qq_39917365的博客

原创 ArrayList扩容原理

1. ArrayList的初始化//默认初始容量大小 private static final int DEFAULT_CAPACITY = 10;private static final Object[] EMPTY_ELEMENTDATA = {};private static final Object[] DEFAULTCAPACITY_EMPTY_ELEMENTDATA = {};transient Object[] elementData; // non-private to si

原创 Maven 报错：Cannot resolve plugin org.apache.maven.plugins:maven-resources-plugin:2.6

新建maven项目导入包时，报错Cannot resolve plugin org.apache.maven.plugins:maven-resources-plugin:2.6只需在pom.xml中添加如下：<dependency> <groupId>org.apache.maven.plugins</groupId> <artifactId>maven-resources-plugin</arti

原创 spring boot文件解析01

https://blog.csdn.net/u010358168/article/details/80828913

原创 tomcat和servlet的关系

这张图应该可以比较清楚地描述tomcat和servlet之间的关系，应该说，tomcat本身就是一个servlet容器，它里面包含着许多处理具体请求的servlet容器。早期，web技术主要用于浏览静态页面：然而随着时间发展，用户已经不满足于仅浏览静态页面。用户需要一些交互操作，获取一些动态结果。如果基于HTTP协议实现服务器端软件增强功能太过 复杂，所以需要一些扩展机制来实现用户想要的功能。早期使用的Web服务器扩展机制是CGI（Common Gateway Interface，公共网关接口）。

原创 算法的空间复杂度

原创 算法的时间复杂度

1. 如何评估算法的时间开销？如果让算法先运行事后统计运行时间，存在什么问题？和机器性能有关，比如超级计算机vs单片机和编程语言有关，越高级的语言执行效率越低和编译程序产生的机器质量质量有关有些算法是不能事后再统计的，如：导弹控制算法能够排除与算法本身无关的外界因素，以及能否事先估计呢？算法的时间复杂度应该是事前预估算法时间开销T(n)T(n)T(n)与问题规模nnn的关系。2.常见数据结构基本操作的时间复杂度分析数据结构查找插入删除遍历无序数组O

原创 数据结构之树

1. 树的概念在计算器科学中，树（英语：tree）是一种抽象数据类型或是实现这种抽象数据类型的数据结构，用来模拟具有树状结构性质的数据集合。它是由n（n>0）个有限结点组成一个具有层次关系的集合。把它叫做“树”是因为它看起来像一棵倒挂的树，也就是说它是根朝上，而叶朝下的。它具有以下的特点：①每个结点有零个或多个子结点；②没有父结点的结点称为根结点；③每一个非根结点有且只有一个父结点；④除了根结点外，每个子结点可以分为多个不相交的子树；2. 树的常用概念2.1 度树的结点包含一个数据和

原创 十种排序总结一下

排序算法说明：定义：将一组杂乱无章的数据按一定规律顺次排列起来，例如：输入：a1, a2, a3, ..., an输出：a1' , a2' , a3' ,..., an'(满足a1' <= a2' <=a3' <= ...<=an'排列)算法性能评估术语稳定：如果a原本在b前面，而a=b时，排序之后a仍然在b的前面。不稳定：如果a原本在b的前面，而a=b时，排序之后a可能出现在b的后面。内排序(In-place)：所有排序操作都在内存中完成。外排序(Out-pla

原创 Generative Adversarial Zero-shot Learning via Knowledge Graphs翻译

Generative Adversarial Zero-shot Learning via Knowledge GraphsAbstract：零样本学习(ZSL)是处理那些没有标记训练数据的看不见的类的预测。近年来，生成式对抗网络(generative Adversarial Networks, GANs)等生成方法因其较高的准确率和泛化能力而受到广泛的研究。但是，目前使用的类边缘信息仅限于文本描述和属性注释，缺乏类的语义。本文通过将知识图中的丰富语义结合到知识图中，提出了一种新的生成式ZSL方法——

原创 Generative Adversarial Zero-Shot Relational Learning(翻译)

Generative Adversarial Zero-Shot Relational Learning for Knowledge Graphs摘要大规模知识图(KGs)在当前的信息系统中越来越重要。为了扩大知识图谱的覆盖范围，以往关于知识图谱完成的研究需要为新增加的关系收集足够的培训实例。在这篇论文中，我们考虑一个新的公式，零射击学习，以解放这种繁琐的管理。对于新添加的关系，我们试图从它们的文本描述中学习它们的语义特征，从而识别出没有实例可见的不可见关系的事实。为此，我们利用生成对抗网络(Gene

原创 单链表常见操作(添加，删除，判断是否有环)

package com.wqjsmile.leetcode;public class lianbiaoyouhuan { public static void main(String[] args) { MyLinkedList myLinkedList = new MyLinkedList(); //添加链表结点 myLinkedList.addNode(9); myLinkedList.addNode(8); m

原创 华为od机试题

输入n个数组，每次取出k项添加到空数组，最后打印这个数组例子：3个数组 每次2位1,2,3,4,56,7,8,9,1011,12,13第一轮1 2 6 7 11 12第二轮3 4 8 9 13第三轮5 10结果就是 1,2,6,7,11,12,3,4,8,9,13,5,10class Solution{ public int[] poll_k_items( int[][] a, int k) { //记录a的元素个数 int len = 0;

原创 Java笔记

Java小白一枚，跟着B站杜老师零基础学Java，做了一些课程笔记，发布到Github上了，分享给大家，希望有所帮助~~https://github.com/wqjsmile/Java-Learning-Notes

翻译 ZERO-SHOT LEARNING WITH COMMON SENSE KNOWLEDGE GRAPHS

ZERO-SHOT LEARNING WITH COMMON SENSE KNOWLEDGE GRAPHSABSTRACT零样本学习依赖语义类表示，如手工设计的属性或学习的嵌入，来预测没有任何标记示例的类。常识知识图是未开发的显式高级知识来源，它不需要多少人力就能应用到一系列任务中，我们建议从常识知识图中学习类表示。为了捕获图中的知识，我们引入了一个通用框架ZSL-KG，该框架使用一种新的图卷积网络(TrGCN)来生成类表示。我们提出的TrGCN架构计算节点邻域的非线性组合，并导致零样本学习任务的显著改

翻译 SCAN Learning to Classify Images without Labels(翻译)

SCAN Learning to Classify Images without LabelsAbstract如果没有ground truth，我们是否可以将图像自动分组为语义上有意义的簇？无监督图像分类的任务仍然是计算机视觉中的重要且公开的挑战。最近有几种方法试图以端到端的方式解决这个问题。在本文中，我们偏离了最近的工作，并提倡一种将特征学习和聚类分离的两步方法。首先，采用来自表示学习的自我监督任务来获得语义上有意义的特征。其次，我们将获得的特征作为可学习的聚类方法的先验。这样做，我们消除了聚类学习依

原创 Win10小喇叭显示红叉，显示未找到输出设备的解决方式

最近遇到一个问题，重装win10系统之后，新系统右下角的小喇叭一直显示红叉，右击显示“扬声器安装程序unknown”，查了网上很多的教程，不是通过驱动精灵、鲁大师重新安装声卡驱动，就是将声卡驱动回退回原来版本，但是均未有起效。后来找到一种解决方式：关键在于从控制面板中找到Realtek高清晰音频管理器，我的新系统在控制面板中并没有“Realtek高清晰音频管理器”这个选项，然后我是从文件资源管理器中找到的，具体路径为：C:\Program Files (x86)\Realtek\Audio\Drivers

原创 未解决问题

遇到两个问题，到现在也没有解决：pycharm 最近在运行代码时，总会弹出一个Debug框，提示Edit Configurations,网上找的教程都是说没配置python编译器，可是我明明已经配置好了。这个框还是始终无法消除。附上截图：window系统打开cmd，输入python，就会弹出这个窗口，让输入命令号码，而且输什么都没用。而且按回车之后甚至会掉调起Microsoft Store。奇了怪了…...

原创 MYSQL语句

本文是学习《MySQL必知必会》过程中记录的学习笔记，与大家分享~《MySQL必知必会》链接：https://pan.baidu.com/s/1JV48foIMJpDaa8QjAqDBeg 提取码：7e9e作用：选择数据库输入：USE 数据库名;输出：Database changed作用：了解数据库和表输入：SHOW DATABASES;输出：返回当前选择的数据库的列表作用：获得数据库内表的列表输入：SHOW TABLES;输出：返回当前选择的数据库内可用表的列表作用：显示

转载 Imagenet和wordnet的联系

Imagenet数据集是由根据WordNet层次结构(目前只有名词)组织的图像数据库，其中层次结构的每个节点都有成百上千的图像。其总共有大约21K类，每一类节点对应一个wnid（WordNet ID of class），1500多万张图片，如下图展示了32326类的Imagetnet数据集组织形式。常用的为ISLVRC 2012（ImageNet Large Scale Visual Recognition Challenge）比赛用的子数据集，其中：训练集：1,281,167张图片+标签验证集

翻译 Attribute Propagation Network for Graph Zero-shot Learning翻译

Attribute Propagation Network for Graph Zero-shot Learning摘要零射击学习(ZSL)的目标是训练一个模型来分类在训练期间没有看到的样本。为了解决这个具有挑战性的任务，大多数ZSL方法通过一组预定义的属性将不可见的测试类与可见的(训练)类关联起来，这些属性可以在相同的语义空间中描述所有类，因此在训练类中学习的知识可以适用于不可见的类。在本文中，我们的目标是优化ZSL的属性空间，通过训练一种传播机制，在类图上基于类的邻居和相关类精炼每个类的语义属性。我

转载 Pytorch 多GPU训练指北

最近训练模型时常常遇到"cuda out of memory"的问题，后来尝试了一些多GPU并行训练的方法，但是结果是多GPU训练的效果并不如多GPU训练的效果，碰巧看到了一篇文章，对于多GPU训练的代码写法进行了不错的总结，记录一下：博客链接：https://oldpan.me/archives/pytorch-to-use-multiple-gpus...

原创 GCN代码思路整理

之前对GCN的理解始终不清不楚，今天根据代码仔细理解了一下，其实这份代码已经有不少人都做过注释，注释也很详细，这里有一篇博客写的非常详细，附上GCN论文源码超级详细注释讲解。原代码来自于Github，链接为：Graph Convolutional Networks in PyTorch。以下为个人理解部分：GCN代码主体有4个py文件：layers.py models.py train.py utils.py一、layers.py 定义了一个图卷积的类。这个图卷积只有一层结构，所以

原创 word2vec入门代码

import numpy as npimport torchfrom torch import nn, optimimport randomfrom collections import Counterimport matplotlib.pyplot as plt# 训练数据text = "I like dog i like cat i like animal dog cat animal apple cat dog like dog fish milk like dog \cat eye

原创 Pytorch代码模板(可套用)

代码来源：https://github.com/LianHaiMiao/pytorch-lesson-zh，在学习这份代码时添加了一点思考，并修改了一些写法，添加了一些必要的注释。没有抄袭的想法， 只是觉得作者的代码很好，学习过程中记录一下，并自己理解总结一下，持续更新…一、构建一个线性回归器# -- coding: utf-8 --import torchfrom torch.autograd import Variable """如果用numpy或者Tensor来实现神经网络，需要手.

翻译 AutoML-A survey of the state-of-the art翻译+总结

AutoML： A Survey of the State-of-the-ArtAbstract深度学习(DL)技术已经渗透到我们生活的各个方面，给我们带来了极大的方便。然而，为特定任务构建高质量的DL系统高度依赖于人类的专业知识，这阻碍了DL在更多领域的应用。自动机器学习(AutoML)是一种有前途的解决方案，AutoML的目标是建立一个不需要人干涉的DL系统。在这篇文章中，作者介绍了AutoML领域最先进技术以及其发展情况。首先，作者根据介绍AutoML的流水线式方法，包括数据准备、特征工程、超

翻译 AutoSF- Searching Scoring Functions for Knowledge Graph Embedding

AutoSF: Searching Scoring Functions for Knowledge Graph EmbeddingAbstract衡量知识图(KG)中三元组合理性的得分函数(SFs)已成为KG嵌入的关键。近年来，人类已经设计了许多以捕获KGs中各种关系为目标的SFs。然而，由于关系可以呈现出复杂的模式，这些模式在训练前很难推断出来，因此在现有的基准数据集上，没有一个关系能够始终如一地比其他关系表现得更好。在本文中，受自动化机器学习(AutoML)最近成功的启发，我们建议使用AutoML

原创 ROC曲线的阈值确定与平衡点确定

ROC曲线实际上是多个混淆矩阵的结果组合，以疾病检测为例，这是一个有监督的二分类模型，模型对每个样本的预测结果为一个概率值，我们需要从中选取一个阈值来判断健康与否。定义好一个阈值之后，超过此阈值定义为不健康，低于此阈值定义为健康，就可以得出混淆矩阵。而如果在上述模型中没有定义好阈值，而是将模型预测结果从高到低排序(排不排序都一样，因为我们需要用作作图的TPR和FPR都是根据这些概率值计算出来的，现在不排序，等据图画图的时候也得排序)，将每次概率值依次作为阈值，那么就可以得到多个混淆矩阵。对于每个混淆矩阵，我

原创 不平衡数据处理方法总结(学习笔记)

本文资料收集于互联网，内容大部分为转载+汇总，主要是针对不平衡数据的处理进行一个总结，以便日后翻阅。常用的分类算法一般假设不同类的比例是均衡的，但是现实生活中经常遇到不平衡的数据集，比如广告点击预测(点击转化率一般都很小)、商品推荐(推荐的商品被购买的比例很低)、信用卡欺诈检测等等。对于不平衡数据集，一般的分类算法都倾向于将样本划分到多数类，体现在模型整体的准确率很高，但是对于极不均衡的分类问题，比如1%-99%的比例，模型会将所有样本都分到99%的类里，这样的模型是没有用的，于是在类不平衡情况下， 一般

原创 聚类算法——DBSCAN概要

DBSCAN是一种基于密度的聚类算法，直观效果上看，DBSCAN算法可以找到样本点的全部密集区域，并把这些密集区域当做一个一个聚类簇。DBSCAN算法首先将样本点分类为：(1)稠密区域内部的点(核心点，领域半径EPS内样本点的数量大于等于minpoints的点)，(2)稠密区域边缘上的点(边界点，不属于核心点但在某个核心点的邻域内的点),(3)稀疏区域的点(噪声或背景点)。样本点的关系有四种：密度直达、密度可达、密度相连、非密度相连。如果P为核心点，Q在P的R邻域内，那么称P到Q密度直达

原创 世界各国在海洋探索领域的进展

    随着海洋信息化的发展和各类探测设备的不断进步，海洋数据体量已经呈现出爆炸性增长的状态，海洋领域已经进入了大数据时代，全方位、连续、多源、立体的观测使得海洋数据的存量已经达到EB级别，日增量也达到了TB级别。世界各国都在积极推动海洋领域的发展，建立起覆盖全国甚至全球的海洋观测网络，通过形式多样的探测设备获取海洋实时的数据，形成数量庞大的海洋数据库。庞大的数据体量向从海量数据中挖掘信息的技术提出了更高的挑战，如何提取更有用的信息，并将其应用于海洋科学的各个领域，已经成了未来海洋科学发展的重点问题。本节从

转载 Aurora应用到word中

word虽然应用非常广泛，但是他对于数学公式来说非常不友好，编写出来的公式排版非常不工整，于是就有了latex优美的排版，但是如何把latex应用到word中呢，我查到一个word插件，叫Aurora，这个插件可以在word里插入公式，但是在安装这个插件的过程中遇到了诸多问题，查来查去，最后是找到的一篇链接解决了我的问题：http://www.yuerya.me/post/aurora-%7C-latex-in-word...

原创 人工智能技术发展概述

当前人工智能发展如火如荼，已经衍生出了许多应用技术，具体而言，可以分为13个领域：机器学习、计算机视觉、知识工程、自然语言处理、语音识别、计算机图形学、多媒体技术、人机交互技术、机器人、数据库技术、可视化技术、数据挖掘、信息检索与推荐。机器学习机器学习是一门多领域交叉学科，设计概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。机器学习技术专门研究计算计算机怎样模拟或实现人类的学习行为，以获取新的知识技能，重新组织已有的知识结构，从而使之不断改善自身的性能。机器学习有许多经典算法：包括监督学习

原创 Python中的Matplotlib用法

Matplotlib是Python的绘图库，不仅具备强大的绘图功能，还能够在很多平台上使用，所以掌握用它画图的技能很有必要。Matplotlib的安装我们可以通过Anaconda中的命或者“pip install matplotlib"语句来安装Matplotlib,在安装完成后通过运行import matplotlib语句，来检验安装是否成功。如果没有输出报错，则说明安装没有问题，可以正常使用。在实际应用中，我们同样习惯于将“import matplotlib写成“ import matplotl

转载 EndnoteX9最详细，最认真，最用心的教程

最近在学习Endnote这一款软件，了解之后才发现这款软件在文献管理方面的高效性，后来为了学习endnote的功能，我找了好多入门教程，但是都不是很满意，后来，我还真的找到了一个目前为止我认为是最详细、最认真的教程，为了让更多需要endnote的人能更快的入门，我把这套资源分享给大家~~链接为：https://zhuanlan.zhihu.com/p/49804810名字：《手把手教你使用EndNote X9》Github: https://github.com/wanzhenchn/EndNote_

翻译 《Adversarial learning for weakly-supervised social network alignment》翻译

如今，一个自然人加入多个社交网络来享受不同种类的服务是很常见的。跨多个社交网络连接相同的用户，也称为社交网络对齐，是一个重大的研究挑战的重要问题。现有的方法通常在成对的样本级别上链接社会身份，当可用的注释数量有限时，这可能导致性能表现并不优越。在同构信息的激励下，本文将社交网络中的所有身份作为一个整体来考虑，并从分布层面对社交网络进行对齐。我们的目标是学习一个投影函数，不仅最小化两个社交网络中用户身份分布的距离，而且将可用的标注作为学习指导。我们提出了三种模型$SNNA_u$、$SNNA_b$和$SNNA_

转载 网络对齐入门

网络实体对齐是指给定两个网络，把两个网络中等价的实体合并，实体对齐在很多领域具有重要应用，比如跨平台社交网络的用户对齐可以用于用户画像、用户兴趣挖掘，跨语言知识图谱的实体对齐可以辅助机器翻译、跨语言信息检索。传统的方法在做实体对齐任务时主要有两种思路。一种是基于实体的标签信息，例如社交网络的用户昵称、知识图谱的实体名称。其效果在实际应用时并不理想，例如社交网络中，用户昵称存在重名、匿名和多用...

原创 《python数据挖掘入门与实践》第4章代码(亲测有效）

import osimport pandas as pddata_folder = os.path.join("ml-100k")ratings_filename = os.path.join(data_folder, "u.data")all_ratings = pd.read_csv(ratings_filename, delimiter="\t", ...

转载 Apriori算法

Apriori算法​ Apriori算法是常用的用于挖掘出数据关联规则的算法，它用来找出数据值中频繁出现的数据集合，有助于我们做一些决策。比如在常见的超市购物数据集，或者电商的网购数据集中，如果我们找到了频繁出现的数据集，那么对于超市，我们可以优化产品的位置摆放，对于电商，我们可以优化商品所在的仓库位置，达到节约成本，增加经济效益的目的。(1) 频繁项集的评估标准​ 什么样的数据才是频繁...

原创 机器学习及深度学习技术在海洋科学方面的应用

目前机器学习及深度学习技术在海洋科学方面的应用大概有以下几方面：（1）监测海洋生物多样性(Monitoring marine biodiversity)Bermant P C等人将机器学习技术运用到对抹香鲸生物声学的研究，利用卷积网络来构造回声定位点击检测器，旨在对抹香鲸声学数据生成的频谱图进行分类。实验结果展示点击检测器在对650个频谱图进行分类时达到了99.5％的准确度。[1] 。为了解...