ex_6450的博客

（本人找了一上午404错误的问题，后面找到关于jsp不能放在自己创建的包上会导致路径出错，最后解决了页面404的问题）.jsp文件不能放到另外的Package包中，会一直报404错误，最好还是放在webapp目录下。如果浏览器地址栏的地址和代码请求的路径一致，依然报404错误，看eclipse的tomcat有没有启动。通俗的讲就是当用户输入了错误的链接时，返回的页面。例如，该表单提交的的路径messageServlet，启动服务器后发现404错误，可从路径上寻找原因。再运行Tomcat就可以解决问题了。

Connection对象调用方法没有做一个异常抛出，从而导致报错为Unhandled exception type Exception，做一个try-catch异常抛出的处理就可以解决了。

先点击Java Build Path，选择Libraries，再选择Add External JAPs…，导入自己下载的jar包，刷新就可以了。右击项目选择Build Path，再选择Configure Build Path…二、 eclipse导入jar包方式。

在Servlet中编写html的画面输出不是好的主意，在JSP上编写Java语言也不是很建议；对于Java程序代码与呈现画面的html等混杂在一起，非但撰写不易、日后对维护人员也不友好，而且对大型项目的分工合作也是一大困扰，将来若需要转换为其它页面模板技术上也会遇到很大麻烦。MVC是Model、View、Controller的缩写，是编写JSP的一种模式。Model是模型层也称为数据可持续层主要用到JavaBean技术实现对业务逻辑处理，数据类（结果的保存）View是视图层。

打开setting，选择Build,Execution,Deplyment，再选择Build Tools，点击Maven，会出现下图。由于创建Maven工程时引入一些新的依赖，或者加入了新的实体类，mapper映射，我们都会选择。设置完成后，点击apply和ok重新构建项目即可。（即重新刷新下载Maven依赖）原因：IDEA的maven地址设置出错，系统找不到指定的maven路径。IDEA 导入maven项目，会报错。点击install下载依赖出现错误。

Language level is invalid or missing in pom.xml. Current project JDK is 18. Specify language level insql-father-backend（项目名称）在做maven项目时经常会报这种错误：java：错误：不支持发行版本5。因为在项目中Java编译器中。这种方式不太好，因为一旦后面修改了pom.xml文件，这里的设置就可能又会被自动设置为1.5。

在idea中连接数据库提示下载依赖，依赖下载不成功会。：检查自己的配置镜像有没有配错。

在对项目中的web.xml进行配置时，遇到如下错误，大概的翻译如下：“身份约束“ web-common-servlet-name-uniqueness”字段与元素“ web-app”匹配，但该元素没有简单的类型。.sun.com/xml/ns/javaee”，web.xml文件报错信息全都没有了，且可以正常运行！由于有些项目创建后没有web.xml，要手动点击后才显示。.sun.com/xml/ns/javaee” 中的。，具体如下：xmlns=“http://将上面 xmlns=“http://

原因分析：在java web工程下没有引入中间件（服务器tomcat）运行的library。在eclipse中导入项目后常出现的问题。Java web导入项目后出现“

拿到一堆数据，首先我们是要对其进行数据的预处理，其中数据存在一些值为空或者是我们不想要的数据，对其进行删除或者是修改数据值。下面是对于该例子进行删除和修改：>>> dfout[]:0 10000 23 男1 15000 34 女2 23000 21 男3 0 20 女4 28500 0 男5 35000 37 男。

对于多项式回归方法来说，若你的数据点不适合线性回归(就是直线大部分不穿过数据点)，那么使用该方法就比较合适。并且多项式回归像线性回归一样，都是用变量 x 和 y 之间的关系来找到绘制数据点线最好的方法。

周志华的《机器学习》介绍学习向量量化（LVQ）中可以知道，LVQ也是基于原型的聚类算法，与K-Means不同的是，LVQ使用样本真实类标记辅助聚类，首先LVQ根据样本的类标记，从各类中分别随机选出一个样本作为该类簇的原型，从而组成了一个原型特征向量组，接着从样本集中随机挑选一个样本，计算其与原型向量组中每个向量的距离，并选取距离最小的原型向量所在的类簇作为它的划分结果，再与真实类标比较。LVQ算法的流程如下所示：统计样本的类别，假设一共有q类，初始化为原型向量的标记为{t1,t2,……,tq}。

【代码】Matlab算法模版（一）——模拟退火和灰色预测。

在市场的经济活动中，经常会遇到某一市场现象的发展和变化取决于几个影响因素的情况，也就是一个因变量和几个自变量有依存关系的情况。而且有时几个影响因素主次难以区分，或者有的因素虽属次要，但也不能略去其作用。例如，某一商品的销售量既与人口的增长变化有关，也与商品价格变化有关。这时采用一元回归分析预测法进行预测是难以奏效的，需要采用多元回归分析预测法。多元回归分析预测法，是指通过对两个或两个以上的自变量与一个因变量的相关分析，建立预测模型进行预测的方法。当自变量与因变量之间存在线性关系时，称为多元线性回归分析。

模拟退火算法的应用很广泛，可以高效地求解NP完全问题，如旅行商问题(Travelling Salesman Problem，简记为TSP)、最大截问题(Max Cut Problem)、0-1背包问题(Zero One Knapsack Problem)、图着色问题(Graph Colouring Problem)等等，但其参数难以控制，不能保证一次就收敛到最优值，一般需要多次尝试才能获得（大部分情况下还是会陷入局部最优值）。观察模拟退火算法的过程，具有以下主要优势迭代搜索效率高，并且可以并行化；...

问题1：如何用多种群来进行单目标优化下面代码是通过加multi来构建SEGA进化算法来进行多种群进化优化：上述代码输出为：差分进化DE_rand_1_bin算法算法描述:差分进化DE_rand_1_bin算法构造函数：主要参数说明：代码为：输出为：2.2例2是展示了一个带约束的单目标旅行商问题的求解。问题2：代码如下：输出为：matplotlib绘制路线图为：问题3：代码为：输出为：问题4：模型：分析：该问题可以单纯用实整数编码’RI’来实现，但由于有一个”x3,

Geatpy是一个高性能实用型进化算法工具箱，可用于求解单目标优化、多目标优化、复杂约束优化、组合优化、混合编码进化优化等。内部封装了多种算法，包括遗传算法，差分进化算法，群粒子算法，模拟退火算法等。1.方法一def aimFunc(pop) : # 定义目标函数（含约束） Vars = pop . Phen。...

FpGrowth算法通过构造一个树结构来压缩数据记录，使得挖掘频繁项集只需要扫描两次数据记录，而且该算法不需要生成候选集合，所以效率会比较高。FP-Tree（频繁模式树）：是一个树形结构，包括一个频繁项组成的头表，一个标记为null的根结点，它的子结点为一个项前缀子树的集合。频繁项：单个项目的支持度超过最小支持度则称其为频繁项（frequentitem）。频繁头表：频繁项头表的每个表项由两个域组成，一个是项目名称，一个是链表指针，指向下一个相同项目名称的结点。生成FP-Growth树。......

DBSCAN算法优缺点优点1）不需要划分个数。跟 K-means 比起来，DBSCAN 不需要人为地制定划分的类别个数，而可以通 过计算过程自动分出。2）可以处理噪声点。经过 DBSCAN 的计算，那些距离较远的数据不会被记入到任何一个簇中，从而成为噪声点，这个特色也可以用来寻找异常点。3）可以处理任意形状的空间聚类问题。从我们的例子就可以看出来，与 K-means不同，DBSCAN 可以处理各种奇怪的形状，只要这些数据够稠密就可以了。缺点1）需要指定最小样本量和半径两个参数。...

聚类是将数据集中某些方面相似的数据划分在一起，给定简单的规则，对数据集进行分堆，是一种无监督学习。聚类集合中，处于相同聚类中的数据彼此是相似的，处于不同聚类中的元素彼此是不同的。由于在聚类中那些表示数据类别的分组信息或类标是没有的，即这些数据是没有标签的，所有聚类又被称为无监督学习（Unsupervised Learning）。K-means算法一种自下而上的聚类方法，是采用划分法来实现。K-means算法的优缺点：优点简洁明了，计算复杂度低。收敛速度较快。......