royce_feng
royce_feng

Decision making

Basic Terminology --- Decision Theory

Normative 规范性方法：研究如何理性决策

理性选择理论，基于先验的考虑而非以实验为基础的观察

Prescriptive 规定性方法：如何应用理性方法决策

改进决策方法，使之符合规范性要求 

Descriptive 描述性方法：研究人们实际怎么决策

以实验为基础，主要考察指导决策的心理因素巨册

 

决策：按照某种标准选择一个方案

决策分析：为达到某个目标，对影响决策的诸因素做逻辑判断和权衡，从一些方案来进行选择的分析过程。

决策理论：研究在有不确定性下制定决策的定量分析方法

Classifications

Single-objective / Multi-objective 单目标/多目标

Single-phase / Multi-phase 单阶段/多阶段

Deterministic / Non-deterministic：decision-making under risk /  totally non-deterministic / fussy

Personal / Group

Qualitative / Quantitative 定性/定量

Strategic / Executive / Operating 战略/管理/业务

Programmed / Non-programmed 程序化决策/非程序化决策

Decision Analysis ---- Basic Elements

Objective and Values

Decision context（决策发生的背景）, Alternatives（决策时的一系列可能的选择）, Decision（最佳选择）

Sequential decisions: 在做及时决策的时候，要考虑将来的决策

Uncertain Events：相关的不确定事件越多，决策问题越复杂；不确定事件的时间顺序很重要

Consequences：trade-off

Decision making_第1张图片

(圆圈表示uncertain event)

 

Planning Horizon（投资期；投资年期；时间范围）

Present Value：interest rate r；n 年之后的价值 x 

Net Present Value：

Decision Making Process

Decision making_第2张图片

你可能感兴趣的:(Decision making)

  • Gartner《Decision Point for Selecting the Right APIMediation Technology》学习心得 架构师学习成长之路 架构云原生微服务
    一、API中介技术概述背景，API中介技术变得多样化，应用与集成架构师需要借助决策框架，从企业级API网关、轻量级网关、入口网关以及服务网格中挑选出适合多粒度服务和API的中介技术。随着无服务器架构与容器管理系统的兴起，API管理、API网关与服务网格在转型、流量管理、安全以及可观测性方面出现了功能特性重叠与互补的情况。例如，企业级API网关通常位于网络边缘，用于保障进出API流量的安全，适合那些
  • C/C++ 和 OpenCV 来制作一个能与人对弈的实体棋盘机器人 whoarethenext c语言c++opencv下棋
    项目核心架构整个系统可以分为四个主要模块：视觉感知模块(VisionPerceptionModule):任务:使用摄像头“看懂”棋盘。工具:C++,OpenCV。功能:校准摄像头、检测棋盘边界、进行透视变换、分割64个棋盘格、识别每个格子上的棋子、检测人类玩家的走法。决策模块(Decision-MakingModule):任务:充当“棋手大脑”，根据当前棋局决定最佳走法。工具:一个现成的开源国际象
  • Causal-aware Large Language Models: Enhancing Decision-Making Through Learning, Adapting and Acting UnknownBody LLMDailyCausalandReasoning语言模型人工智能自然语言处理
    论文主要内容总结研究背景与问题大语言模型（LLMs）在决策领域展现出巨大潜力，但预训练模型存在推理能力不足、难以适应新环境的问题，严重制约了其在复杂现实任务中的应用。现有方法如强化学习（RL）单独使用或LLM辅助RL的方式，仍依赖token预测范式，缺乏结构化推理和快速适应性。核心框架与方法提出因果感知大语言模型（Causal-awareLLMs），将结构因果模型（SCM）整合到决策过程中，采用“
  • Decision Tree vs. Linear Regression 土豆羊626 机器学习人工智能python机器学习
    DecisionTreevs.LinearRegressionDecisiontreesandlinearregressionarebothsupervisedmachinelearningtechniques,buttheyservedifferentpurposesandhavedistinctcharacteristics.Belowisadetailedcomparison:KeyDiff
  • Spark MLlib模型训练—分类算法 Decision tree classifier 猫猫姐 Spark实战spark-ml分类决策树
    SparkMLlib模型训练—分类算法Decisiontreeclassifier决策树（DecisionTree）是一种经典的机器学习算法，广泛应用于分类和回归问题。决策树模型通过一系列的决策节点将数据划分成不同的类别，从而形成一棵树结构。每个节点表示一个特征的分裂，叶子节点代表最终的类别标签。在大数据场景下，SparkMLlib提供了对决策树的高效实现，能够处理大规模数据集并生成复杂的分类模型
  • 【学习笔记】 陈强-机器学习-Python-Ch11 决策树（Decision Tree） 赛博机器喵 陈强-机器学习-Python机器学习学习笔记python
    系列文章目录监督学习：参数方法【学习笔记】陈强-机器学习-Python-Ch4线性回归【学习笔记】陈强-机器学习-Python-Ch5逻辑回归【课后题练习】陈强-机器学习-Python-Ch5逻辑回归（SAheart.csv）【学习笔记】陈强-机器学习-Python-Ch6多项逻辑回归【学习笔记及课后题练习】陈强-机器学习-Python-Ch7判别分析【学习笔记】陈强-机器学习-Python-Ch
  • 浅谈层次化的AI架构 weixin_34292959 后端前端ViewUI
    原文地址：http://www.aisharing.com/archives/86/comment-page-1记得在以前的一篇文章中谈到了一种类似于双缓冲的AI结构，最近在整理一些东西的时候，发现这样的AI结构具有一定的通用性，而且层与层之间耦合度相对较低，作为一种层次化的AI架构，非常值得一谈。在我的脑海中，AI一般分为两个部分，一个是决策（Decision）部分，一个是行为（Behavior
  • Tabnet介绍（Decision Manifolds）和PyTorch TabNet之TabNetRegressor 人工都不智能了 pytorch人工智能python
    Tabnet介绍（DecisionManifolds）和PyTorchTabNet之TabNetRegressorDecisionManifoldsTabNet1.核心思想2.架构组成3.工作流程4.优点PyTorchTabNetTabNetRegressor参数1.模型相关参数`n_d``n_a``n_steps``gamma``cat_idxs``cat_dims``cat_emb_dim`2
  • 3.2 Agent核心能力：感知、规划、决策与执行 MonkeyKing.sun 大模型+agent企业应用实践人工智能agent
    智能代理（Agent）是一种能够在复杂环境中自主运作的计算实体，其智能行为依赖于四大核心能力：感知（Perception）、规划（Planning）、决策（Decision-making）和执行（Execution）。这些能力共同构成了Agent的智能框架，使其能够从感知环境开始，制定行动计划，做出合理决策，并通过具体行动影响环境。本文将系统且专业地探讨这四大核心能力的定义、作用、关键技术、应用场
  • 智能体开发基础：从概念到实现 禁默 人工智能大模型智能体
    前言智能体（Agent）是人工智能中的核心概念之一，它广泛应用于游戏AI、机器人、自动驾驶、智能客服等领域。本篇博客将从智能体的基本概念、核心架构、开发工具，以及简单的智能体实现入手，为想要入门智能体开发的读者提供清晰的指导。1.什么是智能体？1.1智能体的定义智能体（Agent）是一个能够感知环境（Perception）、做出决策（Decision），并执行动作（Action）以影响环境的自主系
  • 工业 4.0 与大模型协同驱动企业深度价值实现 —— 基于 DEEPSEEK 框架的理论与实践 Wnq10072 DEEPSEEK大模型工业4.0人工智能
    引言工业4.0通过物联网（IoT）、数字孪生、边缘计算等技术重构制造业价值链，而大模型（LargeLanguageModels,LLM）的涌现为数据价值挖掘提供了新范式。本文提出DEEPSEEK价值实现框架（Data-drivenExploration,Enhancement,Prediction,andSmartDecision-making），论证工业4.0基础设施是大模型赋能企业的必要前提，
  • 决策树（Decision Tree）：机器学习中的经典算法 Jason_Orton 机器学习算法决策树随机森林人工智能
    1.什么是决策树？决策树（DecisionTree）是一种基于树形结构的机器学习算法，适用于分类和回归任务。其核心思想是通过一系列的规则判断，将数据集不断划分，最终形成一棵树状结构，从而实现预测目标。在决策树中，每个内部节点表示一个特征，每个分支代表一个特征的取值，每个叶子节点对应一个类别或预测值。决策树的目标是构建一棵能够有效区分不同类别的树，并在测试数据上保持较好的泛化能力。2.决策树的工作原
  • WHALE: TOWARDS GENERALIZABLE AND SCALABLE WORLD Models for Embodied Decision-making 翻译 Doc2X 经典论文翻译人工智能
    Doc2X|PDF到Markdown一步搞定只需几秒，Doc2X即可将PDF转换为Markdown，支持批量处理和深度翻译功能。Doc2X|One-StepPDFtoMarkdownConversionInjustseconds,Doc2XconvertsPDFstoMarkdown,withsupportforbatchprocessingandadvancedtranslationfeatur
  • 【机器学习】决策树 ( Decision Tree ) AI天才研究院 ChatGPTDeepSeekR1&大数据AI人工智能大模型深度学习实战机器学习决策树算法支持向量机人工智能
    【机器学习】决策树(DecisionTree)文章目录【机器学习】决策树(DecisionTree)1.ID3(1)信息增益(2)ID3的算法流程(3)实现ID32.C4.53.CART(1)决策桩DecisionStump(2)回归CART：最小二乘回归树leastsquaresregressiontree⚪回归CART的例子(3)分类CART(4)处理缺失值Handlemissingfeatu
  • 打卡信奥刷题（909）用C++信奥P11837[普及组/提高] [USACO25FEB] Making Mexes B Loge编程生活 C++c++算法开发语言青少年编程数据结构
    P11837[USACO25FEB]MakingMexesB题目描述给定一个包含NNN个非负整数的数组aaa，a1,a2,…,aNa_1,a_2,\dots,a_Na1,a2,…,aN（1≤N≤2⋅1051\leN\le2\cdot10^51≤N≤2⋅105，0≤ai≤N0\lea_i\leN0≤ai≤N）。在一次操作中，你可以将aaa的任一元素修改为任意非负整数。一个数组的mex是它不包含的最小
  • 【AGI】DeepSeek开源周：The whale is making waves！ LeeZhao@ AIGC重塑生活神器agi开源人工智能AIGC生活语言模型
    DeepSeek开源周：Thewhaleismakingwaves！思维火花引言一、DeepSeek模型体系的技术演进1.通用语言模型：DeepSeek-V3系列2.推理优化模型：DeepSeek-R1系列3.多模态模型：Janus系列二、开源周三大工具库的技术解析1.FlashMLA：解码效率的极限突破（2025.02.24）2.DeepEP：MoE通信范式的重构（2025.02.25）3.De
  • BB5112 Business Decision Modelling 后端
    AssignmentBriefing(Level5)ModuleNameBusinessDecisionModellingModuleCodeBB5112AssignmentTitleAssignment2TypeofSubmissionOnlinethroughCanvasWeightingoftheassignmentintheoverallmodulegrade70%WordCount/Ti
  • BB5112 Business Decision Modelling 后端
    AssignmentBriefing(Level5)ModuleNameBusinessDecisionModellingModuleCodeBB5112AssignmentTitleAssignment2TypeofSubmissionOnlinethroughCanvasWeightingoftheassignmentintheoverallmodulegrade70%WordCount/Ti
  • KylinOS-Server定制制作属于自己的ISO镜像文件 太极淘 镜像制作centoslinux运维
    1、准备：镜像文件：Kylin-Server-10-SP1-Release-Build20-20210518-x86_64.iso然后安装在服务器上（用来定制ISO的服务器）根据自己的需求选择安装，我这里选择的是GUI安装2、安装制作ISO的工具yum-yinstallcreaterepomkisofsisomd5sumrsyncsquashfs-tools3、建立image-making-dir
  • scikit-learn工具学习 - random,mgrid,np.r_ ,np.c_, scatter, axis, pcolormesh, contour, decision_function... helloxielan 数据结构与算法python人工智能
    yuanwen:http://blog.csdn.net/crossky_jing/article/details/49466127scikit-learn练习题题目：Tryclassifyingclasses1and2fromtheirisdatasetwithSVMs,withthe2firstfeatures.Leaveout10%ofeachclassandtestpredictionpe
  • Tools for Decision Analysis（Analysis of Risky Decisions） aris_zzy 优化算法toolsoptimizationstatisticsmatrixfunctioneach
    ToolsforDecisionAnalysis:AnalysisofRiskyDecisionsIfyouwillbeginwithcertainties,youshallendindoubts,butifyouwillcontenttobeginwithdoubts,youshallendinalmostcertainties.--FrancisBaconEuropeSiteSiteforAs
  • 机器学习特征重要性之feature_importances_属性与permutation_importance方法 一叶_障目 机器学习python数据挖掘
    一、feature_importances_属性在机器学习中，分类和回归算法的feature_importances_属性用于衡量每个特征对模型预测的重要性。这个属性通常在基于树的算法中使用，通过feature_importances_属性，您可以了解哪些特征对模型的预测最为重要，从而可以进行特征选择或特征工程，以提高模型的性能和解释性。1、决策树1.1.sklearn.tree.Decision
  • ACCA F2重要知识：Planning and Control丨ACCA F2微课堂（2） ACCA学习帮
    干货丨拓展丨趣闻丨指南ACCAF2丨文：EstelleACCAF2把管理活动总结为三个词:planning,controlanddecision-making.这里通过举例讲解一下Planningandcontrol.1.Planning(关键词是objective/goalandstrategy)(i)Establishthecompany’sgoal:increaseprofitby20%in
  • 决策树(decision tree) a15957199647 机器学习数据
    决策树就是像树结构一样的分类下去，最后来预测输入样本的属于那类标签。本文是本人的学习笔记，所以有些地方也不是很清楚。大概流程就是1.查看子类是否属于同一个类2.如果是，返回类标签，如果不是，找到最佳的分类子集的特征3.划分数据集4.创建分支节点5.对每一个节点重复上述步骤6.返回树首先我们要像一个办法，怎么来确定最佳的分类特征就是为什么要这么划分子集。一般有三种方法：1.Gini不纯度2.信息熵3
  • 马尔可夫决策过程（Markov decision process，MDP） 太阳城S 学习笔记马尔可夫决策过程MDP机器学习深度学习
    文章目录马尔可夫决策过程(MDP)在机器学习中应用在机器学习中的引用示例引用：实例场景：机器人导航MDP的定义：引用示例：在此基础上更具体的描述，并给出每一步的推断计算过程场景描述：3x3网格中的机器人导航MDP的定义强化学习算法：Q-Learning具体实例与推断计算过程回合1（Episode1Episode1Episode1）回合2（Episode2Episode2Episode2）回合3（E
  • Streamline Complex Decision Making with AI SEO-狼术 DelphinetCrack开发语言
    StreamlineComplexDecisionMakingwithAILogicGemhelpsdevelopersandanalyststocollaborateoncraftingclear,consistentbusinessrulesusingdecisiontablemethodology.LogicGemisaWindowsapplicationdesignedtoempowerb
  • FormMaking V3 发布，支持 Vue 3 的可视化低代码表单设计器 GavinZhulei 可视化vue数据可视化
    简介FormMakingv3是基于Vue3.x和ElementPlus开发的可视化/低代码表单设计器，可以生成Element和Antd样式的表单。FormMaking目前已被民航、政务、教育、医疗、测绘、金融、网络安全、智慧城市等不同领域采用，V3版本完全支持兼容FormMaking，在使用和功能上完全一致。预览地址：https://form.making.link/v3/sample/?from
  • Business Decision Analytics under Uncertainty areyousure7 数据库前端
    BusinessDecisionAnalyticsunderUncertaintyAssignment1Pleaseshowyourentireworkwithbrief,butsufficientlydetailedexplanationinaWorddocument.Startyouranswerbytypingyourname,RUIDandemailaddress.Youcanrefert
  • Google On Latency Tolerant Systems: Making A Predictable Whole Out Of Unpredictable Parts kevin_darkelf DistributedandParallellatency
    InTamingTheLongLatencyTailwecoveredLuizBarroso’sexplorationofthelongtaillatency(someoperationsarereallyslow)problemsgeneratedbylargefanoutarchitectures(arequestiscomposedofpotentiallythousandsofotherr
  • 机器学习的几种基本算法 陌上尘飞123
    决策树：曾经最流行的分类算法在已知各种情况发生概率的基础上，通过构成决策树来求取净现值的期望值大于等于零的概率，评价项目风险，判断其可行性的决策分析方法，是直观运用概率分析的一种图解法。在机器学习中，决策树是一个预测模型，他代表的是对象属性与对象值之间的一中映射关系。http://thegrimmscientist.com/tutorial-decision-trees/K-均值聚类：一中非常简单
  • 桌面上有多个球在同时运动，怎么实现球之间不交叉，即碰撞？ 换个号韩国红果果 html小球碰撞
    稍微想了一下，然后解决了很多bug，最后终于把它实现了。其实原理很简单。在每改变一个小球的x y坐标后，遍历整个在dom树中的其他小球，看一下它们与当前小球的距离是否小于球半径的两倍？若小于说明下一次绘制该小球（设为a）前要把他的方向变为原来相反方向（与a要碰撞的小球设为b），即假如当前小球的距离小于球半径的两倍的话，马上改变当前小球方向。那么下一次绘制也是先绘制b，再绘制a，由于a的方向已经改变
  • 《高性能HTML5》读后整理的Web性能优化内容 白糖_ html5
    读后感         先说说《高性能HTML5》这本书的读后感吧，个人觉得这本书前两章跟书的标题完全搭不上关系，或者说只能算是讲解了“高性能”这三个字，HTML5完全不见踪影。个人觉得作者应该首先把HTML5的大菜拿出来讲一讲，再去分析性能优化的内容，这样才会有吸引力。因为只是在线试读，没有机会看后面的内容，所以不胡乱评价了。  
  • [JShop]Spring MVC的RequestContextHolder使用误区 dinguangx jeeshop商城系统jshop电商系统
        在spring mvc中，为了随时都能取到当前请求的request对象，可以通过RequestContextHolder的静态方法getRequestAttributes()获取Request相关的变量，如request, response等。         在jshop中，对RequestContextHolder的
  • 算法之时间复杂度 周凡杨 java算法时间复杂度效率
          在 计算机科学 中， 算法 的时间复杂度是一个 函数 ，它定量描述了该算法的运行时间。这是一个关于代表算法输入值的 字符串 的长度的函数。时间复杂度常用 大O符号 表述，不包括这个函数的低阶项和首项系数。使用这种方式时，时间复杂度可被称为是 渐近 的，它考察当输入值大小趋近无穷时的情况。 这样用大写O()来体现算法时间复杂度的记法，
  • Java事务处理 g21121 java
    一、什么是Java事务 通常的观念认为，事务仅与数据库相关。 事务必须服从ISO/IEC所制定的ACID原则。ACID是原子性（atomicity）、一致性（consistency）、隔离性（isolation）和持久性（durability）的缩写。事务的原子性表示事务执行过程中的任何失败都将导致事务所做的任何修改失效。一致性表示当事务执行失败时，所有被该事务影响的数据都应该恢复到事务执行前的状
  • Linux awk命令详解 510888780 linux
    一.  AWK 说明   awk是一种编程语言，用于在linux/unix下对文本和数据进行处理。数据可以来自标准输入、一个或多个文件，或其它命令的输出。它支持用户自定义函数和动态正则表达式等先进功能，是linux/unix下的一个强大编程工具。它在命令行中使用，但更多是作为脚本来使用。    awk的处理文本和数据的方式：它逐行扫描文件，从第一行到
  • android permission 布衣凌宇 Permission
    <uses-permission android:name="android.permission.ACCESS_CHECKIN_PROPERTIES" ></uses-permission>允许读写访问"properties"表在checkin数据库中，改值可以修改上传 <uses-permission android:na
  • Oracle和谷歌Java Android官司将推迟 aijuans javaoracle
    北京时间 10 月 7 日，据国外媒体报道，Oracle 和谷歌之间一场等待已久的官司可能会推迟至 10 月 17 日以后进行，这场官司的内容是 Android 操作系统所谓的 Java 专利权之争。本案法官 William Alsup 称根据专利权专家 Florian Mueller 的预测，谷歌 Oracle 案很可能会被推迟。　　该案中的第二波辩护被安排在 10 月 17 日出庭，从目前看来
  • linux shell 常用命令 antlove linuxshellcommand
    grep [options] [regex] [files] /var/root # grep -n "o" * hello.c:1:/* This C source can be compiled with:
  • Java解析XML配置数据库连接(DOM技术连接 SAX技术连接) 百合不是茶 sax技术Java解析xml文档dom技术XML配置数据库连接
        XML配置数据库文件的连接其实是个很简单的问题,为什么到现在才写出来主要是昨天在网上看了别人写的,然后一直陷入其中,最后发现不能自拔 所以今天决定自己完成 ,,,,现将代码与思路贴出来供大家一起学习   XML配置数据库的连接主要技术点的博客; JDBC编程 : JDBC连接数据库 DOM解析XML:  DOM解析XML文件 SA
  • underscore.js 学习（二） bijian1013 JavaScriptunderscore
            Array Functions 所有数组函数对参数对象一样适用。1.first   _.first(array, [n])   别名: head, take       返回array的第一个元素，设置了参数n，就
  • plSql介绍 bijian1013 oracle数据库plsql
    /* * PL/SQL 程序设计学习笔记 * 学习plSql介绍.pdf * 时间：2010-10-05 */ --创建DEPT表 create table DEPT ( DEPTNO NUMBER(10), DNAME NVARCHAR2(255), LOC NVARCHAR2(255) ) delete dept; select
  • 【Nginx一】Nginx安装与总体介绍 bit1129 nginx
    启动、停止、重新加载Nginx nginx 启动Nginx服务器，不需要任何参数u nginx -s stop 快速(强制)关系Nginx服务器 nginx -s quit 优雅的关闭Nginx服务器 nginx -s reload 重新加载Nginx服务器的配置文件 nginx -s reopen 重新打开Nginx日志文件  
  • spring mvc开发中浏览器兼容的奇怪问题 bitray jqueryAjaxspringMVC浏览器上传文件
        最近个人开发一个小的OA项目,属于复习阶段.使用的技术主要是spring mvc作为前端框架,mybatis作为数据库持久化技术.前台使用jquery和一些jquery的插件.     在开发到中间阶段时候发现自己好像忽略了一个小问题,整个项目一直在firefox下测试,没有在IE下测试,不确定是否会出现兼容问题.由于jquer
  • Lua的io库函数列表 ronin47 lua io
    1、io表调用方式：使用io表，io.open将返回指定文件的描述，并且所有的操作将围绕这个文件描述 　　io表同样提供三种预定义的文件描述io.stdin,io.stdout,io.stderr 　　2、文件句柄直接调用方式,即使用file:XXX()函数方式进行操作,其中file为io.open()返回的文件句柄 　　多数I/O函数调用失败时返回nil加错误信息,有些函数成功时返回nil
  • java-26-左旋转字符串 bylijinnan java
    public class LeftRotateString { /** * Q 26 左旋转字符串 * 题目：定义字符串的左旋转操作：把字符串前面的若干个字符移动到字符串的尾部。 * 如把字符串abcdef左旋转2位得到字符串cdefab。 * 请实现字符串左旋转的函数。要求时间对长度为n的字符串操作的复杂度为O(n)，辅助内存为O(1)。 */ pu
  • 《vi中的替换艺术》-linux命令五分钟系列之十一 cfyme linux命令
    vi方面的内容不知道分类到哪里好，就放到《Linux命令五分钟系列》里吧！ 今天编程，关于栈的一个小例子，其间我需要把”S.”替换为”S->”(替换不包括双引号)。 其实这个不难，不过我觉得应该总结一下vi里的替换技术了，以备以后查阅。   1 所有替换方案都要在冒号“:”状态下书写。 2 如果想将abc替换为xyz，那么就这样 :s/abc/xyz/ 不过要特别
  • [轨道与计算]新的并行计算架构 comsci 并行计算
         我在进行流程引擎循环反馈试验的过程中，发现一个有趣的事情。。。如果我们在流程图的每个节点中嵌入一个双向循环代码段，而整个流程中又充满着很多并行路由，每个并行路由中又包含着一些并行节点，那么当整个流程图开始循环反馈过程的时候，这个流程图的运行过程是否变成一个并行计算的架构呢？      
  • 重复执行某段代码 dai_lm android
    用handler就可以了 private Handler handler = new Handler(); private Runnable runnable = new Runnable() { public void run() { update(); handler.postDelayed(this, 5000); } }; 开始计时 h
  • Java实现堆栈（list实现） datageek 数据结构——堆栈
    public interface IStack<T> { //元素出栈，并返回出栈元素 public T pop(); //元素入栈 public void push(T element); //获取栈顶元素 public T peek(); //判断栈是否为空 public boolean isEmpty
  • 四大备份MySql数据库方法及可能遇到的问题 dcj3sjt126com DBbackup
    一：通过备份王等软件进行备份前台进不去？ 用备份王等软件进行备份是大多老站长的选择，这种方法方便快捷，只要上传备份软件到空间一步步操作就可以，但是许多刚接触备份王软件的客用户来说还原后会出现一个问题：因为新老空间数据库用户名和密码不统一，网站文件打包过来后因没有修改连接文件，还原数据库是好了，可是前台会提示数据库连接错误，网站从而出现打不开的情况。 解决方法：学会修改网站配置文件，大多是由co
  • github做webhooks：[1]钩子触发是否成功测试 dcj3sjt126com githubgitwebhook
    转自: http://jingyan.baidu.com/article/5d6edee228c88899ebdeec47.html github和svn一样有钩子的功能，而且更加强大。例如我做的是最常见的push操作触发的钩子操作，则每次更新之后的钩子操作记录都会在github的控制板可以看到！ 工具/原料 github 方法/步骤
  • ">的作用" target="_blank">JSP中的作用 蕃薯耀
    JSP中<base href="<%=basePath%>">的作用 >>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>
  • linux下SAMBA服务安装与配置 hanqunfeng linux
    局域网使用的文件共享服务。 一.安装包： rpm -qa | grep samba samba-3.6.9-151.el6.x86_64 samba-common-3.6.9-151.el6.x86_64 samba-winbind-3.6.9-151.el6.x86_64 samba-client-3.6.9-151.el6.x86_64 samba-winbind-clients
  • guava cache IXHONG cache
    缓存，在我们日常开发中是必不可少的一种解决性能问题的方法。简单的说，cache 就是为了提升系统性能而开辟的一块内存空间。 　　缓存的主要作用是暂时在内存中保存业务系统的数据处理结果，并且等待下次访问使用。在日常开发的很多场合，由于受限于硬盘IO的性能或者我们自身业务系统的数据处理和获取可能非常费时，当我们发现我们的系统这个数据请求量很大的时候，频繁的IO和频繁的逻辑处理会导致硬盘和CPU资源的
  • Query的开始--全局变量,noconflict和兼容各种js的初始化方法 kvhur JavaScriptjquerycss
    这个是整个jQuery代码的开始，里面包含了对不同环境的js进行的处理，例如普通环境，Nodejs，和requiredJs的处理方法。 还有jQuery生成$, jQuery全局变量的代码和noConflict代码详解  完整资源： http://www.gbtags.com/gb/share/5640.htm jQuery 源码：   (
  • 美国人的福利和中国人的储蓄 nannan408
       今天看了篇文章，震动很大，说的是美国的福利。    美国医院的无偿入院真的是个好措施。小小的改善，对于社会是大大的信心。小孩，税费等，政府不收反补，真的体现了人文主义。    美国这么高的社会保障会不会使人变懒？答案是否定的。正因为政府解决了后顾之忧，人们才得以倾尽精力去做一些有创造力，更造福社会的事情，这竟成了美国社会思想、人
  • N阶行列式计算(JAVA) qiuwanchi N阶行列式计算
    package gaodai; import java.util.List; /** * N阶行列式计算 * @author 邱万迟 * */ public class DeterminantCalculation { public DeterminantCalculation(List<List<Double>> determina
  • C语言算法之打渔晒网问题 qiufeihu c算法
    如果一个渔夫从2011年1月1日开始每三天打一次渔，两天晒一次网，编程实现当输入2011年1月1日以后任意一天，输出该渔夫是在打渔还是在晒网。 代码如下：   #include <stdio.h> int leap(int a) /*自定义函数leap()用来指定输入的年份是否为闰年*/ { if((a%4 == 0 && a%100 != 0
  • XML中DOCTYPE字段的解析 wyzuomumu xml
    DTD声明始终以!DOCTYPE开头,空一格后跟着文档根元素的名称,如果是内部DTD,则再空一格出现[],在中括号中是文档类型定义的内容. 而对于外部DTD,则又分为私有DTD与公共DTD,私有DTD使用SYSTEM表示,接着是外部DTD的URL. 而公共DTD则使用PUBLIC,接着是DTD公共名称,接着是DTD的URL.   私有DTD <!DOCTYPErootSYST
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他