首页
学习
活动
专区
圈层
工具
发布
    • 综合排序
    • 最热优先
    • 最新优先
    时间不限
  • 来自专栏mysql

    hhdb数据库介绍(9-5)

    start-position=0 mysql-bin.000009 | mysql -uroot -proot -h192.168.210.30 -P3323 -c -A mysqldump与mysqlbinlog的实际应用 此小节将展示如何在实际应用场景中,结合mysqldump的完整备份与mysqlbinlog的增量备份,将数据从源端单机数据库中迁移到HHDB Server中。

    29810编辑于 2025-03-26
  • 来自专栏AI机器学习与深度学习算法

    机器学习入门 9-5 决策边界

    : 当样本点偏离曲线上面的时候,用k近邻的思路,得到的就是蓝色点对应的类别; 当样本点偏离曲线下面的时候,用k近邻的思路,得到的就是橙色点对应的类别; kNN算法是支持多分类的,所以接下来将kNN算法应用在三个类别的数据集上

    3K20发布于 2020-02-26
  • 来自专栏IT技术圈(CSDN)

    浙大版《C语言程序设计(第3版)》题目集 习题9-5 通讯录排序

    习题9-5 通讯录排序 输入n个朋友的信息,包括姓名、生日、电话号码,本题要求编写程序,按照年龄从大到小的顺序依次输出通讯录。题目保证所有人的生日均不相同。

    1.3K30发布于 2020-09-15
  • 来自专栏机器学习与自然语言处理

    Stanford机器学习笔记-9. 聚类(Clustering)

    图9-1 一个监督学习与无监督学习的区别实例 无监督学习也有很多应用,一个聚类的例子是:对于收集到的论文,根据每个论文的特征量如词频,句子长,页数等进行分组。聚类还有许多其它应用,如图9-2所示。 图9-2 一些聚类的应用 9.2 K-means algorithm 聚类的基本思想是将数据集中的样本划分为若干个通常是不相交的子集,每个子集称为一个"簇"(cluster)。 在某些应用中,样本可能比较连续,看起来没有明显的簇划分,但是我们还是可以用K均值算法将样本分为K个子集供参考。例如根据人的身高和体重划分T恤的大小码,如图9-4所示。 ? 如图9-5的(1)所示。 但是,通常这条曲线是渐变的,没有很显然的"肘部"。如图9-5的(2)所示。 ? 图9-5 代价J关于簇数K的曲线图 注意:随着K的增加J应该总是减少的,否则,一种出错情况可能是K均值陷入了一个糟糕的局部最优。 一些其他的方法参见wikipedia。

    1.6K110发布于 2018-03-13
  • 来自专栏Coding迪斯尼

    用go做个编译器:语法解析树及其实现

    对于算术表达式9-5+2, 由于我们会首先使用list -> list + digit 来进行解析,因此 9-5对应一个list,2对应digit, 因此最终解析完成后,所形成的解析树如下: 使用生产式来定义语法是一件困难的事情 list+list进行解析,一种是使用list->list-list进行解析,如果是后者,那么我们会生成的语法树如下: 这里我们看到两个语法表达式都对应表达式”9-5+2”,但是第一个语法树执行的操作是(9- 对于算术表达式1+2,对应的算术表达式就是1 2 +, 对于表达式(3+4),对应的后项表达式就是3 4 + , 我们看一个复杂一点的,(9-5)+2 ,首先我们计算(9-5)的后项表达式,也就是9 5

    1.8K50编辑于 2022-03-28
  • 来自专栏机器学习算法与Python学习

    机器学习(7) -- k-means 聚类

    图9-1 一个监督学习与无监督学习的区别实例 无监督学习也有很多应用,一个聚类的例子是:对于收集到的论文,根据每个论文的特征量如词频,句子长,页数等进行分组。聚类还有许多其它应用,如图9-2所示。 图9-2 一些聚类的应用 9.2 K-means algorithm 聚类的基本思想是将数据集中的样本划分为若干个通常是不相交的子集,每个子集称为一个"簇"(cluster)。 在某些应用中,样本可能比较连续,看起来没有明显的簇划分,但是我们还是可以用K均值算法将样本分为K个子集供参考。例如根据人的身高和体重划分T恤的大小码,如图9-4所示。 ? 如图9-5的(1)所示。 但是,通常这条曲线是渐变的,没有很显然的"肘部"。如图9-5的(2)所示。 ? 图9-5 代价J关于簇数K的曲线图 注意:随着K的增加J应该总是减少的,否则,一种出错情况可能是K均值陷入了一个糟糕的局部最优。 一些其他的方法参见wikipedia。

    1.4K50发布于 2018-04-04
  • 来自专栏全栈程序员必看

    体验vSphere 6之7-为虚拟机启用容错

    图9-4 为辅助虚拟机选择主机 (5)在”即将完成”对话框,显示辅助虚拟机详细信息,这包括辅助虚拟机所在主机、配置文件位置、硬盘位置等,如图9-5所示。 图9-5 完成 (6)返回到vSphere Web Client管理控制台,在”近期任务”中会显示为虚拟机打开容错的配置信息,如图9-6所示。

    1.5K40编辑于 2021-12-23
  • 来自专栏数据结构与算法

    BZOJ1096: [ZJOI2007]仓库建设(dp+斜率优化)

    Sample Input 3 0 5 10 5 3 100 9 6 10 Sample Output 32 HINT 在工厂1和工厂3建立仓库,建立费用为10+10=20,运输费用为(9-5)*3 如果仅在工厂3建立仓库,建立费用为10,运输费用为(9-0)*5+(9-5)*3=57,总费用67,不如前者优。 【数据规模】 对于100%的数据, N ≤1000000。

    1.2K50发布于 2018-04-13
  • 来自专栏三掌柜的技术空间

    吃透大模型系统:提示工程、符号推理、智能体实战全解

    它把“上下文工程”讲得非常透彻,而且不是停留在概念层面,作者直接用图 9-5 把一条最常走、最高频的工程动线画出来了: 每一轮推理开始前,系统先把“可用的决策上下文”拼装好,将所需的模板、资源、工具、状态一次性拉齐 ▲上下文工程的 MCP 最佳实现(原书图 9-5) 如果跳过这一步,智能体甚至不知道自己能干什么、该用什么、现在处在什么状态,更谈不上稳定规划和可靠执行。 结合图 9-5,这条动线其实就是一套非常清晰的四步闭环: 1.选择适配当前任务的上下文模板(逻辑分区) 先把上下文结构定型:身份/目标/约束/输出格式如何分区,历史记录与状态存放在哪一块分区,工具与资源放在哪一块分区

    24111编辑于 2026-03-03
  • 来自专栏冰河技术

    《Spring核心技术》第9章:一个@Lazy注解也能写上万字?

    平时工作过程中,不知道大家有没有遇到过这样一种场景:应用程序可能会在启动的时候创建大量的对象,加载大量的配置文件来进行初始化工作。 此时,为了优化应用的启动性能,我们就可以对这些对象的创建和配置文件的加载进行延迟处理。 也就是说,在应用启动的时候不去创建这些对象和加载配置文件,而是到触发某些功能操作时,再去创建这些对象和加载配置文件,这就是一种延迟处理的操作。 4.3 创建单例Bean的源码时序图 @Lazy注解涉及到的创建Bean的源码时序图如图9-5所示。 5.3 创建单例Bean的源码流程 @Lazy注解在Spring源码层面创建单例Bean的执行流程,结合源码执行的时序图,会理解的更加深刻,本节的源码执行流程可以结合图9-5进行理解。

    55620编辑于 2023-05-24
  • 来自专栏软件方法

    《软件方法》第9章 分析类图进阶(20180619更新)

    如图9-5所示。 ? 图9-5 给“设备”涂上颜色 很容易画出“设备”的状态机图,如图9-6所示。 ? 以图9-5中的类为例,单位采购了10台品牌型号完全相同的设备,每一台设备都要编号区分,而且“可借”、“故障”等状态也各自不同,但是,设备的品牌型号以及各种参数是一样的。 将这个套路应用到上面的设备管理系统例子,如图9-16所示。 ? 图9-16 从“描述”开始推导设备管理系统的类 在责任分配上,也会有如图9-17的套路。 ? ? 图9-17 架构型之间的责任分配 将这个套路应用到上面的设备管理系统例子,如图9-18所示。 ? ? 图9-18 架构型之间的责任分配应用到设备管理系统 在使用颜色来标记类时,要谨记同样一个类在不同上下文中颜色可以不同。

    66330发布于 2019-09-23
  • 来自专栏韩曙亮的移动开发专栏

    【Flutter】手机应用类型 ( Android | iOS | Native 应用 | Web 应用 | Hybrid 应用 | ReactNative 应用 | Flutter 应用 )

    文章目录 一、Native 应用 二、Web 应用 三、Hybrid 应用 四、ReactNative 应用 五、Flutter 应用 一、Native 应用 ---- 原生应用开发 : Android / iOS , 各自开发本平台的应用 ; Android 使用 Android Studio 开发环境 , Java / Kotlin / C / C++ 语言 , 开发 Android 平台的应用 ; iOS 使用 Xcode 开发环境 , Objective-C , Swift 语言 , 开发 iOS 平台应用 ; 每个平台开发出的应用只能在特定平台上运行 ; 原生应用的外观渲染 , 运行性能是最好的 ---- 混合应用 , Hybrid App , 一部分是原生应用 , 一部分是 Web 应用 ; 综合 Web 应用 和 原生应用的优点 , Web 应用容易开发 , 跨平台 , 原生应用性能高 , 可以调用 蓝牙 , 摄像头等 原生设备 ; 可以综合 原生应用 与 Web 应用的优点 ; 四、ReactNative 应用 ---- React Native 可以调用系统的原生控件 , 这种性能就比调用

    2.2K30编辑于 2023-03-29
  • 来自专栏数字IC小站

    低功耗设计方法--频率与电压缩放案例

    9-5 显示了为电压缩放和电源门控分区的缓存 CPU 的示例。在电源门控期间,CPU 断电,VDDRAM 设置为较低的保持电压。

    92330编辑于 2022-08-26
  • 来自专栏超级架构师

    应用安全」应用安全原则

    什么是应用程序安全原则? 应用程序安全性原则是理想的应用程序属性,行为,设计和实现实践的集合,旨在降低威胁实现的可能性,并在威胁实现时产生影响。 需要记住的重要一点是,为了有用,必须对原则进行评估,解释和应用以解决特定问题。 一些成熟的应用安全原则 深度应用防御(完全调解) 使用积极的安全模型(故障安全默认值,最小化攻击面) 安全失败 以最小特权运行 通过默默无闻来避免安全(开放式设计) 保持安全简单(可验证,机制经济) 检测入侵 (妥协录音) 不要信任基础设施 不要相信服务 建立安全默认值(心理可接受性) 应用安全原则 考虑设计一个简单的Web应用程序,允许用户向朋友发送电子邮件。 通过评估和解释每个原则,我们可以对此应用程序产生许多威胁,并最终得出一组保护要求。我们希望最终提供安全提供此服务所需内容的完整列表。

    2.7K20发布于 2019-07-15
  • 来自专栏超级架构师

    应用分类】技术应用概述

    每天都有许多技术应用正在开发中,以解决学习机构、办公室、医疗机构等方面的不同挑战 本文涵盖了技术应用程序的定义、示例以及它们的使用位置。 让我们深入! 目录 什么是技术应用? 技术应用示例 不同的技术应用定义 教育中的技术应用 医疗保健中的技术应用 区块链技术应用 信息技术应用 量子技术应用 如今,许多技术都基于量子现象。量子技术催生了晶体管。 5G技术应用 技术软件应用 什么是技术应用? 术语技术应用程序是指几乎每个行业用于通信、办公生产力、研究、数据安全、分析等的软件包和系统。技术应用程序可帮助组织更专业地运行其业务。 技术应用示例 移动、Web 和云应用程序是技术应用程序——来自数字采用平台、工作流自动化工具、数据挖掘工具和面部识别应用程序。 例如,学校可能需要管理系统来帮助监控员工出勤率、财务会计和创建工资单。 例如, 拥有新技术应用的成本 培训员工使用应用程序所需的成本和时间。 实施新软件的冲动。 采用新技术应用的风险。 不同的技术应用定义 技术应用可以指用于完成给定任务的技术工具。

    1.4K10编辑于 2023-01-04
  • 来自专栏信息技术智库

    《画解算法》1.两数之和【python实现】

    在遍历到元素5的时候,我们find(9-5),找到了这两个数。

    40830编辑于 2022-07-29
  • 来自专栏个人路线

    OpenHarmony 应用开发中普通应用如何提升应用等级

    有时候,我们需要使用系统API,但是我们新建一个工程时,应用的类型默认为hos_normal_app(普通应用),APL级别默认为normal。 这个时候,我们就需要做些修改,如何修改呢? 我们就拿这个权限举例 ohos.permission.SYSTEM_FLOAT_WINDOW 允许应用使用悬浮窗的能力。 权限级别:system_basic 授权方式:system_grant ACL使能:TRUE 首先需要针对两种不同的模型,去声明权限 声明权限 Stage模型 使用Stage模型的应用,需要在module.json5 FormAbility" ], "when":"always" } } ] } } FA模型 使用FA模型的应用 由权限说明查询的信息得知,权限的ACL使能为TRUE,这意味着我们可以通过ACL方式申请 将所需申请的权限中高于当前应用APL等级的,添加到allowed-acls列表中,,如下所示: "acls":

    1.8K20编辑于 2023-02-23
  • 来自专栏韩曙亮的移动开发专栏

    【Flutter】Flutter Gallery 官方示例简介 ( 学习示例 | 邮件应用 | 零售应用 | 理财应用 | 旅行应用 | 新闻应用 | 自适应布局应用 )

    文章目录 一、Reply 邮件应用 二、Shrine 零售应用 三、Rally 理财应用 四、Crane 旅行应用 五、Fortnightly 新闻应用 六、Starter 自适应布局应用 Flutter Gallery 地址 : https://github.com/flutter/gallery Flutter Gallery 提供了 6 个学习应用 : Reply : 高效并且重点突出的电子邮件应用 ; Shrine : 时尚的零售应用 ; Rally : 个人理财应用 ; Crane : 个性化旅行应用 ; Fortnightly : 注重内容的新闻应用 ; Starter : 自适应入门布局应用 ; 这 6 个应用源码在 gallery-master\lib\studies 目录下 , GitHub 地址 https://github.com/flutter/gallery/tree/master /lib/studies ; 一、Reply 邮件应用 ---- GitHub 地址 : https://github.com/flutter/gallery/tree/master/lib/studies

    2K20编辑于 2023-03-29
  • 来自专栏OpenFPGA

    几种应用DMA的典型应用

    几种应用DMA的场合 表4‑20三种DMA的应用场合 类型 应用场合 AXI DMA AXI DMA 应用在系统内存和基于总线AXI4-Stream的外设之间的高速数据传输,比如控制以太网数据的交换。 AXI Centralized DMA AXI Centralized DMA 应用由一个内存空间到另一个内存空间的高速数据传输。 AXI Video DMA AXI VDMA 应用在系统内存和基于总线AXI4-Steam的视频外设的高速数据传输。 几种应用DMA的典型应用 (1) AXI DMA ? 图4‑40 AXI DMA应用 在系统中,AXI DMA与处理器等其他设备通过AXI Interconnect互联。

    3.3K20发布于 2020-10-10
  • 来自专栏未闻Code

    一日一技:二进制减法是如何进行的

    就需要根据补码的规则进行计算,例如在8位整型下,-5的补码运算规则如下: 首先计算正5的二进制数:00000101 逐位取反:11111010 加1:1111011 接下来,例如我们在8位整型下,计算9-

    2.9K40发布于 2019-01-23
领券