我们将详细剖析图神经网络的基础概念，并弄清楚它们为何能成为现代数据分析和机器学习领域的关键工具。下面，我们将围绕这些要点，全面认识GNN。首先，我们会剖析图作为数据
  • 【前沿聚焦】机器学习的未来版图：从自动化到隐私保护的技术突破 机器学习自动化
    摘要本文聚焦机器学习领域的前沿技术趋势，包括自动化机器学习（AutoML）、多模态学习和联邦学习等热门方向。文章将详细解析这些技术的基本原理、应用场景及潜在突破点，并通过可运行的代码示例进行实践，帮助开发者理解这些技术并规划未来学习路径。引言近年来，机器学习技术取得了显著进步。然而，伴随技术的发展，新的问题和需求不断涌现，例如模型自动化、多模态数据处理和隐私保护。本文将围绕这些挑战，探讨三大前沿技
  • 安装glibc出现../sysdeps/nptl/pthread.h:744:47:error:argument 1 of type ‘struct __jmp_buf_tag *‘ 解决方案 爱编程的喵喵 Linux解决方案glibcpthread.h__jmp_buf_tag解决方案
      大家好，我是爱编程的喵喵。双985硕士毕业，现担任全栈工程师一职，热衷于将数据思维应用到工作与生活中。从事机器学习以及相关的前后端开发工作。曾在阿里云、科大讯飞、CCF等比赛获得多次Top名次。现为CSDN博客专家、人工智能领域优质创作者。喜欢通过博客创作的方式对所学的知识进行总结与归纳，不仅形成深入且独到的理解，而且能够帮助新手快速入门。  本文主要介绍了安装glibc出现…/sysdeps
  • 爬虫入门教程：从基础到实践 huihuihuanhuan.xin 爬虫pythonip
    一、引言网络爬虫在数据获取、信息处理等领域发挥着重要作用。它能够自动从网页中提取有价值的数据，为数据分析、机器学习等提供支持。本文将带领大家逐步走进爬虫的世界，掌握爬虫的基本概念、原理和常用工具，通过实际案例让你快速上手爬虫开发。二、爬虫基础概念（一）什么是爬虫网络爬虫，也叫网络蜘蛛（WebSpider）或网络机器人（WebRobot），它是一种按照一定规则，自动抓取万维网信息的程序或脚本。简单来
  • 机器学习：让数据开口说话的科技魔法 不三不四୭ 人工智能算法人工智能科技机器学习
    在人工智能飞速发展的今天，「机器学习」已成为推动数字化转型的核心引擎。无论是手机的人脸解锁、网购平台的推荐系统，还是自动驾驶汽车的决策能力，背后都离不开机器学习的技术支撑。那么，机器学习究竟是什么？它又有哪些类型和应用？让我们一探究竟。机器学习是什么？机器学习（MachineLearning）是一门通过从数据中自动分析规律、构建模型，从而对未知数据进行预测或决策的科学。简单来说，它是让计算机像人类
  • 优化AI代码生成：软件开发中的提示词工程 AGI大模型与大数据研究院 DeepSeekR1&大数据AI人工智能人工智能ai
    #优化AI代码生成：软件开发中的提示词工程关键词AI代码生成提示词工程软件开发优化机器学习摘要本文旨在探讨在软件开发过程中，如何通过提示词工程来优化AI代码生成。我们将从背景介绍、核心概念、算法原理、系统分析与架构设计、项目实战等多个方面逐步分析，为开发者提供一套完整的技术指南。目录引言：AI代码生成与提示词工程的重要性1.1AI代码生成的背景与发展人工智能在软件开发中的应用AI代码生成的现状与挑
  • NHANES能做预测模型吗？可以，用机器学习！ | NHANES数据库周报（4.24~5.7） 公共数据库与孟德尔随机化 机器学习人工智能
    美国国家健康和营养检查调查（NHANES）是一项旨在评估美国成人和儿童健康和营养状况的研究计划。该调查的独特之处在于它结合了访谈和体格检查。由美国疾病控制和预防中心（CDC）负责为国家提供健康统计数据。NHANES计划始于20世纪60年代初，并作为一系列针对不同人口群体或健康主题的调查进行。自1999年以来，对美国的人口健康状况进行了更为定期的调查。每次调查中，来自美国约3000个县中30个选定县
  • C/C++Win32编程基础详解视频下载 择善Zach 编程C++Win32
    课题视频：C/C++Win32编程基础详解 视频知识：win32窗口的创建                   windows事件机制 主讲：择善Uncle老师 学习交流群：386620625 验证码：625 --
  • Guava Cache使用笔记 bylijinnan javaguavacache
    1.Guava Cache的get/getIfPresent方法当参数为null时会抛空指针异常 我刚开始使用时还以为Guava Cache跟HashMap一样，get(null)返回null。 实际上Guava整体设计思想就是拒绝null的，很多地方都会执行com.google.common.base.Preconditions.checkNotNull的检查。 2.Guava
  • 解决ora-01652无法通过128（在temp表空间中） 0624chenhong oracle
    解决ora-01652无法通过128（在temp表空间中）扩展temp段的过程 一个sql语句后，大约花了10分钟，好不容易有一个结果，但是报了一个ora-01652错误，查阅了oracle的错误代码说明：意思是指temp表空间无法自动扩展temp段。这种问题一般有两种原因：一是临时表空间空间太小，二是不能自动扩展。 分析过程：    既然是temp表空间有问题，那当
  • Struct在jsp标签 不懂事的小屁孩 struct
    非UI标签介绍： 控制类标签： 1：程序流程控制标签   if   elseif    else <s:if test="isUsed"> <span class="label label-success">True</span> </
  • 按对象属性排序 换个号韩国红果果 JavaScript对象排序
    利用JavaScript进行对象排序，根据用户的年龄排序展示 <script> var bob={ name;bob, age:30 } var peter={ name;peter, age:30 } var amy={ name;amy, age:24 } var mike={ name;mike, age:29 } var john={
  • 大数据分析让个性化的客户体验不再遥远 蓝儿唯美 数据分析
    顾客通过多种渠道制造大量数据，企业则热衷于利用这些信息来实现更为个性化的体验。 分析公司Gartner表示，高级分析会成为客户服务的关键，但是大数据分析的采用目前仅局限于不到一成的企业。 挑战在于企业还在努力适应结构化数据，疲于根据自身的客户关系管理（CRM）系统部署有效的分析框架，以及集成不同的内外部信息源。 然而，面对顾客通过数字技术参与而产生的快速变化的信息，企业需要及时作出反应。要想实
  • java笔记4 a-john java
    操作符 1，使用java操作符       操作符接受一个或多个参数，并生成一个新值。参数的形式与普通的方法调用不用，但是效果是相同的。加号和一元的正号（+）、减号和一元的负号（-）、乘号（*）、除号（/）以及赋值号（=）的用法与其他编程语言类似。       操作符作用于操作数，生成一个新值。另外，有些操作符可能会改变操作数自身的
  • 从裸机编程到嵌入式Linux编程思想的转变------分而治之：驱动和应用程序 aijuans 嵌入式学习
        笔者学习嵌入式Linux也有一段时间了，很奇怪的是很多书讲驱动编程方面的知识，也有很多书将ARM9方面的知识，但是从以前51形式的（对寄存器直接操作，初始化芯片的功能模块）编程方法，和思维模式，变换为基于Linux操作系统编程，讲这个思想转变的书几乎没有，让初学者走了很多弯路，撞了很多难墙。     笔者因此写上自己的学习心得，希望能给和我一样转变
  • 在springmvc中解决FastJson循环引用的问题 asialee 循环引用fastjson
              我们先来看一个例子：           package com.elong.bms; import java.io.OutputStream; import java.util.HashMap; import java.util.Map; import co
  • ArrayAdapter和SimpleAdapter技术总结 百合不是茶 androidSimpleAdapterArrayAdapter高级组件基础
    ArrayAdapter比较简单，但它只能用于显示文字。而SimpleAdapter则有很强的扩展性，可以自定义出各种效果   ArrayAdapter;的数据可以是数组或者是队列        // 获得下拉框对象 AutoCompleteTextView textview = (AutoCompleteTextView) this
  • 九封信 bijian1013 人生励志
            有时候，莫名的心情不好，不想和任何人说话，只想一个人静静的发呆。有时候，想一个人躲起来脆弱，不愿别人看到自己的伤口。有时候，走过熟悉的街角，看到熟悉的背影，突然想起一个人的脸。有时候，发现自己一夜之间就长大了。         2014，写给人
  • Linux下安装MySQL Web 管理工具phpMyAdmin sunjing PHPInstallphpMyAdmin
    PHP http://php.net/ phpMyAdmin http://www.phpmyadmin.net Error compiling PHP on CentOS x64   一、安装Apache 请参阅http://billben.iteye.com/admin/blogs/1985244   二、安装依赖包 sudo yum install gd
  • 分布式系统理论 bit1129 分布式
    FLP One famous theory in distributed computing, known as FLP after the authors Fischer, Lynch, and Patterson, proved that in a distributed system with asynchronous communication and process crashes,
  • ssh2整合(spring+struts2+hibernate)-附源码 白糖_ eclipsespringHibernatemysql项目管理
    最近抽空又整理了一套ssh2框架，主要使用的技术如下： spring做容器，管理了三层(dao,service,actioin)的对象 struts2实现与页面交互(MVC)，自己做了一个异常拦截器，能拦截Action层抛出的异常 hibernate与数据库交互 BoneCp数据库连接池，据说比其它数据库连接池快20倍，仅仅是据说 MySql数据库   项目用eclipse
  • treetable bug记录 braveCS table
    // 插入子节点删除再插入时不能正常显示。修改： //不知改后有没有错，先做个备忘 Tree.prototype.removeNode = function(node) { // Recursively remove all descendants of +node+ this.unloadBranch(node); // Remove
  • 编程之美-电话号码对应英语单词 bylijinnan java算法编程之美
    import java.util.Arrays; public class NumberToWord { /** * 编程之美 电话号码对应英语单词 * 题目： * 手机上的拨号盘，每个数字都对应一些字母，比如2对应ABC，3对应DEF.........，8对应TUV，9对应WXYZ， * 要求对一段数字，输出其代表的所有可能的字母组合
  • jquery ajax读书笔记 chengxuyuancsdn jQuery ajax
    1、jsp页面 <%@ page language="java" import="java.util.*" pageEncoding="GBK"%> <% String path = request.getContextPath(); String basePath = request.getScheme()
  • JWFD工作流拓扑结构解析伪码描述算法 comsci 数据结构算法工作活动J#
      对工作流拓扑结构解析感兴趣的朋友可以下载附件，或者下载JWFD的全部代码进行分析   /*  流程图拓扑结构解析伪码描述算法         public java.util.ArrayList DFS(String graphid, String stepid, int j)
  • oracle I/O 从属进程 daizj oracle
    I/O 从属进程 　　I/O从属进程用于为不支持异步I/O的系统或设备模拟异步I/O.例如，磁带设备(相当慢)就不支持异步I/O.通过使用I/O 从属进程，可以让磁带机模仿通常只为磁盘驱动器提供的功能。就好像支持真正的异步I/O 一样，写设备的进程(调用者)会收集大量数据，并交由写入器写出。数据成功地写出时，写入器(此时写入器是I/O 从属进程，而不是操作系统)会通知原来的调用者，调用者则会
  • 高级排序:希尔排序 dieslrae 希尔排序
    public void shellSort(int[] array){ int limit = 1; int temp; int index; while(limit <= array.length/3){ limit = limit * 3 + 1;
  • 初二下学期难记忆单词 dcj3sjt126com englishword
    kitchen 厨房 cupboard 厨柜 salt 盐 sugar 糖 oil 油 fork 叉；餐叉 spoon 匙；调羹 chopsticks 筷子 cabbage 卷心菜；洋白菜 soup 汤 Italian 意大利的   Indian 印度的 workplace  工作场所 even 甚至；更 Italy 意大利 laugh 笑 m
  • Go语言使用MySQL数据库进行增删改查 dcj3sjt126com mysql
    目前Internet上流行的网站构架方式是LAMP，其中的M即MySQL, 作为数据库，MySQL以免费、开源、使用方便为优势成为了很多Web开发的后端数据库存储引擎。MySQL驱动Go中支持MySQL的驱动目前比较多，有如下几种，有些是支持database/sql标准，而有些是采用了自己的实现接口,常用的有如下几种: http://code.google.c...o-mysql-dri
  • git命令 shuizhaosi888 git
    ---------------设置全局用户名： git config --global user.name "HanShuliang" //设置用户名 git config --global user.email "13241153187@163.com" //设置邮箱 ---------------查看环境配置 git config --li
  • qemu-kvm 网络 nat模式 (四) haoningabc kvmqemu
    qemu-ifup-NAT #!/bin/bash BRIDGE=virbr0 NETWORK=192.168.122.0 GATEWAY=192.168.122.1 NETMASK=255.255.255.0 DHCPRANGE=192.168.122.2,192.168.122.254 TFTPROOT= BOOTP= function check_bridge()
  • 不要让未来的你，讨厌现在的自己 jingjing0907 生活 奋斗 工作 梦想
     故事one 　23岁，他大学毕业，放弃了父母安排的稳定工作，独闯京城，在家小公司混个小职位，工作还算顺手，月薪三千，混了混，混走了一年的光阴。　　　　24岁，有了女朋友，从二环12人的集体宿舍搬到香山民居，一间平房，二人世界，爱爱爱。偶然约三朋四友，打扑克搓麻将，日子快乐似神仙；　　　　25岁，出了几次差，调了两次岗，薪水涨了不过百，生猛狂飙的物价让现实血淋淋，无力为心爱银儿购件大牌
  • 枚举类型详解 一路欢笑一路走 enum枚举详解enumsetenumMap
    枚举类型详解 一.Enum详解      1.1枚举类型的介绍   JDK1.5加入了一个全新的类型的”类”—枚举类型，为此JDK1.5引入了一个新的关键字enum,我们可以这样定义一个枚举类型。      Demo:一个最简单的枚举类   public enum ColorType { RED
  • 第11章 动画效果（上） onestopweb 动画
    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/
  • Eclipse中jsp、js文件编辑时，卡死现象解决汇总 ljf_home eclipsejsp卡死js卡死
    使用Eclipse编辑jsp、js文件时，经常出现卡死现象，在网上百度了N次，经过N次优化调整后，卡死现象逐步好转，具体那个方法起到作用，不太好讲。将所有用过的方法罗列如下：   1、取消验证 windows–>perferences–>validation 把 除了manual 下面的全部点掉，build下只留 classpath dependency Valida
  • MySQL编程中的6个重要的实用技巧 tomcat_oracle mysql
    每一行命令都是用分号(;)作为结束 对于MySQL，第一件你必须牢记的是它的每一行命令都是用分号(;)作为结束的，但当一行MySQL被插入在PHP代码中时，最好把后面的分号省略掉，例如： mysql_query("INSERT INTO tablename(first_name,last_name)VALUES('$first_name',$last_name')");
  • zoj 3820 Building Fire Stations(二分+bfs) 阿尔萨斯 Build
    题目链接：zoj 3820 Building Fire Stations 题目大意：给定一棵树，选取两个建立加油站，问说所有点距离加油站距离的最大值的最小值是多少，并且任意输出一种建立加油站的方式。 解题思路：二分距离判断，判断函数的复杂度是o(n)，这样的复杂度应该是o(nlogn)，即使常数系数偏大，但是居然跑了4.5s，也是醉了。 判断函数里面做了3次bfs，但是每次bfs节点最多
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他