自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(40)
  • 资源 (19)
  • 收藏
  • 关注

转载 Linux下一个简单的日志系统的设计及其C代码实现

Linux下一个简单的日志系统的设计及其C代码实现http://blog.csdn.net/zhouzhaoxiong1227/article/details/45917613#0-tsina-1-31997-397232819ff9a47a7b7e80a40613cfe11.概述 在大型软件系统中,为了监测软件运行状况及排查软件故障,一般都会要求软件程序在

2015-05-31 13:57:58 2175

转载 返璞归真的Linux BFS调度器

返璞归真的Linux BFS调度器http://blog.csdn.net/dog250/article/details/7459533自Linux 2.6以来(严格说应该是2.5),O(n)调度器被人们认为是一种千年之前就应该抛弃的东西被重重的甩开了,此后出现了O(1),CFS等,再也没人提起O(n)了。说实话,Linux的调度器远比标准Unix的来得复杂,因

2015-05-31 02:03:07 499

转载 Loki之ThreadPool

Loki之ThreadPoolhttp://www.cnblogs.com/UnGeek/p/4018143.htmlLoki中的ThreadPool目的主要是对创建出来的线程进行复用。ThreadPool在Test而非Loki目录下,因此并非是标准Loki的组件之一,不过我们可以对其修改定制,下面是对其源码的大致分析,ThreadPool顾名思义线程池,一般我们使用线

2015-05-29 22:54:03 622

转载 Loki之Funtion

Loki之Funtionhttp://www.cnblogs.com/UnGeek/p/4063571.html阅读Loki中Funtion源码之后的个人理解,该库归纳起来可以说有三层(C++设计新思维列举到2个参数,此处列举到3个参数),要记住C++的模板其实就是C语言高级的宏定义,如果用户没有用到对应的模板编译器是不会生成对应代码的。第一层:

2015-05-29 22:51:35 518

转载 loki库之内存池SmallObj

[原创]loki库之内存池SmallObjhttp://www.cnblogs.com/UnGeek/p/4537114.htmlloki库之内存池SmallObj介绍loki库的内存池实现主要在文件smallobj中,顾名思义它的优势主要在小对象的分配与释放上,loki库是基于策略的方法实现的,简单的说就是把某个类通过模板参数传递给主类,比如某

2015-05-29 22:50:39 1622

转载 内核同步

内核同步http://m.blog.csdn.net/blog/wmichaelcao1980/21079437内核的各个部分并不是严格按照顺序依次执行的,而是采用交错执行的方式。因此这些请求可能引起竞态条件,而我们必须采用适当的同步机制对这种情况进行控制。一、内核如何为不同的请求提供服务        把内核看作必须满足两种请求的侍者:一种请求来自顾客,另一种请求来自

2015-05-28 22:22:42 351

转载 顺序锁的理解

顺序锁的理解 http://blog.chinaunix.net/uid-26126915-id-3034757.html分类: LINUX       前面我们介绍的读/写自旋锁通过执行read_lock或write_lock操作获得相同的优先权。也就是说在读操作时,写操作必须等待;写操作时,读操作也需要的等待。这样虽然避免了数据的不一致,但是某些操作

2015-05-28 21:55:18 616

转载 WTL for MFC Programmers, Part I - ATL GUI Classes

WTL for MFC Programmers, Part I - ATL GUI Classeshttp://blog.csdn.net/orbit/article/details/4317目录(?)[+]WTL for MFC Programmers, Part I - ATL GUI Classes原作 :Michael Dunn 

2015-05-28 17:17:09 620

转载 C#.NET机器学习与彩票数据分析

C#.NET机器学习与彩票数据分析http://www.cnblogs.com/asxinyu/p/MachineLearning_PageRank_TeamRank_2.html.NET开源项目, 机器学习, Matlab与C#编程, 组合投资, 足球赛事资料库, 彩票分析与预测博客园本站首页头条推荐智彩团队.NET开源博客美化X组件Math.NETMat

2015-05-27 16:57:57 8064

转载 Spring AOP 深入剖析

Spring AOP 深入剖析http://www.cnblogs.com/digdeep/p/4528353.htmlAOP是Spring提供的关键特性之一。AOP即面向切面编程,是OOP编程的有效补充。使用AOP技术,可以将一些系统性相关的编程工作,独立提取出来,独立实现,然后通过切面切入进系统。从而避免了在业务逻辑的代码中混入很多的系统相关的逻辑——比如权限管理,事物

2015-05-27 16:49:45 610

转载 数据分析——确定分析思路

数据分析——确定分析思路http://www.cnblogs.com/PengLee/p/4526352.html数据分析方法论和数据分析方法    数据分析的第一步就是要确定分析思路,有了明确的分析思路和分析框架,数据分析才能够有一个明确的方向,确定数据分析思路就是要  确定数据分析方法论。数据分析方法论主要从宏观角度指导如何进行数据分

2015-05-25 21:25:15 2575

转载 Redis 集群解决方案 Codis

Redis 集群解决方案 Codis来自:豌豆荚Codis 是一个分布式 Redis 解决方案, 对于上层的应用来说, 连接到 Codis Proxy 和连接原生的 Redis Server 没有明显的区别 (不支持的命令列表), 上层应用可以像使用单机的 Redis 一样使用, Codis 底层会处理请求的转发, 不停机的数据迁移等工作, 所有后边的一切事情, 对于前

2015-05-24 23:31:59 695

转载 Oracle简单常用的数据泵导出导入(expdp/impdp)命令举例(上)

Oracle简单常用的数据泵导出导入(expdp/impdp)命令举例(上)http://www.cnblogs.com/jyzhao/p/4522868.htmlOracle简单常用的数据泵导出导入(expdp/impdp)命令举例(上)目的:指导项目侧自行进行简单的数据泵迁移工作。本文实验环境:Oracle 11.2.0.4,利用数据库自

2015-05-24 14:45:54 667

转载 粒子群优化算法简介

粒子群优化算法简介http://www.cnblogs.com/hxsyl/p/4521778.html  好好学数学。一.问题来源  经朋友介绍,接了一份工作,就是做PSO及其优化,恰好我导师也研究这个,刚开学也有接触,那我就接了.......赚点生活费。  欢迎大家和我联系做算法类项目,QQ:791909235,Tel:131

2015-05-23 12:00:08 4099

转载 C 语言状态机编程-去掉代码注释

* * 实现功能 * 1.初始化指定个数的线程 * 2.使用链表来管理任务队列 * 3.支持拓展动态线程 * 4.如果闲置线程过多,动态销毁部分线程 */标签: 代码片段(2)[全屏查看所有代码]1. [代码][C/C++]代码     ?12345

2015-05-21 00:01:34 1208

转载 模式识别:感知器的实现

模式识别:感知器的实现http://blog.csdn.net/liyuefeilong/article/details/45217335在之前的模式识别研究中,判别函数J(.)的参数是已知的,即假设概率密度函数的参数形式已知。本节不考虑概率密度函数的确切形式,使用非参数化的方法来求解判别函数。由于线性判别函数具有许多优良的特性,因此这里我们只考虑以下形

2015-05-18 00:41:54 2315

转载 RBM(受限玻尔兹曼机)

RBM(受限玻尔兹曼机)http://www.cnblogs.com/xiaokangzi/p/4492466.html基于能量模型 (EBM)基于能量模型将关联到感兴趣的变量每个配置的标量能量。学习修改的能量函数使他它的形状具有最好的性能。例如,我们想的得到最好的参量拥有较低的能量。EBM的概率模型定义通过能量函数的概率分布,如下所示:    

2015-05-17 22:02:16 16984 3

转载 <Linux内核源码>内存管理模型

内存管理模型题外语:本人对linux内核的了解尚浅,如果有差池欢迎指正,也欢迎提问交流! http://www.cnblogs.com/guguli/p/4489272.html 首先要理解一下每一个进程是如何维护自己独立的寻址空间的,我的电脑里呢是8G内存空间。了解过的朋友应该都知道这是虚拟内存技术解决的这个问题,然而再linux中具体是怎样的模型解决的操作系统的

2015-05-16 17:39:55 981 1

转载 Libev学习笔记1

Libev学习笔记1http://www.cnblogs.com/oyld/p/4368896.html和Libevent相似,Libev是一个高性事件驱动框架,据说性能比Libevent要高,bug比Libevent要少。Libev只是一个事件驱动框架,不是网络库,因为它的内部并没有任何socket编程代码。支持的事件驱动机制包括:select

2015-05-16 17:23:52 497

转载 蜕变成蝶~Linux设备驱动之按键设备驱动

蜕变成蝶~Linux设备驱动之按键设备驱动  在上述的驱动系列博客中,我们已经了解了关于阻塞和非阻塞、异步通知、轮询、内存和I/O口访问、并发控制等知识,按键设备驱动相对来说是比较简单的,本章内容可以加深我们对字符设备驱动架构、阻塞与非阻塞、中断定时器等相关知识的理解。在嵌入式的系统中,按键的硬件原理简单,就是通过一个上拉电阻将处理器的外部中断引脚拉高,电阻的另一端接按钮并接地就可

2015-05-16 17:09:08 496

转载 linux中断源码分析 - 软中断(四)

linux中断源码分析 - 软中断(四)本文为原创,转载请注明:http://www.cnblogs.com/tolimit/   在上一篇文章中,我们看到中断实际分为了两个部分,俗称就是一部分是硬中断,一部分是软中断。软中断是专门用于处理中断过程中费时费力的操作,而为什么系统要分硬中断和软中断呢?问得明白点就是为什么需要软中断。我们可以试着想想,如果只有硬中断的情况下

2015-05-16 17:07:05 494

转载 一起学 Unix 环境高级编程 (APUE) 之 信号

一起学 Unix 环境高级编程 (APUE) 之 信号http://www.cnblogs.com/chuyuhuashi/p/4441592.html目录(一) 一起学 Unix 环境高级编程 (APUE) 之 标准IO(二) 一起学 Unix 环境高级编程 (APUE) 之 文件 IO(三) 一起学 Unix 环境高级编程 (APUE) 之 文件和目录(四) 一起学

2015-05-16 16:32:24 832

转载 (九) 一起学 Unix 环境高级编程 (APUE) 之 线程

(九) 一起学 Unix 环境高级编程 (APUE) 之 线程.http://www.cnblogs.com/chuyuhuashi/p/4447817.html.目录(一) 一起学 Unix 环境高级编程 (APUE) 之 标准IO(二) 一起学 Unix 环境高级编程 (APUE) 之 文件 IO(三) 一起学 Unix 环境高级编程 (APUE)

2015-05-16 16:28:58 580

转载 乾坤合一~Linux设备驱动之块设备驱动

乾坤合一~Linux设备驱动之块设备驱动http://www.cnblogs.com/lihuidashen/p/4506781.html1. 题外话  在蜕变成蝶的一系列学习当中,我们已经掌握了大部分Linux驱动的知识,在乾坤合一的分享当中,以综合实例为主要讲解,在一个月的蜕茧成蝶的学习探索当中,觉得数据结构,指针,链表等等占据了代码的大部分框架,这些都需要我们平时

2015-05-16 16:15:18 449

转载 机器学习----分布问题(二元,多元变量分布,Beta,Dir)

机器学习----分布问题(二元,多元变量分布,Beta,Dir)      这涉及到数学的概率问题。      二元变量分布:         伯努利分布,就是0-1分布(比如一次抛硬币,正面朝上概率)         那么一次抛硬币的概率分布如下:              假设训练数据如下:                那么根据最大似然估计(MLE),我们

2015-05-07 23:19:16 1994

转载 MySQL的多表关联与自连接

MySQL的多表关联与自连接自连接测试数据准备CREATE TABLE `t2` ( `id` int(11) NOT NULL, `gid` char(1) DEFAULT NULL, `col1` int(11) DEFAULT NULL, `col2` int(11) DEFAULT NULL, PRIMARY KEY (`id`)) E

2015-05-07 23:18:13 1765

转载 假设一个集合有N篇文章

聚类在数据挖掘领域有很多算法,到底哪个算法效果比较好,根据实际情况应该如何选择哪个算法,是数据分析应该要考虑的问题,简单来说也就是聚类效果评估。假设一个集合有N篇文章那么这个集合的集合对就有C(2N)=N(N−1)2个集合对TP:同一类的文章被分到同一个簇TN:不同类的文章被分到不同簇FP:不同类的文章被分到同一个簇FN:同一类的文章被分到不

2015-05-07 23:09:04 547

转载 springMVC一路总结(一)

pringMVC一路总结(一)      SpringMVC听闻已久,早在去年就被学长问到关于SpringMVC的基础知识,当时也没在意。主要是工作中也没有用到关于SpringMVC的技术,因此免于没有时间和精力的借口就没有接触和学习SpringMVC。      一心以为SpringMVC和Spring的作用相当,也是MVC框架的一部分,此时我说的MVC中的一部分并不是替换Strut

2015-05-07 23:00:57 429

转载 C++11模版元编程

C++11模版元编程http://www.cnblogs.com/qicosmos/p/4480460.html1.概述  模版元编程(template metaprogram)是C++中最复杂也是威力最强大的编程范式,它是一种可以创建和操纵程序的程序。模版元编程完全不同于普通的运行期程序,它很独特,因为模版元程序的执行完全是在编译期,并且模版元程序操纵的数据不能是运行

2015-05-07 22:55:46 1066 1

转载 Linux IO漫谈

Linux IO漫谈本文为原创,转载请注明:http://www.cnblogs.com/gistao/ BackgroundIO可能是我们接触最频繁的系统调用,比如printf到终端,send content到对端,而今天要讨论的仅是Linux平台下访问本机存储设备相关的IO。如果你对IO相关api的优缺点门清,可以忽略这个随笔啦。readread的过程大

2015-05-07 22:41:41 556

转载 完成C++不能做到的事 - Visitor模式

完成C++不能做到的事 - Visitor模式  拿着刚磨好的热咖啡,我坐在了显示器前。“美好的一天又开始了”,我想。  昨晚做完了一个非常困难的任务并送给美国同事Review,因此今天只需要根据他们提出的意见适当修改代码并提交,一周的任务就完成了。剩下的两三天里,我就可以有一些空余的时间看看其它资料来继续充实自己了。  打开Review Board,可以看到我的代码已

2015-05-07 22:38:33 493

转载 第十四章 主成分和因子分析

第十四章:主成分和因子分析本章内容主成分分析探索性因子分析其他潜变量模型主成分分析(PCA)是一种数据降维技巧,它能将大量相关变量转化为一组很少的不相关变量,这些无关变量称为主成分。探索性因子分析(EFA)是一系列用来发现一组变量的潜在结构的方法。它通过寻找一组更小的、潜在的或隐藏的结构来解释已观测到的、显式的变量间的关系。PCA与EFA模型

2015-05-07 22:19:26 2837

转载 Pagerank 算法介绍

C#.NET机器学习与彩票数据分析【原创】机器学习之PageRank算法应用与C#实现(1)算法介绍考虑到知识的复杂性,连续性,将本算法及应用分为3篇文章,请关注,将在本月逐步发表。1.机器学习之PageRank算法应用与C#实现(1)算法介绍2.机器学习之PageRank算法应用与C#实现(2)球队排名应用与C#代码3.机器学习之P

2015-05-07 22:15:38 1288

转载 卡尔曼滤波器算法浅析及matlab实战

卡尔曼滤波器算法浅析及matlab实战http://blog.csdn.net/llp1992/article/details/45370025卡尔曼滤波器是一种利用线性系统状态方程,通过系统输入输出观测数据,对系统状态进行最优估计的算法。而且由于观测包含系统的噪声和干扰的影响,所以最优估计也可看做是滤波过程。卡尔曼滤波器的核心内容就是5条公式,计算简单

2015-05-02 02:02:03 2217

转载 机器学习实战ByMatlab(五)Logistic Regression

机器学习实战ByMatlab(五)Logistic Regressionhttp://blog.csdn.net/llp1992/article/details/45114421什么叫做回归呢?举个例子,我们现在有一些数据点,然后我们打算用一条直线来对这些点进行拟合(该曲线称为最佳拟合曲线),这个拟合过程就被称为回归。利用Logistic回归进行分类的主要思

2015-05-02 02:00:29 884

转载 机器学习实战ByMatlab(四)二分K-means算法

机器学习实战ByMatlab(四)二分K-means算法http://blog.csdn.net/llp1992/article/details/45096063前面我们在是实现K-means算法的时候,提到了它本身存在的缺陷:1.可能收敛到局部最小值 2.在大规模数据集上收敛较慢对于上一篇博文最后说的,当陷入局部最小值的时候,处理方法就是多运行

2015-05-02 01:51:12 828

转载 机器学习实战ByMatlab(三)K-means算法

机器学习实战ByMatlab(三)K-means算法http://blog.csdn.net/llp1992/article/details/45095935K-means算法属于无监督学习聚类算法,其计算步骤还是挺简单的,思想也挺容易理解,而且还可以在思想中体会到EM算法的思想。K-means 算法的优缺点:1.优点:容易实现 2.缺点:可能收敛到局部

2015-05-02 01:48:36 479

转载 机器学习实战ByMatlab(二)PCA算法

机器学习实战ByMatlab(二)PCA算法http://blog.csdn.net/llp1992/article/details/45065609PCA 算法也叫主成分分析(principal components analysis),主要是用于数据降维的。为什么要进行数据降维?因为实际情况中我们的训练数据会存在特征过多或者是特征累赘的问

2015-05-02 01:43:56 1034

转载 深入理解拉格朗日乘子法(Lagrange Multiplier) 和KKT条件

深入理解拉格朗日乘子法(Lagrange Multiplier) 和KKT条件http://blog.csdn.net/llp1992/article/details/45061841在求取有约束条件的优化问题时,拉格朗日乘子法(Lagrange Multiplier) 和KKT条件是非常重要的两个求取方法,对于等式约束的优化问题,可以应用拉格朗日乘子法去求取最

2015-05-02 01:36:40 5492 1

转载 机器学习实战ByMatlab(一)KNN算法

机器学习实战ByMatlab(一)KNN算法http://blog.csdn.net/llp1992/article/details/45114421KNN 算法其实简单的说就是“物以类聚”,也就是将新的没有被分类的点分类为周围的点中大多数属于的类。它采用测量不同特征值之间的距离方法进行分类,思想很简单:如果一个样本的特征空间中最为临近(欧式距离进行判断)的K个点大都属

2015-05-02 01:18:09 6960 4

Go语言编程

这本书从整体的写作风格来说,会以介绍 Go 语言特性为主,示例则尽量采用作者平常的实践,而不是一个没有太大实际意义的语法示范样例。 本书作者背景极强,许式伟为原金山WPS首席架构师、曾是盛大创新院研究员,目前是国内Go语言实践圈子公认的Go语言专家。参与本书写作的几位作者都是实际用Go语言开发的项目的开发人员,有较强的实战经验。 这本书面向的读者是所有打算用Go语言的开发者,主要包括目前使用C、C++、Java、C#的开发人员,甚至一些Python、PHP开发人员也可能转为 Go 程序员。

2015-10-06

30天自制操作系统 PDF 扫描版

30天自制操作系统 PDF 扫描版 好书不解释!

2013-07-10

C++标准程序库_带书签版本

这本包含最新资料的完整书籍,反映出被ANSI/ISO C++语言标准规格书纳入的C++标准程序库的最新组成。更明确地说,这本书将焦点放在标准模板库身上,检验其中的容器、迭代器、仿函数和算法。读者还可以找到特殊容、字串、数值类别、国际化议题、IOStream。每一个元素都有深刻的呈现,包括其介绍、设计、运用实例、细部解说、陷阱、意想不到的危险,以及相关类别和函数的精确樯记式和定义式。

2013-06-25

Effective.C++

C++ 进阶图书。 C++ 开放必看。 C++大神 Scoot Mayers的大作。 PDF高清扫描带书签版。

2013-06-09

无懈可击的web设计

目录   第1章 灵活的文字   1.1 常见的方法   1.2 权衡我们的选择   1.3 无懈可击的方法   1.4 为什么说它是无懈可击的   1.5 有了灵活基础后的操作   1.6 结合使用关键字和百分比值   1.7 本章小结   第2章 可伸缩的导航栏   2.1 常见的方法   2.2 为什么这样做不是无懈可击的   2.3 无懈可击的方法   2.4 为什么这样做是无懈可击的   2.5 其他示例   2.6 本章小结   第3章 可扩展的行   3.1 常见的方法   3.2 为什么这样做不是无懈可击的   3.3 无懈可击的方法   3.4 为什么这样做是无懈可击的   3.5 自适应扩展的另一个例子   3.6 本章小结   第4章 巧妙的浮动   4.1 常见的方法   4.2 无懈可击的方法   4.3 为什么这样做是无懈可击的   4.4 本章小结   第5章 牢固的方框   5.1 常见的方法   5.2 为什么这样做不是无懈可击的   5.3 无懈可击的方法   5.4 为什么这样做是无懈可击的   5.5 其他圆角实现技术   5.6 本章小结   第6章 页面在缺失图片或CSS的情况下仍然易读   6.1 常见的方法   6.2 为什么这样做不是无懈可击的   6.3 无懈可击的方法   6.4 为什么这样做是无懈可击的   6.5 有或者没有样式   6.6 无懈可击的工具   6.7 本章小结   第7章 可转换的表格   7.1 常见的方法   7.2 为什么这样做不是无懈可击的   7.3 无懈可击的方法   7.4 为什么这样做是无懈可击的   7.5 本章小结   第8章 流动的布局   8.1 常见的方法   8.2 为什么这样做不是无懈可击的   8.3 无懈可击的方法   8.4 为什么这样做是无懈可击的   8.5 本章小结   第9章 构成一个整体   9.1 目标   9.2 为什么这样做是无懈可击的   9.3 构建过程   9.4 针对IE的CSS调整   9.5 本章小结

2012-10-27

[五笔打字与输入技巧六日速成].甘登岱.扫描版.pdf

五笔速成,有兴趣的朋友可以看看。 第1日 我要运指如飞 第2日 掌握五笔精髓——字根 第3日 练就五笔神功——汉字输入 第4日 给你一个加速度 第5日 掌握汉字输入技巧 第6日 学习98版五笔字型输入法 附录1 五笔字型单字编码表 附录2 86版五笔字型词汇编码表

2012-10-27

[Objective-C基础教程].Mark.Dalrymple.&.Scott.Knaster.扫描版.pdf

Objective-C是扩展C的面向对象编程语言,也是iPhone开发用到的主要语言。本书结合理论知识与示例程序,全面而系统地讲述Objective-C编程的相关内容,包括Objective-C在C的基础上引入的特性和Cocoa工具包的功能及其中的框架,以及继承、复合、源文件组织等众多重要的面向对象编程技术。附录中还介绍了如何从其他语言过渡到Objective-C。

2012-09-16

java 编程艺术

内容简介 本书揭示了Java程序员如何创建高质量软件的奥秘。Herbert Schildt 和James Holmes两位编程大师通过将Java应用于某些有趣、实用的计算机问题和编程任务中,全面展示了Java语言的强大功能、敏捷性、多样性和艺术性。本书各章内容分别涉及到Java精髓、递归下降的表达式解析器、用Java实现语言解释器、用Java创建下载管理器、用Java实现E-mail客户端和Internet搜索、用Java修饰HTML、显示统计图表、金融应用中的Applet和Servlet、基于AI的问题求解等,每章给出的示例代码都可以直接运行,无需修改,而且读者可以从www.osborne.com站点上免费下载这些代码。本书是亚马逊网站上的五星级图书,相信读者能够通过研读本书大大提高自己的Java开发能力。本书代码示例易懂有趣,设计思想独特,定会使您受益匪浅! 目录 第1章 Java精髓 1 1.1 简单数据类型和对象:完美的平衡 2 1.2 通过垃圾回收实现内存管理 3 1.3 完美的简单多线程模型 3 1.4 完全集成的异常机制 4 1.5 对多态性支持的改进 5 1.6 通过字节码保证可移植性和安全性 5 1.7 丰富的Java API 6 1.8 Applet 7 1.9 继续变革 7 第2章 递归下降的表达式解析器 9 2.1 表达式 10 2.2 解析表达式 11 2.3 表达式的解析 11 2.4 表达式的分解 13 2.5 一个简单的表达式解析器 16 2.6 向解析器中添加变量 24 2.7 递归下降解析器中的语法检查 34 2.8 计算器Applet 34 2.9 一些尝试 37 第3章 使用Java实现语言解释器 38 3.1 解释何种计算机语言 39 3.2 解释器概述 40 3.3 Small BASIC解释器 41 3.4 Small BASIC表达式解析器 61 3.4.1 Small BASIC的表达式 61 3.4.2 Small BASIC的标识符 62 3.5 解释器 66 3.5.1 InterpreterException类 67 3.5.2 SBasic构造函数 67 3.5.3 关键字 68 3.5.4 run()方法 70 3.5.5 sbInterp()方法 71 3.5.6 赋值 72 3.5.7 PRINT语句 73 3.5.8 INPUT语句 75 3.5.9 GOTO语句 76 3.5.10 IF语句 78 3.5.11 FOR循环 79 3.5.12 GOSUB 82 3.5.13 END语句 83 3.6 Small BASIC的使用 83 3.7 对解释器进行增强和扩展 86 3.8 创建自己的计算机语言 86 第4章 使用Java创建下载管理器 88 4.1 深入理解Internet下载流程 89 4.2 下载管理器概述 89 4.3 Download类 90 4.3.1 Download类的变量 94 4.3.2 Download类的构造函数 94 4.3.3 download()方法 95 4.3.4 run()方法 95 4.3.5 stateChanged()方法 99 4.3.6 Action和Accessor方法 99 4.4 ProgressRenderer类 99 4.5 DownloadsTableModel类 100 4.5.1 addDownload()方法 103 4.5.2 clearDownload()方法 103 4.5.3 getColumnClass()方法 103 4.5.4 getValueAt()方法 104 4.5.5 update()方法 104 4.6 DownloadManager类 105 4.6.1 DownloadManager类的变量 111 4.6.2 DownloadManager类的构造函数 111 4.6.3 verifyUrl()方法 111 4.6.4 tableSelectionChanged()方法 112 4.6.5 updateButtons()方法 113 4.6.6 动作事件的处理 114 4.7 编译并运行下载管理器 114 4.8 改进下载管理器 115 第5章 用Java实现E-mail客户端 116 5.1 E-mail内幕 117 5.1.1 POP3 117 5.1.2 IMAP 117 5.1.3 SMTP 118 5.1.4 发送和接收E-mail的一般过程 118 5.2 JavaMail API 118 5.3 一个简单的E-mail客户端 120 5.3.1 ConnectDialog类 121 5.3.2 DownloadingDialog类 126 5.3.3 MessageDialog类 128 5.3.4 MessagesTableModel类 135 5.3.5 EmailClient类 139 5.4 编译并运行E-mail客户端 156 5.5 对基本E-mail客户端的扩展 157 第6章 使用Java搜索Internet 158 6.1 Web搜索程序基础 159 6.2 遵守Robot协议 160 6.3 Search Crawler概述 161 6.4 SearchCrawler类 162 6.4.1 SearchCrawler类的变量 179 6.4.2 SearchCrawler类的构造函数 179 6.4.3 actionSearch()方法 180 6.4.4 search()方法 182 6.4.5 showError()方法 185 6.4.6 updateStats()方法 185 6.4.7 addMatch()方法 186 6.4.8 verifyUrl()方法 187 6.4.9 isRobotAllowed()方法 188 6.4.10 downloadPage()方法 190 6.4.11 removeWwwFromUrl()方法 191 6.4.12 retrieveLinks()方法 192 6.4.13 searchStringMatches()方法 198 6.4.14 crawl()方法 199 6.5 Web搜索程序的编译与运行 202 6.6 对Web搜索程序的思考 203 第7章 使用Java提交HTML 205 7.1 使用JEditorPane提交HTML 206 7.2 处理超链接事件 206 7.3 编写Mini Web浏览器 207 7.3.1 MiniBrowser类 208 7.3.2 MiniBrowser类的变量 213 7.3.3 MiniBrowser类的构造函数 214 7.3.4 actionBack()方法 214 7.3.5 actionForward()方法 215 7.3.6 actionGo()方法 215 7.3.7 showError()方法 216 7.3.8 verifyUrl()方法 216 7.3.9 showPage()方法 217 7.3.10 updateButtons()方法 218 7.3.11 hyperlinkUpdate()方法 219 7.4 Mini Web浏览器的编译与运行 220 7.5 HTML提交程序的应用前景 221 第8章 统计. 图表与Java 222 8.1 样本. 总体. 分布与变量 223 8.2 基本统计值 223 8.2.1 平均数 224 8.2.2 中位数 224 8.2.3 众数 225 8.3 方差和标准差 227 8.4 回归方程式 228 8.5 Stats类的完整代码 232 8.6 绘图数据 235 8.6.1 数据的缩放 236 8.6.2 Graphs类 236 8.6.3 Graphs类的final变量和实例变量 241 8.6.4 Graphs类的构造函数 242 8.6.5 paint()方法 244 8.6.6 bargraph()方法 247 8.6.7 scatter()方法 247 8.6.8 regplot()方法 248 8.7 一个统计表的应用 248 8.7.1 StatsWin类的构造函数 253 8.7.2 itemStateChanged()事件处理器 254 8.7.3 actionPerformed()方法 255 8.7.4 shutdown()方法 255 8.7.5 createMenu()方法 255 8.7.6 DataWin类 255 8.7.7 联合使用 256 8.8 创建一个简单的统计Applet 258 8.9 一点尝试 260 第9章 金融应用中的Applet和Servlet 261 9.1 计算贷款的定期还款额 262 9.1.1 RegPay的成员 266 9.1.2 init()方法 266 9.1.3 actionPerformed()方法 269 9.1.4 paint()方法 269 9.1.5 compute()方法 270 9.2 计算投资的长期收益 270 9.3 计算达到某项长期收益目标所需的投资本金 274 9.4 计算达到某项期望年金所需的初始投资 278 9.5 根据给定投资计算年金的最大值 282 9.6 计算某项贷款的账户余额 286 9.7 创建用于金融类计算的Servlet 290 9.7.1 使用Tomcat 291 9.7.2 测试Servlet 291 9.7.3 把RegPay转换成Servlet 292 9.7.4 RegPayS程序 292 9.8 一些尝试 296 第10章 基于AI的问题求解 297 10.1 表示法和相关术语 298 10.2 组合爆炸问题 299 10.3 搜索技术 300 10.4 问题的描述 301 10.5 FlightInfo类 303 10.6 深度优先搜索 304 10.7 广度优先搜索 313 10.8 添加启发信息 316 10.8.1 爬山搜索 317 10.8.2 爬山搜索的分析 322 10.8.3 最小代价搜索 323 10.8.4 最小代价搜索的分析 324 10.9 查找多个解 324 10.9.1 路径删除 325 10.9.2 节点删除 326 10.10 查找最优解 331 10.11 回到丢失钥匙的例子 336

2012-09-16

[模式识别].(希腊)西奥多里蒂斯.清晰版.djvu

[模式识别].(希腊)西奥多里蒂斯.清晰版.djvu 模式识别领域非常不错的一本教材

2012-09-08

[机器人学的几何基础].(英国)Selig.清晰版

一本很牛的书,哪怕只看懂此书的皮毛也会有巨大的收获

2012-08-03

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章?
取消 删除