- 博客(10)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 生产者和消费者案例
生产者和消费者问题是一个经典的线程(进程)同步问题。他们之间有一个共用的缓存区,在缓存区为空时生产者生产物品投入缓存池,缓存池非空的时候,消费者就可以从缓存池中取走物品。SharedResource.javapackage com._520it.day02._producer_consumer;// 共享的资源public class ShapedResource { pri...
2019-09-29 21:30:43
817
1
原创 Java 线程同步-同步方法
方式1 : 同步代码块方式2 :同步方法方式3 :单例模式-懒加载方式4 :同步锁同步代码块synchronized(同步锁){ 需要同步操作的代码}同步锁 : 为了保证每个线程都能正常执行原子操作,java 引入线程同步机制。同步监听对象/同步锁/同步监听器/互斥锁。对象的同步锁只是一个概念,可以想象为在对象上标记了一个锁。...
2019-09-27 20:50:21
175
原创 Java 线程实现
创建和启动线程,传统有两种方式 :方式1 : 继承 Thread 类 ;方式2 : 实现Runnable 接口 ;方式1 :定义一个类 A 继承与 java.lang.Thread类 在 A 类中覆盖Thread类的 run 方法 我们在 run 方法中编写需要执行的操作 --> run方法里的线程执行体 在 main 方法(线程)中 , 创建线程对象,并...
2019-09-26 17:06:39
109
原创 python 按照有序文件名顺序读取
用 os.listdir(path) 会打乱原有的文件顺序 , 需要进行一下排序 。 文件组织为 :代码 :import tensorflow as tfimport numpy as npimport osimage_name = 'img_4.jpg'trainImage_path = r'./garbage_classify/train_data'...
2019-09-18 15:56:54
5388
1
原创 机器学习 -- 密度聚类(DBSCAN)
密度聚类 密度聚类也称"基于密度的聚类"(density-based clustering) ,次类算法假设聚类结构能通过样本分布的紧密程度确定。通常情况下,密度聚类从样本密度的角度来考察样本之间的可连接线,并基于可连接样本不断扩展聚类簇以获得最终的聚类结果。 DBSCAN 是一种著名的密度聚类算法,它基于一组 "邻域" 参数 (, Minpts) 来刻画样本分布的紧密程度...
2019-09-07 21:14:20
1005
原创 对数图
所谓对数图就是用对数坐标绘制的图形。对于对数刻度来说,其间隔表示的是变量的值在数量级上的变化,这与线性刻度有很大的不同。对数图分为双对数图和半对数图, 所谓双对数图是两个坐标轴都采用对数刻度,对应的函数 是 plt.loglog() ,半对数分为 plt.semilogx() 和 plt.semilogy() , 即一个坐标轴采用对数,另一个不采用 。示例 :import matp...
2019-09-05 17:30:01
3637
原创 TOPSIS 法
（续例 10.1）用 TOPSIS 法进行评价TOPSIS 法的具体算法如下：需要文件数据的发邮箱代码:matlibclc, cleara=textread('data3.txt');[m,n]=size(a);n=n-1 ; for j=1:nb(:,j)=a(:,j)/norm(a(:,j)); %向量规划化endcstar=ma...
2019-09-02 21:14:30
8677
10
原创 灰色关联度
利用灰色关联度对 10 个学生进行评价排序。灰色关联度分析具体步骤如下：1. 确定比较对象（评价对象）和参考数列（评价标准）这里评价对象的个数为 m = 10 , 评价指标变量有 8 个比较数列为 这里是第 i 个评价对象关于第 k个指标变量 的取值 。参考数列为, 这里= 100 ,。参考数列是一个最好评价对象的各指标中值。2．对指标...
2019-09-02 16:52:31
15379
原创 层次分析法
例 10.2 （续例 10.1）利用层次分析法对 10 个学生进行评价排序。用层次分析法进行评价，实际上就是求指标变量的 权重向量就会首先给出指标重要性的两两比较判断矩阵。C = [ [1.,2.,4.,4.,4.,6.,6.,6.],[1/2,1.,2.,2.,2.,3.,3.,3.], [1/4,1/2,1.,1.,1.,1.,2.,2.],[1/4, 1/...
2019-09-01 16:56:19
3732
原创 机器学习实战 -- 利用AdaBoost 元算法提高分类性能
组合相似的分类器来提高分类性能 应用AdaBoost算法 处理非均衡分类问题元算法是对其他算法进行组合的一种方式。基于数据集多重抽样的分类器 我们可以将不同的分类器组合起来,而这种组合结果被称为集成方法或者元算法。使用集成方法时会有很多种形式:可以是不同算法的集成,也可以是同一算法在不同设置下的集成,还可以数据集不同部分分配给不同分类器之后的集成。AdaBoost...
2019-09-01 10:12:44
818
处理机调度.rar
2019-07-13
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人