- 博客(84)
- 资源 (3)
- 收藏
- 关注
RSS订阅
原创 Tomcat源码分析(九)--Session管理
在明白Tomcat的Session机制之前，先要了解Session，Cookie，JSESSIONID这几个概念。JSESSIONID是一个唯一标识号，用来标识服务器端的Session，也用来标识客户端的Cookie，客户端和服务器端通过这个JSESSIONID来一一对应。这里需要说明的是Cookie已经包含JSESSIONID了，可以理解为JSESSIONID是Cookie里的一个属性。让我假设
2012-07-11 15:16:29
12495
4
原创 自定义进度条动画（背景跟随变化）
公司有一个这样的需求：需求描述如下：长按右面的接受按钮，左侧的进度向右增加，进度条覆盖的地方跟没覆盖前的颜色是不一样的，比如进度条覆盖前的文字是黑色，覆盖后的文字是白色。释放按钮进度条会回滚。一开始想用属性动画来解决，不料没成功，我是用属性动画做不出来，有高手希望指点一下。我这里是用自定义view来实现，主要思路如下：1：在draw方法画两份除了颜色都一样的视图，一份是覆盖
2016-05-30 16:25:53
2024
原创 自定义viewgroup（左右上下）
自定义viewgroup，左右上下各一个view，参考hongyang的博客，实现自己的例子（关键看注释）： onMeasure方法（重点：viewgroup的onMeasure方法是要确定自己的宽高，父类给出的widthMeasureSpec和heightMeasureSpec只是建议值）： 1：获取父类建议的模式和宽高度（建议值） 2：测量子类的宽高度measur
2016-05-23 16:30:28
781
原创 PopupWindow相关
主要是想搞懂一下三个函数： Java code?1showAsDropDown(anchor); 以触发弹出窗的view为基准，出现在view的正下方，弹出的pop_view左上角正对view的左下角 偏移量默认为0,0Java code?
2016-04-22 10:24:03
712
原创 ScrollTo,scrollBy,getScrollX()
理解这几个函数就把屏幕想象成一个框，框后面是canvas，canvas比手机屏幕会大 假设一个textview在屏幕的(10,10);位置，就是离屏幕左边10sp，右边10sp； 现在看scrollto(x,y)函数，如果scroll(10,10),那么就把屏幕(也就是这个框)右移10sp，再下移10sp，这样textview就显示在屏幕的左上角了。这个时候ge
2016-04-20 17:15:52
676
原创 ffmpeg转码(avi转mp4)
很难很难！ 前后搞了一个月有于。。。。目的：从一个avi转码到mp4，avi（视频编码器：mpeg4，音频编码：mpeg2 Audio，），mp4（视频编码器：h264／avc，音频编码器：mpeg2 Audio）结果，基本可以了，视频还有一点问题，音频可以了！这里先贴代码在这里，接下来再慢慢完善吧，音频肯定要重采样的，视频也是要重新缩放的。。。还有音视频的同步也木有做，等都做完了再来加注
2013-12-20 17:00:58
29469
4
原创 一道笔试题的思考（三）
题目：随机产生5个数，这5个数每个数的范围都在[10,35]之间，5个数的和是定值100，尽量让5个数的概率随机，写出算法？？ 如，原来a,b,c,d,e都是20，随机后变成a=34b=29c=11d=10e=16，但是他们之和还是100，再次随机后a=11b=21c=13d=28e=27，他们的和还是100。 我的解决思路是，第一个数和第二个数在[10，35]中随机
2012-10-18 12:37:13
1885
一道笔试题的思考（三）
题目：随机产生5个数，这5个数每个数的范围都在[10,35]之间，5个数的和是定值100，尽量让5个数的概率随机，写出算法？？ 如，原来a,b,c,d,e都是20，随机后变成a=34b=29c=11d=10e=16，但是他们之和还是100，再次随机后a=11b=21c=13d=28e=27，他们的和还是100。 我的解决思路是，第一个数和第二个数在[10，35]中随机，后面的数随机要满...
2012-10-18 12:37:00
504
原创 多玩最新笔试题目
多玩的三个大题：1：X和Y是两串长度一样的字符串，X和Y的差异值定义为在两个字符串上对应位置上不一样的字符的个数，比如“ant”和“art”的差异值是1.给定两个字符串A和B，A的长度小于或者等于B，你可以在A的前面或者后面任意添加字符，舍得A和B长度一样。写一个方法求出最后能得到的最小的差异值是多少？说明：A和B的长度范围是[1，50] ， A和B的字符只包含‘a’-'z' ，A的长度小
2012-10-10 14:22:15
2031
1
多玩最新笔试题目
多玩的三个大题：1：X和Y是两串长度一样的字符串，X和Y的差异值定义为在两个字符串上对应位置上不一样的字符的个数，比如“ant”和“art”的差异值是1.给定两个字符串A和B，A的长度小于或者等于B，你可以在A的前面或者后面任意添加字符，舍得A和B长度一样。写一个方法求出最后能得到的最小的差异值是多少？说明：A和B的长度范围是[1，50] ， A和B的字符只包含‘a’-'z' ，A的长度小...
2012-10-10 14:22:00
501
原创 一道笔试题的思考(二)
题目：给定一数组a[N]，我们希望构造数组b [N]，其中b[j]=a[0]*a[1]…a[N-1] / a[j]，在构造过程中，不允许使用除法： 要求O（1）空间复杂度和O（n）的时间复杂度； 除遍历计数器与a[N] b[N]外，不可使用新的变量（包括栈临时变量、堆空间和全局静态变量等）； 请用程序（主流编程语言任选）实现并简单描述。在考试的时候我是没想出来，回来查了一下资料，自己实现了一下，原
2012-09-28 15:35:43
1424
一道笔试题的思考(二)
题目：给定一数组a[N]，我们希望构造数组b [N]，其中b[j]=a[0]*a[1]…a[N-1] / a[j]，在构造过程中，不允许使用除法： 要求O（1）空间复杂度和O（n）的时间复杂度； 除遍历计数器与a[N] b[N]外，不可使用新的变量（包括栈临时变量、堆空间和全局静态变量等）； 请用程序（主流编程语言任选）实现并简单描述。在考试的时候我是没想出来，回来查了一下资料，自己实现了一下，原...
2012-09-28 15:35:00
498
原创 一些小问题技术笔记(二)--思考是进步的本质
1：虚函数的定义，当从父类中继承的时候，虚函数和被继承的函数具有相同的签名。但是在运行过程中，运行系统将根据对象的型別，自动地选择适当的具体实现运行。由此可以看出Java的普通函数都是虚函数。因为Java是默认动态绑定的。只有方面前面加static和final的才不是虚函数。（参考：http://blog.csdn.net/trojanpizza/article/details/6556604）
2012-09-27 11:42:16
1419
一些小问题技术笔记(二)--思考是进步的本质
1：虚函数的定义，当从父类中继承的时候，虚函数和被继承的函数具有相同的签名。但是在运行过程中，运行系统将根据对象的型別，自动地选择适当的具体实现运行。由此可以看出Java的普通函数都是虚函数。因为Java是默认动态绑定的。只有方面前面加static和final的才不是虚函数。（参考：http://blog.csdn.net/trojanpizza/article/details/6556604）...
2012-09-27 11:42:00
459
原创 一道笔试题的思考(一)
1：++操作为什么比+1操作高效，试从内存方面详细解释 都知道编译后++操作的指令比+1的少，所以肯定高效，但具体解释起来还要记住很多东西。++操作主要是通过字节码iinc指令来实现，其意思是：将指定的int型整型变量增加指定值。决定测试一下，以下代码： int i = 100; i++;编译成字节码后：bipush表示将单字节的
2012-09-24 20:59:53
1522
一道笔试题的思考(一)
1：++操作为什么比+1操作高效，试从内存方面详细解释 都知道编译后++操作的指令比+1的少，所以肯定高效，但具体解释起来还要记住很多东西。++操作主要是通过字节码iinc指令来实现，其意思是：将指定的int型整型变量增加指定值。决定测试一下，以下代码： int i = 100; i++;编译成字节码后：bipush表示将单字节的常量值...
2012-09-24 20:59:00
591
原创 各种排序算法Java实现
校招快要开始了，复习一下以前的排序知识，下面的代码都是以前写的，今天翻出来又重新看了一下，贴上来。也算是复习吧。插入排序,稳定排序（稳定是指相同的两个数在排序之后它们的相对位置不变。）：//插入排序 public static void insertSort(int[] a){ int len = a.length; //遍历数组 for(int i=1;i<len
2012-09-11 21:34:05
1418
各种排序算法Java实现
校招快要开始了，复习一下以前的排序知识，下面的代码都是以前写的，今天翻出来又重新看了一下，贴上来。也算是复习吧。插入排序,稳定排序（稳定是指相同的两个数在排序之后它们的相对位置不变。）：//插入排序 public static void insertSort(int[] a){ int len = a.length; //遍历数组 for(int i=1;i<...
2012-09-11 21:34:00
377
原创 Java IO与NIO的相关问题
流（Stream）是最早的Java对IO的抽象，而通道（Channel）是NIO对新Java对IO的抽象，通道与流的不同之处在于通道是双向的。而流只是在一个方向上移动(一个流必须是 InputStream 或者 OutputStream 的子类)， 而 通道 可以用于读、写或者同时用于读写。流和通道的基本单位都是字节，但是流是以字节数组作为缓冲区中介，而通道是以ByteBuffer来作为缓冲区
2012-09-11 12:59:47
1492
1
Java IO与NIO的相关问题
流（Stream）是最早的Java对IO的抽象，而通道（Channel）是NIO对新Java对IO的抽象，通道与流的不同之处在于通道是双向的。而流只是在一个方向上移动(一个流必须是InputStream或者OutputStream的子类)， 而通道可以用于读、写或者同时用于读写。流和通道的基本单位都是字节，但是流是以字节数组作为缓冲区中介，而通道是以ByteBuffer来作为缓冲区...
2012-09-11 12:59:00
121
原创 JVM类加载机制简介
类加载分7个步骤：1：加载 1）通过一个类的全限定名来获取此类的二进制字节流 2）将这个字节流所代表的静态存储结构转化为方法区的运行时数据结构 3）在Java堆中生成一个代表这个类的java.lang.Class对象，作为方法区这些数据的访问入口2：验证 保证Class文件的字节流中包含的信息符合当前虚拟机的要求，并且不会危害虚拟
2012-09-09 13:00:08
1855
JVM类加载机制简介
类加载分7个步骤：1：加载 1）通过一个类的全限定名来获取此类的二进制字节流 2）将这个字节流所代表的静态存储结构转化为方法区的运行时数据结构 3）在Java堆中生成一个代表这个类的java.lang.Class对象，作为方法区这些数据的访问入口2：验证 保证Class文件的字节流中包含的信息符合当前虚拟机的要求，并且不会危害虚拟机自身的安全 1）文件格...
2012-09-09 13:00:00
249
原创 Tcp连接的建立与终止及其拥塞控制
TCP的连接建立主要有三次握手，终止有四次握手。看下图：前三个是建立连接的过程，简称三次握手，介绍一下其过程：1，客户端发送一个带序号（即ISN，图中为1415531521）的SYN段请求tcp连接，即上面的报文段12，服务器发回一个带序号（即1823083521）的SYN段回应请求，同时将发来的客户端的ISN加1（即1415531522）以对客户端的SYN报文段进行确认3
2012-09-07 14:21:32
1797
Tcp连接的建立与终止及其拥塞控制
TCP的连接建立主要有三次握手，终止有四次握手。看下图：前三个是建立连接的过程，简称三次握手，介绍一下其过程：1，客户端发送一个带序号（即ISN，图中为1415531521）的SYN段请求tcp连接，即上面的报文段12，服务器发回一个带序号（即1823083521）的SYN段回应请求，同时将发来的客户端的ISN加1（即1415531522）以对客户端的SYN报文段进行确认3，客...
2012-09-07 14:21:00
131
原创 JVM垃圾收集器
各种收集器介绍：Serial收集器：单线程收集器，必须暂停其他所有的工作线程，默认client模式下新生代的收集器ParNew收集器：Serial的多线程版本，一般在Servr模式下的新生代首选收集器，除Serial外，目前只有它能与CMS收集器配合工作，ParNew收集器在单cpu的情况下不会有比Serial收集器更好的效果，甚至由于存在线程交互的开销，该收集器在通过超线程技术实
2012-09-06 19:50:41
2840
JVM垃圾收集器
各种收集器介绍：Serial收集器：单线程收集器，必须暂停其他所有的工作线程，默认client模式下新生代的收集器ParNew收集器：Serial的多线程版本，一般在Servr模式下的新生代首选收集器，除Serial外，目前只有它能与CMS收集器配合工作，ParNew收集器在单cpu的情况下不会有比Serial收集器更好的效果，甚至由于存在线程交互的开销，该收集器在通过超线...
2012-09-06 19:50:00
83
原创 我曾经的Android应用开发（二）
以前做Android开发的时候没怎么做笔记，也没写博客，有什么需要记的东西都是这个word放一点，那个txt放一点，现在都不知道到哪里找了，不过总归还是找到一两个word，整理了一下，便有了这篇文章，其中有自己的一些领悟，也有从互联网上摘抄的东西。 (一)关于Activity的启动问题： 1、Activity 从创建到进入运行态所触发的事件 onCreate(
2012-08-25 18:30:35
1632
1
我曾经的Android应用开发（二）
以前做Android开发的时候没怎么做笔记，也没写博客，有什么需要记的东西都是这个word放一点，那个txt放一点，现在都不知道到哪里找了，不过总归还是找到一两个word，整理了一下，便有了这篇文章，其中有自己的一些领悟，也有从互联网上摘抄的东西。 (一)关于Activity的启动问题： 1、Activity从创建到进入运行态所触发的事件onCreate()-->...
2012-08-25 18:30:00
120
原创 我曾经的Android应用开发（一）
好歹也做了一年多的移动开发，其中大部分时间是做移动中间件，也有android和iphone的，android算是断断续续做了一年吧，iphone倒是就接触了一两个月的样子。尽管现在没做了，毕竟还是很喜欢的，隔了将近一年没碰这个东西了，忘的都差不多了，这里复习一下以前的android开发知识，以后再有机会做的时候能够尽快上手。 环境配置就不说了，新建项目后，项目有时候会出现一点问题，项目没
2012-08-25 16:27:10
1500
我曾经的Android应用开发（一）
好歹也做了一年多的移动开发，其中大部分时间是做移动中间件，也有android和iphone的，android算是断断续续做了一年吧，iphone倒是就接触了一两个月的样子。尽管现在没做了，毕竟还是很喜欢的，隔了将近一年没碰这个东西了，忘的都差不多了，这里复习一下以前的android开发知识，以后再有机会做的时候能够尽快上手。 环境配置就不说了，新建项目后，项目有时候会出现一点问题，项目没...
2012-08-25 16:27:00
97
原创 基于PCA的人脸检测（Matlab版代码）
花了几天，终于把matlab版的人脸检测运行成功了，虽然正确率不是很高，看着各种论文上的人脸检测正确率都出奇的高，我是不怎么相信的，有的论文连基于平均脸的人脸检测正确率都能达到98%，汗啊～～ 也许真有吧，我这里对于人脸图像没做什么其他的处理，目的只是学习一下matlab程序，拿基于PCA的人脸检测试试手。准确率有点低～～。 简单说一下程序运行的逻辑，PCA就不说了，自己去了解吧，说一
2012-08-16 23:46:59
52015
10
基于PCA的人脸检测（Matlab版代码）
花了几天，终于把matlab版的人脸检测运行成功了，虽然正确率不是很高，看着各种论文上的人脸检测正确率都出奇的高，我是不怎么相信的，有的论文连基于平均脸的人脸检测正确率都能达到98%，汗啊～～ 也许真有吧，我这里对于人脸图像没做什么其他的处理，目的只是学习一下matlab程序，拿基于PCA的人脸检测试试手。准确率有点低～～。 简单说一下程序运行的逻辑，PCA就不说了，自己去了解吧，说一...
2012-08-16 23:46:00
1234
原创 SVM百家争鸣之多分类超球支持向量机
基本思想是对于一个分类有一个超球，m个分类就有m个超球，求出最优的m个超球就可以了，待分类的样本与m个超球的中心比较，如果在其中一个超球里面，则属于这个超球队分类，当然还有重叠的部分，具体下面再讨论。 先看一个表达式： 第一个表达式就是球的方程。 其中表示样本点，上标m表示第m个种类，可以暂且不管m，表示第m个种类的超球中心，表示第m个种类的超球半径，表示松
2012-08-03 15:49:07
5607
SVM百家争鸣之多分类超球支持向量机
基本思想是对于一个分类有一个超球，m个分类就有m个超球，求出最优的m个超球就可以了，待分类的样本与m个超球的中心比较，如果在其中一个超球里面，则属于这个超球队分类，当然还有重叠的部分，具体下面再讨论。 先看一个表达式： 第一个表达式就是球的方程。 其中表示样本点，上标m表示第m个种类，可以暂且不管m，表示第m个种类的超球中心，表示第m个种类的超球半径，表示松弛因子，对一些...
2012-08-03 15:49:00
394
原创 SVM百家争鸣之针对大规模训练集的支持向量机的学习策略
论文的观点是从一个小规模的样本训练集训练得到一个初始的分类器，然后用这个分类器对大规模训练集进行修剪，修剪后得到一个很小的约减集，再用这个约减集进行训练得到最终的分类器。 文中有一个图很好的解释了他的算法： 其中H表示分类超平面，H+表示正样本的支持向量所处的超平面，H-表示负样本的支持向量所处的超平面。设样本中任意样本到H的距离为d，则，如图所示。算法分三步：
2012-07-22 17:42:18
2857
SVM百家争鸣之针对大规模训练集的支持向量机的学习策略
论文的观点是从一个小规模的样本训练集训练得到一个初始的分类器，然后用这个分类器对大规模训练集进行修剪，修剪后得到一个很小的约减集，再用这个约减集进行训练得到最终的分类器。 文中有一个图很好的解释了他的算法：其中H表示分类超平面，H+表示正样本的支持向量所处的超平面，H-表示负样本的支持向量所处的超平面。设样本中任意样本到H的距离为d，则，如图所示。算法分三步： 1：从所...
2012-07-22 17:42:00
215
原创 SVM百家争鸣之基于向量投影的支持向量机预选取
总所周知，SVM是通过解决一个二次规划问题得到一个全局最优解，这就导致了在实际应用中常常需要耗费大量的内存和时间。现有的大多数方法是通过减少训练样本来减少支持向量，从而加快训练速度。这篇文章来自李青等的论文《基于向量投影的支持向量机预选取》。 基本思想是，m1和m2分别是1类样本，2类样本的中心点，xf(0)为样本1的一个样本，xf为xf(0)投影到m1m2的点。分类样本的中心点很好
2012-07-22 10:16:27
2004
2
SVM百家争鸣之基于向量投影的支持向量机预选取
总所周知，SVM是通过解决一个二次规划问题得到一个全局最优解，这就导致了在实际应用中常常需要耗费大量的内存和时间。现有的大多数方法是通过减少训练样本来减少支持向量，从而加快训练速度。这篇文章来自李青等的论文《基于向量投影的支持向量机预选取》。 基本思想是，m1和m2分别是1类样本，2类样本的中心点，xf(0)为样本1的一个样本，xf为xf(0)投影到m1m2的点。分类样本的中心点很好...
2012-07-22 10:16:00
144
原创 简单理解基于PCA的人脸识别
PAC人脸识别的基本思想就是从人脸图像中找出最能代表人脸的特征空间，去除一些不能代表人脸特征的属性。一个单个的人脸图片映射到这个特征空间得到这个特征空间的一组系数，这组系数就表示这张人脸图片的特征脸特征。如果两张人脸图片映射到这个特征空间的系数差不多，就表示这两张人脸是同一个人。训练阶段： 1:一张人脸图片在计算机表示为一个像素矩阵，即是一个二维数组，现在把这个二维数组变成一维数组，
2012-07-20 12:25:49
18703
8
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人