- 博客(100)
- 资源 (6)
- 收藏
- 关注
RSS订阅转载 WEB服务器、应用程序服务器、HTTP服务器区别
WEB服务器、应用WEB服WEB服务器、应用程序服务器、HTTP服务器有何区别？IIS、Apache、Tomcat、Weblogic、WebSphere都各属于哪种服务器，这些问题困惑了很久，今天终于梳理清楚了: Web服务器的基本功能就是提供Web信息浏览服务。它只需支持HTTP协议、HTML文档格式及URL。与客户端的网络浏览器配合。因为Web服务
2016-03-22 09:58:13
270
转载 四种生成和解析XML文档的方法详解（介绍+优缺点比较+示例）
众所周知，现在解析XML的方法越来越多，但主流的方法也就四种，即：DOM、SAX、JDOM和DOM4J下面首先给出这四种方法的jar包下载地址DOM：在现在的Java JDK里都自带了，在xml-apis.jar包里SAX：http://sourceforge.net/projects/sax/JDOM：http://jdom.org/downloads/index
2016-02-26 09:38:37
474
转载 static、final、static final 用法
1.使用范围：类、方法、变量。2.区别和联系：2.1.static 含义：静态的，被 static 修饰的方法和属性只属于类不属于类的任何对象。2.2.static 用法：2.2.1.static 可以修饰【内部类】、方法和成员变量。2.2.2.static【不可以修饰外部类】、【不可以修饰局部变量】（因为 static 本身就是定义为类级别的，所以局部级别的变量是不可
2016-02-25 10:21:50
275
转载 JAVA学习顺序
java分成J2ME（移动应用开发），J2SE（桌面应用开发），J2EE(Web企业级应用)，所以java并不是单机版的，只是面向对象语言。建议如果学习java体系的话可以这样去学习： *第一阶段：Java基础，包括java语法，面向对象特征，常见API，集合框架； *第二阶段：java界面编程，包括AWT，事件机制，SWING，这个部分也可以跳过，用的时候再看都能来及； *第三阶段：
2016-02-25 09:31:36
556
转载 FILE,FILEINPUTSTREAM,FILEREADER,INPUTSTREAMREADER,BUFFEREDREADER的使用和区别
File,FileInputStream,FileReader,InputStreamReader,BufferedReader 的使用和区别参考资料：l 《 core java 》 12 章l 使用 Java 操作文本文件的方法详解http://java.ccidnet.com/art/3737/20041108/523627_1.
2016-02-24 22:37:22
228
转载 JAVA的StringBuffer类
StringBuffer类和String一样，也用来代表字符串，只是由于StringBuffer的内部实现方式和String不同，所以StringBuffer在进行字符串处理时，不生成新的对象，在内存使用上要优于String类。 所以在实际使用时，如果经常需要对一个字符串进行修改，例如插入、删除等操作，使用StringBuffer要更加适合一些。 在
2016-02-23 16:02:15
184
转载 JAVA的文件操作【转】
11.3 I/O类使用 由于在IO操作中，需要使用的数据源有很多，作为一个IO技术的初学者，从读写文件开始学习IO技术是一个比较好的选择。因为文件是一种常见的数据源，而且读写文件也是程序员进行IO编程的一个基本能力。本章IO类的使用就从读写文件开始。11.3.1 文件操作 文件(File)是 最常见的数据源之一，在程序中经常需要将数据存储到文
2016-02-23 15:59:02
250
转载 JAVA的IO处理【转】
I/O简介 IO是输入和输出的简称，在实际的使用时，输入和输出是有方向的。就像现实中两个人之间借钱一样，例如A借钱给B，相对于A来说是借出，而相对于B来说则是借入。所以在程序中提到输入和输出时，也需要区分清楚是相对的内容。 在 程序中，输入和输出都是相对于当前程序而言的，例如从硬盘上读取一个配置文件的内容到程序中，则相当于将文件的内容输入到程序内部，
2016-02-23 15:58:06
336
转载 java文件读写操作大全
转自http://blog.sina.com.cn/s/blog_4a9f789a0100ik3p.html 一.获得控制台用户输入的信息 public String getInputMessage() throws IOException...{ System.out.println("请输入您的命令∶"); byte buff
2016-02-23 14:43:32
227
转载 机器学习常见算法分类汇总
机器学习无疑是当前数据分析领域的一个热点内容。很多人在平时的工作中都或多或少会用到机器学习的算法。这里IT经理网为您总结一下常见的机器学习算法，以供您在工作和学习中参考。机器学习的算法很多。很多时候困惑人们都是，很多算法是一类算法，而有些算法又是从其他算法中延伸出来的。这里，我们从两个方面来给大家介绍，第一个方面是学习的方式，第二个方面是算法的类似性。学习方式根据数据类型的
2015-11-28 19:44:40
788
转载 git-ssh 配置和使用
1、设置Git的user name和email：(如果是第一次的话) $ git config --global user.name "humingx" $ git config --global user.email "[email protected]"2、生成密钥 $ ssh-keygen -t rsa -C "[email protected]"
2015-10-24 20:35:33
396
转载 和机器学习和计算机视觉相关的数学
1. 线性代数 (Linear Algebra)：我想国内的大学生都会学过这门课程，但是，未必每一位老师都能贯彻它的精要。这门学科对于Learning是必备的基础，对它的透彻掌握是必不可少的。我在科大一年级的时候就学习了这门课，后来到了香港后，又重新把线性代数读了一遍，所读的是Introduction to Linear Algebra (3rd Ed.) by Gilber
2015-09-26 19:20:28
412
转载 如何查询期刊是否是SCI期刊
补充说明在实际操作中，存在一些刊物已经很长时间没有论文收录的记录（例如半年以上），但是在“刊源列表”里显示期刊依然被SCI收录，而且在“期刊变动情况列表”里没有记录。这样的情形下，我们就无法判断该期刊的收录风险了。建议直接联系汤森路透的客服，可以在Web Of Science页面下方点“反馈”进入，或者直接输这个地址：http://ip-science.thomso
2015-09-24 11:38:10
21464
转载 向量的表示及协方差矩阵
引言当面对的数据被抽象为一组向量，那么有必要研究一些向量的数学性质。而这些数学性质将成为PCA的理论基础。理论描述向量运算即：内积。首先，定义两个维数相同的向量的内积为：(a1,a2,⋯,an)T⋅(b1,b2,⋯,bn)T=a1b1+a2b2+⋯+anbn内积运算将两个向量映射为一个实数。其计算方式非常容易理解，但是其意义并不明显。所以，我
2015-08-14 09:25:54
3266
转载 度量学习（Distance Metric Learning）介绍
先烈一些DML的参考资源，以后有时间再详细谈谈。1. Wikipedia2. CMU的Liu Yang总结的关于DML的综述页面。对DML的经典算法进行了分类总结，其中她总结的论文非常有价值，也是我的入门读物。3. ECCV 2010的turorial。4. Weinberger的页面，上面有LMNN（Distance Metric Learning for Lar
2015-08-09 22:03:53
877
转载 判别模型 和 生成模型
【摘要】 - 生成模型：无穷样本==》概率密度模型 = 产生模型==》预测 - 判别模型：有限样本==》判别函数 = 预测模型==》预测【简介】简单的说，假设o是观察值，q是模型。如果对P(o|q)建模，就是Generative模型。其基本思想是首先建立样本的概率密度模型，再利用模型进行推理预测。要求已知样本无穷或尽可能的大限制。这种方法一般建立在统计力学和
2015-08-01 09:20:37
414
转载 生成模型与判别模型
生成模型与判别模型[email protected]://blog.csdn.net/zouxy09 一直在看论文的过程中遇到这个问题，折腾了不少时间，然后是下面的一点理解，不知道正确否。若有错误，还望各位前辈不吝指正，以免小弟一错再错。在此谢过。 一、决策函数Y=f(X)或者条件概率分布P(Y|X) 监督学习的任务就是从数
2015-08-01 09:20:17
359
转载 数据挖掘中的十个著名算法
2006年的ICDM（the IEEE International Conference on Data Mining) 上，评选出了数据挖掘领域的十大算法，分别是1，C4.5 C4.5是一系列用在机器学习和数据挖掘的分类问题中的算法。它的目标是监督学习：给定一个数据集，其中的每一个元组都能用一组属性值来描述，每一个元组属于一个互斥的类别中的某一类。C4.5的目标是通过学习，
2015-08-01 09:13:26
564
转载 机器学习中的数学(1)-回归(regression)、梯度下降(gradient descent)
机器学习中的数学(1)-回归(regression)、梯度下降(gradient descent)版权声明： 本文由LeftNotEasy所有，发布于http://leftnoteasy.cnblogs.com。如果转载，请注明出处，在未经作者同意下将本文用于商业用途，将追究其法律责任。前言: 上次写过一篇关于贝叶斯概率论的数学，最近时间比较紧，coding的任
2015-07-15 10:59:00
83
转载 AUC的计算方法总结
转载：http://taoo.iteye.com/blog/760589 前面的一个帖子中谈到了在决策树模型下计算AUC的问题，主要是讨论如何用决策树得到test samples的更为合理的rank。但是，关于怎么计算AUC却没有详细说明。本文试图总结和理清楚AUC计算这个问题，这么做，除了因为AUC本身比较常用和重要以外，还有以下两个方面的原因： a. 有些做machin
2015-07-06 21:11:09
3846
转载 在Eclipse中使用JUnit进行单元测试(二)
4. 在Eclipse中使用JUnit测试对于保证软件开发质量有着非常重要的作用，单元测试更是必不可少，JUnit是一个非常强大的单元测试包，可以对一个/多个类的单个/多个方法测试，还可以将不同的TestCase组合成TestSuit，使测试任务自动化。Eclipse同样集成了JUnit，可以非常方便地编写TestCase。我们创建一个Java工程，添加一个example.Hell
2015-06-18 20:37:07
402
转载 在Eclipse中使用JUnit进行单元测试（一）
如何编写测试代码肯定是开发人员最头疼的。JUnit是一个非常强大的单元测试包，可以对一个/多个类的单个/多个方法测试，还可以将不同的TestCase组合成TestSuit，使测试任务自动化。本文简单介绍如何在eclipse中使用JUnit创建一个TestCase来测试一个简单的类。我们写一个要测试的类Simple如下：package jexi.test;public c
2015-06-18 20:35:46
534
转载 Git多账号登陆设置
前言最近工作上遇到了使用git+repo的情况，需要用公司的邮箱和域账号名重新申请git账号，而我本身在github上也有一些开源项目，这里就是记录一下我是如何实现git多账号登陆问题取消git全局设置很多同学照着网上的教程，都会对git进行全局设置，例如：123<a href="http://so.21ops
2015-06-17 15:47:31
518
转载 ssh-add complains: Could not open a connection to your authentication agent
I've been trying to get ssh-add working on a RaspberryPi running Raspbian.I can start ssh-agent, when I do it gives the following output into the terminal:SSH_AUTH_SOCK=/tmp/ssh-06TcpPflMg58/a
2015-06-17 14:24:39
473
转载 同一台电脑关于多个SSH KEY管理
使用环境:关于同一台电脑LInux系统下使用多个SSH key 切换使用(或者多用户使用ssh提交代码)要求,可以创建不同的 PUBLIC KEY ,根据下面步骤设置.(1)比如有aaa,bbb,ccc 三个帐号需要生成不同的 PUBLIC KEY$ ssh-keygen -t rsaGenerating public/private rsa key pair.Ente
2015-06-17 13:48:03
1723
转载 T检验
转载：http://mooc.guokr.com/note/2542/本文和上一篇笔记一样：语言十分啰嗦。请大家忍耐……以前我不懂统计的时候（现在也不懂），只知道数据出来了要做三件事：1，检验一下数据是否符合正态分布；2，如果符合正态分布，就进行T检验，看P值是否小于0.05；3，如果数据不符合正态分布，就用另外的“非参数检验”。但是我完全不明白这些名词背后是什么原理。这些
2015-04-15 22:31:13
950
1
转载 latex+bibtex+jabref
转自 http://blog.sina.com.cn/s/blog_53a8a4710100k6eh.html。2009-11-16: 现阶段写科技论文一些工具、心得(一直放在邮箱里，忘记post出来了，orz....已经隔了一个月 = =||| ) 前言：能寫的太多了，从方法论到具体细节其实很多都可以说上几句。簡直不可能一次全部介绍完，所以这里我尽量简洁地
2015-04-08 10:06:46
1174
转载 主题模型
一.主题模型传统判断两个文档相似性的方法是通过查看两个文档共同出现的单词的多少，如TF-IDF等，这种方法没有考虑到文字背后的语义关联，可能在两个文档共同出现的单词很少甚至没有，但两个文档是相似的。 举个例子，有两个句子分别如下： “乔布斯离我们而去了。” “苹果价格会不会降？”
2015-03-16 20:06:53
905
转载 生成模型与判别模型
生成模型与判别模型[email protected]://blog.csdn.net/zouxy09 一直在看论文的过程中遇到这个问题，折腾了不少时间，然后是下面的一点理解，不知道正确否。若有错误，还望各位前辈不吝指正，以免小弟一错再错。在此谢过。 一、决策函数Y=f(X)或者条件概率分布P(Y|X) 监督学习的任务就是从数
2015-03-16 16:36:03
241
转载 梯度下降
梯度下降（GD）是最小化风险函数、损失函数的一种常用方法，随机梯度下降和批量梯度下降是两种迭代求解思路，下面从公式和实现的角度对两者进行分析，如有哪个方面写的不对，希望网友纠正。下面的h(x)是要拟合的函数，J(theta)损失函数，theta是参数，要迭代求解的值，theta求解出来了那最终要拟合的函数h(theta)就出来了。其中m是训练集的记录条数，j是参数的个数。
2014-11-23 15:26:38
628
转载 Lasso思想及算法
from:http://www.360doc.com/content/13/0325/15/11824314_273815684.shtml1、只有这么几个人在做LASSO，他们都是大牛，你可以直接GOOGLE他们的主页，看他们在这块发了什么文章。yu bin, zhu ji, zhang tong, hui zou, yuan ming, Nicolai Mein
2014-11-18 21:48:43
2883
转载 [资料]L1算法代码大合集
在别的网站，http://www.eecs.berkeley.edu/~yang/software/l1benchmark/看到很久了，今天转过来，给大家方便。SparseLab: http://sparselab.stanford.edu/Orthogonal Matching Pursuit (OMP): SolveOMPPrimal-Dual Basis Pu
2014-10-10 08:18:12
1237
转载 判别模型 和 生成模型
【摘要】 - 生成模型：无穷样本==》概率密度模型 = 产生模型==》预测 - 判别模型：有限样本==》判别函数 = 预测模型==》预测【简介】简单的说，假设o是观察值，q是模型。如果对P(o|q)建模，就是Generative模型。其基本思想是首先建立样本的概率密度模型，再利用模型进行推理预测。要求已知样本无穷或尽可能的大限制。这种方法一般建立在统计力学和
2014-09-22 10:26:38
478
转载 迭代阈值缩减算法（Iterative Shrinkage-Thresholding Method）
l1-最小化问题在最近几年一直是信号处理与优化领域的热点话题。min||x||1 subject to||b−Ax||2ϵIST(Iterative Shrinkage-Thresholding Method) 将上述优化问题，当做如下目标函数的的一个特殊形式来处理：minxF(x)=f(x)+λg(x)式中f
2014-09-21 11:39:46
10625
转载 L1范数优化算法集合
转自：http://www.eecs.berkeley.edu/~yang/software/l1benchmark/MATLAB Benchmark ScriptsL-1 Benchmark Package: http://www.eecs.berkeley.edu/~yang/software/l1benchmark/l1benchmark.zip
2014-09-21 11:38:31
8051
转载 MP算法与OMP算法
稀疏编码的一般最优化公式为：其中的零范数为非凸优化。那么如何解这么一个非凸优化问题呢？其中一个常用的解法就是MP算法。MP算法MP算法是一种贪心算法（greedy），每次迭代选取与当前样本残差最接近的原子，直至残差满足一定条件。求解方法首先解决两个问题，怎么定义“最接近原子”，怎么计算残差？选择
2014-09-16 22:34:10
10160
2
转载 损失函数(loss function)
通常而言，损失函数由损失项(loss term)和正则项(regularization term)组成。发现一份不错的介绍资料：http://www.ics.uci.edu/~dramanan/teaching/ics273a_winter08/lectures/lecture14.pdf （题名“Loss functions; a unifying view”）。
2014-09-15 13:32:49
18777
1
转载 凸优化和非凸优化
数学中最优化问题的一般表述是求取，使，其中是n维向量，是的可行域，是上的实值函数。凸优化问题是指是闭合的凸集且是上的凸函数的最优化问题，这两个条件任一不满足则该问题即为非凸的最优化问题。其中，是 凸集是指对集合中的任意两点，有，即任意两点的连线段都在集合内，直观上就是集合不会像下图那样有“凹下去”的部分。至于闭合的凸集，则涉及到闭集的定义，而闭集的定义又基于开集，比较抽象，不赘述，这里
2014-09-15 09:31:48
15441
2
ASP.net+C#教程PPT
2011-03-18
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人