第三节 MongoDB下samus源码初探

第三节 MongoDB下samus源码初探

上一节我们在samus的simple例子简单的入门了,这一节将要探讨的问题写个简要

  • 对象存储
  • 继续关系对象的存储
  • LINQ体现
  • 类关系分析

一、对象存储

继续在samus源码上分析,依然是simple的例子。Demo中.net 3.5特性基本上都涉及了。

复制代码
public   static   void  Main( string [] args)
{
#region  以下为Mongo配置及关系映射部分
// var config = new MongoConfigurationBuilder(); 
// COMMENT OUT FROM HERE
// config.Mapping(mapping =>
// {
//  mapping.DefaultProfile(profile =>
//  {
//  profile.SubClassesAre(t => t.IsSubclassOf(typeof(MyClass)));
//  });
//  mapping.Map<MyClass>();
//  mapping.Map<SubClass>();
// });
//  TO HERE 
#endregion

// config.ConnectionString("Server=127.0.0.1");
// using (Mongo mongo = new Mongo(config.BuildConfiguration())) 
using  (Mongo mongo  =   new  Mongo( " Server=127.0.0.1 " ))
{
mongo.Connect();
try
{
// 索引器方式mogo["TestDb"]
var db  =  mongo.GetDatabase( " TestDb " );
// 老版不支持泛型的时候写法是这样的db.GetCollection("Name") ->看源码重构了一个MongoCollection_1类
// 将老版方法重构为db.GetCollection<Documnet>("Name"); 
// 此方法其实将类名反射为集合 db.GetCollection<MyClass>("MyClass")
var collection  =  db.GetCollection < MyClass > (); 

// .net 3.5集合初始化特性 创建3个对象(2个MyClass,1个子类SubClass)
MyClass square  =   new  MyClass()
{
Corners 
=   4 ,
Name 
=   " Square "
};

MyClass circle 
=   new  MyClass()
{
Corners 
=   0 ,
Name 
=   " Circle "
};

SubClass sub 
=   new  SubClass()
{
Name 
=   " SubClass " ,
Corners 
=   6 ,
Ratio 
=   3.43
};

// 保存对象
collection.Save(square);
collection.Save(circle);
collection.Save(sub);

#region  LINQ写法读取数据
// var superclass = (from item in db.GetCollection<MyClass>("MyClass").Linq()
//  where item.Corners > 1
//  select item.Corners).ToList();

// var subclass = (from item in db.GetCollection<SubClass>("MyClass").Linq()
//  where item.Ratio > 1
//  select item.Corners).ToList();
#endregion

// Lambda写法 
// 读取集合MyClass所有对象 
Console.WriteLine( " Count by LINQ on typed collection: {0} " , collection.Linq().Count(x  =>  x.Corners  >   1 ));
// 读取集合为SubClass的对象(由于SubClass被保存到MyClass集合中了,故结果为0)
Console.WriteLine( " Count by LINQ on typed collection2: {0} " , db.GetCollection < SubClass > ().Linq().Count(x  =>  x.Corners  >   1 ));
// Console.WriteLine("Count by LINQ on typed collection3: {0}", db.GetCollection<SubClass>().Count(new { Corners = Op.GreaterThan(1) }));

// 注:op 是Document的子类 虽然我们存的是其它对象,但所有的对象最终都是以Document类型存储的,
// 也就意味检索数据也是Document方式查找或统计了,以下Lambda方式的统计就体现了
// 在基类中大家可以看到都是count(new Document())方式及条件查询的,这里介绍完了,下面的代码就容易理解了
Console.WriteLine( " Count on typed collection: {0} " , collection.Count( new  { Corners  =  Op.GreaterThan( 1 ) }));
var count 
=  collection.Count( new  Document( " Corners " , Op.GreaterThan( 1 )));
Console.WriteLine(
" Count: {0} " , count);
Console.ReadKey();
}
finally
{
mongo.Disconnect();
}
}

// var main = new MainClass();
// main.Setup();
// main.Run();

Console.ReadLine();
}
复制代码

看一下结果:

在打开mongo.exe查看一下结果

是不是很奇怪,MyClass,SubClass对象又没有标记为可序列化,如何就被保存下来了?难道是通过反射对实现的,看看源码

二、继续关系对象的存储

当数据保存为文档记录时,MongoDB是如何识别这个两类是有继承关系的呢?我们接着下面的代码修改一下继续

先删除上次的记录,在mongo.exe中运行db.MyClass.drop() 删除集合中的数据,查看更多操作集合的命令可执行db.MyClass.help

mongo.exe脚本命令官方介绍用的是Javascript脚本,从命名可以看出是它的影子。mongo.exe的脚本学习可参照这个链接

http://special.csdn.net/mongodb/index.html 

View Code

结果:

再看mongo.exe中的记录:

 

三、LINQ的体现

View Code

结果:

以上就是LINQ的查找数据的方式,更多的方法还要研究一下源码的MongDB下的LINQ文件夹。

四、类关系分析

以上四个类是MongoDB的基本业务类,从数据库连接,到实例,集合的CRUD操作。

我们在看一下配置映射类图:

配置类组合的类比较多,具体还有哪些功能,在后面的学习过程在继续挖掘了。

好了这一节就到这里了,继续探讨复杂对象的储存。

http://www.cnblogs.com/mecity/archive/2011/06/12/2079215.html

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 支持向量机非线性回归通用MATLAB程序解析 #### 一、概述 本文将详细介绍一个基于MATLAB的支持向量机(SVM)非线性回归的通用程序。该程序采用支持向量机方法来实现数据的非线性回归,并通过不同的核函数设置来适应不同类型的数据分布。此外,该程序还提供了数据预处理的方法,使得用户能够更加方便地应用此程序解决实际问题。 #### 二、核心功能与原理 ##### 1. 支持向量机(SVM) 支持向量机是一种监督学习模型,主要用于分类和回归分析。对于非线性回归任务,SVM通过引入核技巧(kernel trick)将原始低维空间中的非线性问题转换为高维空间中的线性问题,从而实现有效的非线性建模。 ##### 2. 核函数 核函数的选择直接影响到模型的性能。本程序内置了三种常用的核函数: - **线性核函数**:`K(x, y) = x'y` - **多项式核函数**:`K(x, y) = (x'y + 1)^d` - **径向基函数(RBF)**:`K(x, y) = exp(-γ|x - y|^2)` 其中RBF核函数被广泛应用于非线性问题中,因为它可以处理非常复杂的非线性关系。本程序默认使用的是RBF核函数,参数`D`用于控制高斯核函数的宽度。 ##### 3. 数据预处理 虽然程序本身没有直接涉及数据预处理的过程,但在实际应用中,对数据进行适当的预处理是非常重要的。常见的预处理步骤包括归一化、缺失值处理等。 ##### 4. 模型参数 - **Epsilon**: ε-insensitive loss function的ε值,控制回归带宽。 - **C**: 松弛变量的惩罚系数,控制模型复杂度与过拟合的风险之间的平衡。 #### 三、程序实现细节 ##### 1. 函数输入与输出 - **输入**: - `X`: 输入特征矩阵,维度为(n, l),其中n是特征数量,l是样本数量。 - `Y`: 目标值向量,长度为l。 - `Epsilon`: 回归带宽。 - `C`: 松弛变量的惩罚系数。 - `D`: RBF核函数的参数。 - **输出**: - `Alpha1`: 正的拉格朗日乘子向量。 - `Alpha2`: 负的拉格朗日乘子向量。 - `Alpha`: 拉格朗日乘子向量。 - `Flag`: 标记向量,表示每个样本的类型。 - `B`: 偏置项。 ##### 2. 核心代码解析 程序首先计算所有样本间的核矩阵`K`,然后构建二次规划问题并求解得到拉格朗日乘子向量。根据拉格朗日乘子的值确定支持向量,并计算偏置项`B`。 - **核矩阵计算**:采用RBF核函数,通过`exp(-(sum((xi-xj).^2)/D))`计算任意两个样本之间的相似度。 - **二次规划**:构建目标函数和约束条件,使用`quadprog`函数求解最小化问题。 - **支持向量识别**:根据拉格朗日乘子的大小判断每个样本是否为支持向量,并据此计算偏置项`B`。 #### 四、程序扩展与优化 - **多核函数支持**:可以通过增加更多的核函数选项,提高程序的灵活性。 - **自动调参**:实现参数自动选择的功能,例如通过交叉验证选择最优的`Epsilon`和`C`值。 - **并行计算**:利用MATLAB的并行计算工具箱加速计算过程,特别是当样本量很大时。 #### 五、应用场景 该程序适用于需要进行非线性回归预测的场景,如经济预测、天气预报等领域。通过调整核函数和参数,可以有效应对各种类型的非线性问题。 ### 总结 本程序提供了一个支持向量机非线性回归的完整实现框架,通过灵活的核函数设置和参数调整,能够有效地处理非线性问题。对于需要进行回归预测的应用场景,这是一个非常实用且强大的工具。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值