zhuangzhao119
zhuangzhao119

K-Means Clustering

K-Means Clustering:

Step 1: Choose the number of K
K-Means Clustering_第1张图片
Step 2: Select centroids
K-Means Clustering_第2张图片
Step 3: Assign each data to the closed centeroid point:
K-Means Clustering_第3张图片
Step 4: Compute the new central point of each cluster:
K-Means Clustering_第4张图片

Step 5:Resign the each point to closed new centroid point. If any reassignment happens ,go to step 4 ,otherwise go to Finish step
K-Means Clustering_第5张图片

Finish Step: Algorithm ready!
K-Means Clustering_第6张图片

你可能感兴趣的:(K-Means)

  • 用 K-means 算法实现水果分堆 wh_xia_jun AI+医疗算法kmeans机器学习
    先看运行效果：importnumpyasnpimportmatplotlib.pyplotaspltfromsklearn.clusterimportKMeans#生成模拟数据（两个高斯分布的混合点集）np.random.seed(42)X1=np.random.randn(100,2)+np.array([2,2])#第一簇数据，中心在(2,2)X2=np.random.randn(100,2)
  • 新能源汽车大数据画像：从零到一实现K-means用户分群 新能源汽车研发＆测试入门指南 学习笔记新星杯+王者杯汽车大数据kmeans
    基于大数据分析的新能源汽车画像研究全攻略：从原理到实战前言在"软件定义汽车"的时代浪潮下，新能源汽车正经历着从交通工具向智能移动终端的进化。本文将带你深入探索如何通过大数据技术构建精准的用户与产品画像，揭秘车企数字化转型的核心技术。全文涵盖完整的技术链路和实战案例，助你快速掌握这一前沿领域。关键词：新能源汽车；用户画像挖掘；大数据分析；K-means聚类目录一、大数据分析技术基石二、新能源汽车画像
  • 机器学习宝典——第6章 爱看烟花的码农 机器学习人工智能
    第6章：聚类算法(Clustering)你好，同学！欢迎来到无监督学习的世界。与监督学习不同，这里的我们没有“标准答案”（标签），我们的目标是在数据中发现隐藏的、内在的结构。聚类算法就是实现这一目标的核心工具，它试图将数据集中的样本划分为若干个不相交的子集，我们称之为“簇”(cluster)。本章我们将深入探讨三种最具代表性的聚类算法：K-均值(K-Means)、层次聚类(Hierarchical
  • 《dlib库中的聚类》算法详解：从原理到实践 A小庞 算法算法聚类数据挖掘机器学习c++
    一、dlib库与聚类算法的关联1.1dlib库的核心功能dlib是一个基于C++的机器学习和计算机视觉工具库，其聚类算法模块提供了多种高效的无监督学习工具。聚类算法在dlib中主要用于：数据分组：将相似的数据点划分为同一簇。特征分析：通过聚类结果发现数据潜在的结构。降维辅助：结合聚类结果进行特征选择或数据压缩。dlib支持的经典聚类算法包括K-Means和ChineseWhispers，适用于图像
  • 【python数据分析】数据建模之Kmeans聚类 斑点鱼 SpotFish python数据建模聚类python数据分析
    K-means聚类：最常用的机器学习聚类算法，且为典型的基于距离的聚类算法。K均值：基于原型的、划分的距离技术，它试图发现用户指定个数(K)的簇以欧式距离作为相似度测度Kmeans聚类案例分析：make_blobs聚类数据生成器#导入模块from sklearn.cluster import KMeansfromsklearn.datasetsimportmake_blobs#创建数据x,y_tr
  • 数据挖掘与机器学习 期末复习整理 无敌摸鱼高手 数据挖掘与机器学习数据挖掘机器学习人工智能期末复习知识总结
    1.分类：–有类别标记信息,因此是一种监督学习–根据训练样本获得分类器，然后把每个数据归结到某个已知的类，进而也可以预测未来数据的归类。2.聚类：–无类别标记,因此是一种无监督学习–无类别标记样本，根据信息相似度原则进行聚类，通过聚类，人们能够识别密集的和稀疏的区域，因而发现全局的分布模式，以及数据属性之间的关系3.聚类方法：划分方法-（分割类型）K-均值K-Means顺序领导者方法基于模型的方法
  • BIRCH、K-Means、KNN聚类算法实战：二维坐标空间聚类分析 闲书郎
    本文还有配套的精品资源，点击获取简介：本项目深入探讨BIRCH、K-Means、K-Means++和K-NearestNeighbors（KNN）四种聚类算法在二维坐标空间中的应用与分析。通过Python代码实现，项目着重介绍算法的运行机制，以及它们在聚类任务中的效果和优缺点。测试集包含二维坐标数据，通过比较不同算法处理效果，学习者将加深对算法的理解，并为未来的数据分析工作打下基础。1.聚类算法在
  • 突破K-means终极局限：ISODATA算法完全解读（附实战代码） AI妈妈手把手 算法kmeans机器学习ISODATA聚类算法k-means
    大家好！欢迎来到我的技术分享博客~在前期系列中，我们从K-means的随机初始化陷阱出发，逐步剖析了Canopy+K-means的粗筛优化、K-means++的概率采样和二分K-means的层次分裂。今天，迎来K-means家族的终极进化形态——ISODATA算法！它不仅解决初始点敏感和K值预设问题，更能动态分裂合并簇，彻底突破球形假设限制！K-means算法详解Canopy+K-means优化方
  • 机器学习算法_聚类KMeans算法 TY-2025 机器学习机器学习算法聚类
    一、聚类算法分析1.概念概念：根据样本之间的相似性，将样本划分到不同的类别中；不同的相似度的计算方法，会得到不同的聚类结果，常见的相似度计算方法有欧氏距离法（无监督算法）聚类算法的目的是在没有先验知识的情况下，自动发现数据集中的内在结构和模式2.聚类算法分类（1）根据聚类颗粒度分类个数比较多的，细聚类；个数比较多的，粗聚类（2）根据实现方法分类K-means：按照质心分类层次聚类：对数据进行逐层划
  • 二分K-means：让聚类更高效、更精准！ AI妈妈手把手 kmeans聚类支持向量机二分K-meansPython实现机器学习聚类算法
    大家好！！欢迎再次来到我的技术分享博客~在前期文章中，我们系统剖析了K-means的随机初始化缺陷、Canopy+K-means的粗粒度预处理以及K-means++的概率化质心选择。今天，我们解锁另一种高效优化方案——二分K-means（BisectingK-Means），它用层次分裂策略彻底规避初始点敏感性问题，并与前三篇内容形成完美闭环！K-means算法详解Canopy+K-means优化方
  • YOLO进化史：从v1到v12的注意力革命 —— 实时检测的“快”与“准”如何兼得？ 摘取一颗天上星️ YOLO
    ⚙️一、初代奠基：打破两阶段检测的垄断（2016-2018）YOLOv1（2016）：首次提出“单次检测”范式，将目标检测转化为回归问题。7×7网格+30维向量输出，实现45FPS实时检测，但小目标漏检严重。YOLOv2（2017）：引入锚框（AnchorBoxes），通过k-means聚类确定先验框尺寸新增高分辨率微调（448×448输入）使用Darknet-19主干，速度达67FPSYOLOv
  • 机器学习15-2（Mini Batch Kmeans） Roy_Allen MachineL机器学习batchkmeans
    文章目录简介MiniBatchK-MeansDBSCAN基本原理具体实现简介除了K-Means快速聚类意外，还有两种常用的聚类算法能够进一步提升快速聚类的速度的MiniBatchK-Means算法能够和K-Means快速聚类形成性能上互补的算法DBSCAN密度聚类MiniBatchK-Means非常抱歉，需要先来一段理论基础做铺垫，速览即可！在K-Means的基础上增加了一个MiniBatch的抽
  • 深度学习笔记 疯狂成瘾者 深度学习笔记人工智能
    文章目录聚类导入模块生成模拟数据建立并训练K-Means聚类模型创建图形绘制散点图（聚类结果）获取聚类中心可视化聚类中心设置图形标题和标签输出效果数据降维一、常见的数据降维方法二、Python降维示例（用PCA将3D数据降至2D）✅第1部分：导入模块✅第2部分：生成模拟数据✅第3部分：PCA降维处理✅第4部分：开始绘图✅第5部分：绘制散点图✅第6部分：完善图像细节并显示✨最终效果数据降维的作用✅一
  • 高斯混合模型（Gaussian Mixture Model, GMM） 爱看烟花的码农 ML机器学习概率论人工智能
    一、GMM是什么？高斯混合模型（GaussianMixtureModel,GMM）是一种概率模型，用于表示数据分布是由多个高斯分布（正态分布）的加权组合构成的。它假设数据点是从若干个高斯分布中生成的，每个高斯分布代表一个“簇”或“子群体”。GMM是一种软聚类方法，与K-Means不同，它不仅能将数据点分配到某个簇，还能给出数据点属于每个簇的概率。1.1核心思想混合模型：GMM认为数据集中的每个数据
  • 面试手撕代码-k-means算法 jiao_xd17 python
    要求：随机生成x,y均在[0,10]范围内的10个点，k=2,训练一个简单的k-means模型。K均值算法步骤如下：1.在训练样本点中随机初始化[0,10]范围内的k个样本点作为k个簇各自的中心；2.遍历一遍所有样本点，将每一个样本点分配到最近的簇中心，得到clusterDict。clusterDict的键为centroidList的下标，键值为属于该类的所有样本点。3.计算第一次聚类迭代得到的结
  • 机器学习手撕代码（3）k-means 54渣渣shuo 机器学习机器学习kmeans聚类
    机器学习手撕代码（3）k-means本篇分享一下k-means的代码，k_means.py为K均值模型的代码。utils.py中为可视化结果的工具。dataset见本系列第0篇。k_means.pyfromdatasets.datasetimportDataSetimportmatplotlib.pyplotaspltimportnumpyasnpfromsklearnimportmanifold
  • 【人工智能机器学习基础篇】——深入详解无监督学习之聚类，理解K-Means、层次聚类、数据分组和分类 猿享天开 人工智能数学基础专讲机器学习人工智能无监督学习聚类
    深入详解无监督学习之聚类：如K-Means、层次聚类，理解数据分组和分类无监督学习是机器学习中的一个重要分支，旨在从未标注的数据中发现潜在的结构和模式。聚类（Clustering）作为无监督学习的核心任务之一，广泛应用于数据分组、模式识别和数据压缩等领域。本文将深入探讨两种常用的聚类算法：K-Means聚类和层次聚类，并详细解释它们在数据分组和分类中的应用。目录深入详解无监督学习之聚类：如K-Me
  • 《Sklearn 机器学习模型--分类模型》--K-means 聚类（K-means clustering algorithm） 非门由也 机器学习数据分析机器学习sklearn分类
    K-means聚类算法K-means聚类算法是一种基于划分的无监督学习算法，通过迭代优化将数据划分为指定簇数（K值），使同一簇内样本相似度最大化、簇间差异最大化34。以下从算法原理、实现步骤、应用场景及优缺点展开说明：‌一、核心原理与实现步骤核心原理K-均值聚类(K-MeansClustering)是一种无监督学习算法，其基本思想是将数据集划分为K个不同的簇，使得每个样本点都属于离它最近的簇中心。
  • 【机器学习与数据挖掘实战 | 医疗】案例16：基于K-Means聚类的医疗保险的欺诈发现 Francek Chen 机器学习与数据挖掘实战机器学习数据挖掘kmeans聚类python
    【作者主页】FrancekChen【专栏介绍】⌈⌈⌈机器学习与数据挖掘实战⌋⌋⌋机器学习是人工智能的一个分支，专注于让计算机系统通过数据学习和改进。它利用统计和计算方法，使模型能够从数据中自动提取特征并做出预测或决策。数据挖掘则是从大型数据集中发现模式、关联和异常的过程，旨在提取有价值的信息和知识。机器学习为数据挖掘提供了强大的分析工具，而数据挖掘则是机器学习应用的重要领域，两者相辅相成，共同推动
  • 基于PCA和Kmeans的餐馆地区分类研究
    1.实践任务说明对《中国2019年分地区连锁餐饮企业数据》中的7个经营指标（V2-V8）进行主成分分析（PCA），通过降维提取核心特征。首先标准化数据，然后计算主成分的方差贡献率，按累积贡献率≥85%确定保留的主成分数量，最终输出降维后的主成分得分及因子载荷矩阵，简化后续分析。基于K-Means聚类算法对餐饮企业数据进行分析，首先读取true_restaurant.csv文件中的PC1指标数据并进
  • 农产品产量智能预测(聚类实际落地场景) 数字化与智能化 机器学习场景落地-智慧农业聚类机器学习
    聚类算法在农产品产量智能预测中可通过对多维度数据的分类与模式识别，为产量预测提供更精准的分析基础，其应用场景主要涉及数据预处理、影响因素分析、产量区域划分等多个关键环节，以下是具体介绍：1、数据预处理与特征提取【1】数据清洗与分类农产品产量相关数据（如气象数据、土壤指标、历史产量等）常存在噪声或缺失值，聚类算法可对同类数据进行聚合，识别异常数据点，提升数据质量。例如：利用K-means算法对不同年
  • Stanford CS246 homework of NTHU-CS-MDA lecture ( K-means ) Gravitychen pythonkmeans
    conceptc1:10个cluster的起点，随机起点c2:10个cluster的起点，很远的起点data：所有数据，最长维度==233使用mac注意hadoop只能用os本身的python，我裝了anaconda，需要先移開，並在ospythonpipnumpy才能用記得在文件開頭加上#!/usr/bin/envpython要使用文件名稱的話，加上try:input_file=os.envir
  • 机器学习基础相关问题 真的没有脑袋 算法面经汇总机器学习人工智能面试计算机视觉算法
    机器学习相关的基础问题K-means是否一定会收敛K-means是否一定会收敛K-means算法在有限步数内一定会收敛，但收敛到的可能是局部最优解而非全局最优解。以下是详细分析：K-means的优化目标是最小化样本到其所归属簇中心的距离平方和（SSE，SumofSquaredErrors）。因此，每一次迭代都单调减小（或保持不变）损失函数，而SSE有下界（不能为负数），所以一定会收敛。在实际实现中
  • 聚类算法性能对比：K-means vs DBSCAN vs 层次聚类 AI智能探索者 算法聚类kmeansai
    聚类算法性能对比：K-meansvsDBSCANvs层次聚类关键词：聚类算法、K-means、DBSCAN、层次聚类、性能对比、机器学习、无监督学习摘要：聚类是无监督学习的核心任务之一，广泛应用于用户分群、图像分割、异常检测等场景。本文将用“分水果”“找朋友”“建家谱”等生活化比喻，从原理、优缺点到实战场景，一步一步对比K-means、DBSCAN、层次聚类三种主流算法。无论你是刚入门的机器学习爱
  • 聚类算法参数调优指南：如何获得最佳分组效果 AIGC应用创新大全 算法聚类数据挖掘ai
    聚类算法参数调优指南：如何获得最佳分组效果关键词：聚类算法、参数调优、K-means、DBSCAN、轮廓系数、Calinski-Harabasz、高维数据摘要：聚类算法是无监督学习的核心工具，广泛用于用户分群、图像分割、异常检测等场景。但很多人发现：即使选对了算法，参数设置不当也会导致“分组混乱”或“簇无意义”。本文将用“分糖果”“找人群”等生活案例，结合Python代码实战，从底层逻辑到调优技巧
  • 高斯混合模型（GMM）——完整推导与代码实现 Expecto0 机器学习机器学习算法
    GaussianMixedModel应用聚类K-means无法处理两个聚类中心点相同的类。比如A∼N(μ,  σ12),  B∼N(μ,σ22)A\simN(\mu,\;\sigma_1^2),\;B\simN(\mu,\sigma_2^2)A∼N(μ,σ12),B∼N(μ,σ22)是无法用k-means进行聚类的。密度估计新数据的生成原理我们认为数据空间是由某些高斯分布生成的，但对于某一具体的样
  • C++ 实现 K-Means 聚类算法在图像分割中的应用 数字魔方操控师 c++聚类算法开发语言K-Means
    K-Means聚类算法在图像分割中的C++实现1.K-Means聚类算法原理K-Means是一种经典的无监督学习算法，用于将数据点划分为K个不同的簇。其核心思想是通过迭代优化，使得每个数据点到其所属簇中心的距离平方和最小。算法步骤如下：初始化：随机选择K个数据点作为初始簇中心分配：将每个数据点分配到距离最近的簇中心更新：重新计算每个簇的中心迭代：重复步骤2和3，直到簇中心不再变化或达到最大迭代次数
  • 机器学习算法-k-means 不会敲代码的灵长类 机器学习kmeans算法机器学习
    今天我们用「超市顾客分组」的例子来讲解K-means算法，从原理到实现一步步拆解，保证零基础也能懂！例子背景假设你是超市经理，手上有顾客的以下数据：顾客ID每月消费金额（元）每周到店次数130002250008335003470006520001你想把顾客分成3个群体，分别制定营销策略，该怎么做？K-means原理1.核心思想"物以类聚"——让相似特征的顾客自动聚成一类➡️通过计算距离，把数据划分
  • TensorFlow深度学习实战（18）——K-means 聚类详解 盼小辉丶 深度学习tensorflowkmeans
    TensorFlow深度学习实战（18）——K-means聚类详解0.前言1.K-means聚类2.实现K-means聚类2.1算法实现2.2肘部法则3.K-means算法变体小结系列链接0.前言K-means聚类是一种常用的无监督学习算法，用于将数据集划分为若干个互不重叠的簇(cluster)，使得同一簇内的数据点尽可能相似，而不同簇之间的数据点尽可能不同。在本节中，将介绍K-means聚类的基
  • Python中Slic超像素分割技术的实现与应用 轮胎技术Tyretek
    本文还有配套的精品资源，点击获取简介：超像素分割是图像处理的关键技术，将像素按规则组合成具有相似特征的超像素集合。Python中的Slic算法是该领域的常用算法，结合色彩、空间信息，通过K-means聚类进行分割。Slic算法通过预处理、采样、量化、聚类、优化和重复等步骤，生成平滑边界和接近边缘形状的超像素。本文介绍Slic算法的核心思想、步骤及在Python中的实现方法，提供代码示例，并讨论算法
  • Maven Array_06 eclipsejdkmaven
    Maven Maven是基于项目对象模型(POM)， 信息来管理项目的构建，报告和文档的软件项目管理工具。 Maven 除了以程序构建能力为特色之外，还提供高级项目管理工具。由于 Maven 的缺省构建规则有较高的可重用性，所以常常用两三行 Maven 构建脚本就可以构建简单的项目。由于 Maven 的面向项目的方法，许多 Apache Jakarta 项目发文时使用 Maven，而且公司
  • ibatis的queyrForList和queryForMap区别 bijian1013 javaibatis
    一.说明         iBatis的返回值参数类型也有种：resultMap与resultClass，这两种类型的选择可以用两句话说明之：         1.当结果集列名和类的属性名完全相对应的时候，则可直接用resultClass直接指定查询结果类
  • LeetCode[位运算] - #191 计算汉明权重 Cwind java位运算LeetCodeAlgorithm题解
    原题链接：#191 Number of 1 Bits 要求： 写一个函数，以一个无符号整数为参数，返回其汉明权重。例如，‘11’的二进制表示为'00000000000000000000000000001011', 故函数应当返回3。 汉明权重：指一个字符串中非零字符的个数；对于二进制串，即其中‘1’的个数。 难度：简单 分析： 将十进制参数转换为二进制，然后计算其中1的个数即可。 “
  • 浅谈java类与对象 15700786134 java
          java是一门面向对象的编程语言，类与对象是其最基本的概念。所谓对象，就是一个个具体的物体，一个人，一台电脑，都是对象。而类，就是对象的一种抽象，是多个对象具有的共性的一种集合，其中包含了属性与方法，就是属于该类的对象所具有的共性。当一个类创建了对象，这个对象就拥有了该类全部的属性，方法。相比于结构化的编程思路，面向对象更适用于人的思维
  • linux下双网卡同一个IP 被触发 linux
    转自： http://q2482696735.blog.163.com/blog/static/250606077201569029441/ 由于需要一台机器有两个网卡，开始时设置在同一个网段的IP，发现数据总是从一个网卡发出，而另一个网卡上没有数据流动。网上找了下，发现相同的问题不少： 一、 关于双网卡设置同一网段IP然后连接交换机的时候出现的奇怪现象。当时没有怎么思考、以为是生成树
  • 安卓按主页键隐藏程序之后无法再次打开 肆无忌惮_ 安卓
    遇到一个奇怪的问题，当SplashActivity跳转到MainActivity之后，按主页键，再去打开程序，程序没法再打开（闪一下），结束任务再开也是这样，只能卸载了再重装。而且每次在Log里都打印了这句话"进入主程序"。后来发现是必须跳转之后再finish掉SplashActivity   本来代码：   // 销毁这个Activity fin
  • 通过cookie保存并读取用户登录信息实例 知了ing JavaScripthtml
    通过cookie的getCookies()方法可获取所有cookie对象的集合；通过getName()方法可以获取指定的名称的cookie；通过getValue()方法获取到cookie对象的值。另外，将一个cookie对象发送到客户端，使用response对象的addCookie()方法。 下面通过cookie保存并读取用户登录信息的例子加深一下理解。 （1）创建index.jsp文件。在改
  • JAVA 对象池 矮蛋蛋 javaObjectPool
    原文地址： http://www.blogjava.net/baoyaer/articles/218460.html Jakarta对象池       ☆为什么使用对象池   恰当地使用对象池化技术，可以有效地减少对象生成和初始化时的消耗，提高系统的运行效率。Jakarta Commons Pool组件提供了一整套用于实现对象池化
  • ArrayList根据条件+for循环批量删除的方法 alleni123 java
    场景如下： ArrayList<Obj> list Obj-> createTime, sid. 现在要根据obj的createTime来进行定期清理。（释放内存） ------------------------- 首先想到的方法就是 for(Obj o:list){ if(o.createTime-currentT>xxx){
  • 阿里巴巴“耕地宝”大战各种宝 百合不是茶 平台战略
    “耕地保”平台是阿里巴巴和安徽农民共同推出的一个 “首个互联网定制私人农场”，“耕地宝”由阿里巴巴投入一亿 ，主要是用来进行农业方面，将农民手中的散地集中起来 不仅加大农民集体在土地上面的话语权，还增加了土地的流通与 利用率，提高了土地的产量，有利于大规模的产业化的高科技农业的 发展，阿里在农业上的探索将会引起新一轮的产业调整，但是集体化之后农民的个体的话语权 将更少，国家应出台相应的法律法规保护
  • Spring注入有继承关系的类（1） bijian1013 javaspring
    一个类一个类的注入 1.AClass类 package com.bijian.spring.test2; public class AClass { String a; String b; public String getA() { return a; } public void setA(Strin
  • 30岁转型期你能否成为成功人士 bijian1013 成功
            很多人由于年轻时走了弯路，到了30岁一事无成，这样的例子大有人在。但同样也有一些人，整个职业生涯都发展得很优秀，到了30岁已经成为职场的精英阶层。由于做猎头的原因，我们接触很多30岁左右的经理人，发现他们在职业发展道路上往往有很多致命的问题。在30岁之前，他们的职业生涯表现很优秀，但从30岁到40岁这一段，很多人
  • [Velocity三]基于Servlet+Velocity的web应用 bit1129 velocity
    什么是VelocityViewServlet 使用org.apache.velocity.tools.view.VelocityViewServlet可以将Velocity集成到基于Servlet的web应用中，以Servlet+Velocity的方式实现web应用   Servlet + Velocity的一般步骤 1.自定义Servlet，实现VelocityViewServl
  • 【Kafka十二】关于Kafka是一个Commit Log Service bit1129 service
    Kafka is a distributed, partitioned, replicated commit log service.这里的commit log如何理解？   A message is considered "committed" when all in sync replicas for that partition have applied i
  • NGINX + LUA实现复杂的控制 ronin47 lua nginx 控制
    安装lua_nginx_module 模块 lua_nginx_module 可以一步步的安装，也可以直接用淘宝的OpenResty Centos和debian的安装就简单了。。 这里说下freebsd的安装： fetch http://www.lua.org/ftp/lua-5.1.4.tar.gz tar zxvf lua-5.1.4.tar.gz cd lua-5.1.4 ma
  • java-14.输入一个已经按升序排序过的数组和一个数字， 在数组中查找两个数，使得它们的和正好是输入的那个数字 bylijinnan java
    public class TwoElementEqualSum { /** * 第 14 题： 题目：输入一个已经按升序排序过的数组和一个数字， 在数组中查找两个数，使得它们的和正好是输入的那个数字。 要求时间复杂度是 O(n) 。如果有多对数字的和等于输入的数字，输出任意一对即可。 例如输入数组 1 、 2 、 4 、 7 、 11 、 15 和数字 15 。由于
  • Netty源码学习-HttpChunkAggregator-HttpRequestEncoder-HttpResponseDecoder bylijinnan javanetty
    今天看Netty如何实现一个Http Server org.jboss.netty.example.http.file.HttpStaticFileServerPipelineFactory： pipeline.addLast("decoder", new HttpRequestDecoder()); pipeline.addLast(&quo
  • java敏感词过虑-基于多叉树原理 cngolon 违禁词过虑替换违禁词敏感词过虑多叉树
    基于多叉树的敏感词、关键词过滤的工具包，用于java中的敏感词过滤 1、工具包自带敏感词词库，第一次调用时读入词库，故第一次调用时间可能较长，在类加载后普通pc机上html过滤5000字在80毫秒左右，纯文本35毫秒左右。   2、如需自定义词库，将jar包考入WEB-INF工程的lib目录，在WEB-INF/classes目录下建一个 utf-8的words.dict文本文件，
  • 多线程知识 cuishikuan 多线程
    T1，T2，T3三个线程工作顺序，按照T1，T2，T3依次进行 public class T1 implements Runnable{           @Override      
  • spring整合activemq dalan_123 java spring jms
    整合spring和activemq需要搞清楚如下的东东1、ConnectionFactory分：     a、spring管理连接到activemq服务器的管理ConnectionFactory也即是所谓产生到jms服务器的链接      b、真正产生到JMS服务器链接的ConnectionFactory还得
  • MySQL时间字段究竟使用INT还是DateTime？ dcj3sjt126com mysql
      环境：Windows XPPHP Version 5.2.9MySQL Server 5.1 第一步、创建一个表date_test（非定长、int时间） CREATE TABLE `test`.`date_test` (`id` INT NOT NULL AUTO_INCREMENT ,`start_time` INT NOT NULL ,`some_content`
  • Parcel: unable to marshal value dcj3sjt126com marshal
    在两个activity直接传递List<xxInfo>时，出现Parcel: unable to marshal value异常。   在MainActivity页面（MainActivity页面向NextActivity页面传递一个List<xxInfo>）：   Intent intent = new Intent(this, Next
  • linux进程的查看上（ps） eksliang linux pslinux ps -llinux ps aux
    ps:将某个时间点的进程运行情况选取下来 转载请出自出处：http://eksliang.iteye.com/admin/blogs/2119469 http://eksliang.iteye.com         ps 这个命令的man page 不是很好查阅，因为很多不同的Unix都使用这儿ps来查阅进程的状态，为了要符合不同版本的需求，所以这个
  • 为什么第三方应用能早于System的app启动 gqdy365 System
    Android应用的启动顺序网上有一大堆资料可以查阅了，这里就不细述了，这里不阐述ROM启动还有bootloader，软件启动的大致流程应该是启动kernel -> 运行servicemanager 把一些native的服务用命令启动起来（包括wifi, power, rild, surfaceflinger, mediaserver等等）-> 启动Dalivk中的第一个进程Zygot
  • App Framework发送JSONP请求(3) hw1287789687 jsonp跨域请求发送jsonpajax请求越狱请求
    App Framework 中如何发送JSONP请求呢? 使用jsonp,详情请参考:http://json-p.org/ 如何发送Ajax请求呢? (1)登录 /*** * 会员登录 * @param username * @param password */ var user_login=function(username,password){ // aler
  • 发福利，整理了一份关于“资源汇总”的汇总 justjavac 资源
    觉得有用的话，可以去github关注：https://github.com/justjavac/awesome-awesomeness-zh_CN 通用 free-programming-books-zh_CN 免费的计算机编程类中文书籍 精彩博客集合 hacke2/hacke2.github.io#2 ResumeSample 程序员简历
  • 用 Java 技术创建 RESTful Web 服务 macroli java编程WebREST
    转载：http://www.ibm.com/developerworks/cn/web/wa-jaxrs/   JAX-RS (JSR-311) 【 Java API for RESTful Web Services 】是一种 Java™ API，可使 Java Restful 服务的开发变得迅速而轻松。这个 API 提供了一种基于注释的模型来描述分布式资源。注释被用来提供资源的位
  • CentOS6.5-x86_64位下oracle11g的安装详细步骤及注意事项 超声波 oraclelinux
    前言： 这两天项目要上线了，由我负责往服务器部署整个项目，因此首先要往服务器安装oracle，服务器本身是CentOS6.5的64位系统，安装的数据库版本是11g，在整个的安装过程中碰到很多的坑，不过最后还是通过各种途径解决并成功装上了。转别写篇博客来记录完整的安装过程以及在整个过程中的注意事项。希望对以后那些刚刚接触的菜鸟们能起到一定的帮助作用。   安装过程中可能遇到的问题（注
  • HttpClient 4.3 设置keeplive 和 timeout 的方法 supben httpclient
    ConnectionKeepAliveStrategy kaStrategy = new DefaultConnectionKeepAliveStrategy() { @Override public long getKeepAliveDuration(HttpResponse response, HttpContext context) { long keepAlive
  • Spring 4.2新特性-@Import注解的升级 wiselyman spring 4
    3.1 @Import @Import注解在4.2之前只支持导入配置类 在4.2,@Import注解支持导入普通的java类,并将其声明成一个bean 3.2 示例 演示java类 package com.wisely.spring4_2.imp; public class DemoService { public void doSomethin
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他