芙兰泣露-CSDN博客

原创 Connection closed by foreign host问题解决

问题描述：使用Xshell远程连接Ubuntu有时候能连上，但连上后不过10s就断掉，显示Connection closed by foreign host笔者在该Ubuntu下测试浏览器能访问，但使用ping时，丢包率很高，但是用其他计算机ping该ubuntu时丢包率为0楼主回忆了下发现了问题。昨天笔者一个人在实验室没出现Connection closed by

2016-07-23 16:05:43 51361 3

原创 _mysql.c(42) : fatal error C1083: Cannot open include file: 'config-win.h':问题的解决

python下使用pip安装MySQL-python遇到问题

2016-07-17 20:26:19 33971 26

原创 arcgis api for javascript(一)使用自定义数据对FeatureLayer进行渲染

为arcgis api for javascript中的FeatureLayer添加数据，修改数据，仅限于client端，修改的数据不保存到server端

2016-06-27 11:38:14 16113 9

原创计算机网络（五）：运输层简介和UDP

承接上篇博客，从本篇开始介绍运输层。为什么需要运输层在讲网络层时就提到，网络层是尽力交付数据包，是不可靠的传输。既然如此，作为网络层的再上一层，运输层用于可靠的信息交付就是必然的了。于是，我们可以得出网络层存在的必要原因之一：完成可靠的交付。再就是，在前一节，我们已经明白了，网络层是将数据从端传输到端。在网络中，数据的传输最高一级别就是到网络层（即路由器的最高一层是网络层）。既然网...

2018-04-06 12:00:55 529

原创计算机网络（三）：网络层----IP协议的分类

在正式介绍IP协议前，先介绍了IP协议所述的网络层承担的任务。两种服务在通信领域，可靠的交付应该由谁来完成一直是一个争论不休的问题。这里所谓可靠的交付是说谁应该对网络中传输的数据进行可靠性检查和保证。这里的“谁”也只有两个候选——传输的网络 or 端系统。从历史来说，电话网络（电信网）就是采取的网络负责可靠的交付的，这种交付的特点是在传输数据前，会先在发送方和接收方建立连接，这...

2018-03-14 22:28:15 1356

原创 spring 核心与源码解析（3）：AOP如何使用

AOP，面向切面编程，是Spring的另一核心。在剖析AOP的实现原理前，需要先对如何使用AOP做一番探索，本节仍然使用spring boot作为实验框架。首先说明AOP的使用场景：日志记录，事务记录等。即可以看出，AOP的使用方式，采取类似注入式的模式，在某个方法执行前或者执行后，首先执行AOP中规定的代码。这里涉及到两个性质不同的方法区分，普通方法和AOP中的方法。AOP中的方法

2017-12-16 19:55:33 448

转载机器学习（十二）：多标签分类

多标签，即MultiLabel，指的是一个样本可能同时属于多个类，即有多个标签。比如一件L尺寸的棉服，则该样本就有至少两个标签——型号：L，类型：冬装。这里只贴两个链接，作为参考：解决多标签分类问题多标签（multi-label）数据的学习问题

2017-12-14 18:09:24 9545 2

原创 spring 核心与源码解析（2）：IoC之ApplicationContext

上一节展示了BeanFactory的初始化过程，其主要任务是载入BeanDefinition并通过BeanDefinition初始化bean保存在singletonObjects中。那么ApplicationContext的任务是什么呢？BeanDefinition的生成并不是由BeanFactory完成的，而是由ApplicationContext相关类完成的。当我们使用spring bo

2017-12-11 20:18:20 276

原创 spring 核心与源码解析（1）：IoC之BeanFactory

Spring两个最重要的特性之一——控制反转（Inversion of Control）。不仅是Spring，几乎任何web框架都实现了IoC，这一特性的最大便利就是不需要手动的创建单例对象。比如一个web应用中包含controller，service，dao等层级，我们需要实例化某个Controller类，那么就可以通过IoC，设置好该Controller的属性后，将具体的实例化工作交给

2017-12-11 10:11:45 317

原创 spring 核心与源码解析（0）：前言

该系列将以spring boot为研究对象，配合注解的配置方式探究spring的两大核心IoC和AOP。读者需要对spring boot的使用和配置有一个基本认识。在正式讲解Spring相关内容前，首先对基于java的web知识点做一个简单的梳理。 Servlet，是为了扩展java作为web服务的一种规范从源码上来看，Servlet就是一组接口和类的定义，即我们可以认为J2EE中的S

2017-12-09 21:00:41 224

原创计算机网络（二）：物理层和数据链路层

物理层考虑的是如何在连接计算机的传输媒体上传输数据比特流，主要针对的是01的比特流数据。出于更友好的控制01数据，差错检验（比如0变成了1），链路选择等问题，在物理层上抽象出了数据链路层。相比较而言，物理层类比于机器语言，数据链路层类比于汇编语言。说白了就是传输01的数据，相对而言，物理层和硬件打交道比较多，比如传播的介质——光缆，信道复用技术等。关于物理层，更多的是一个底层的传输媒介。数据链路

2017-11-22 15:43:54 989

原创计算机网络（一）：综述

从本篇开始，记录计算机网络的相关知识，以实用为主。计算机网络是层级划分的最经典案例。有点类似于计算机的语言划分，高级语言通过编译生成汇编语言，然后将汇编翻译为机器码，共计算机去识别执行。网络也是这样，最上面的层次用于开发人员的实际使用，下面的层次对于上层的开发人员来说是透明的，下面的层次为上层的功能实现提供接口。标准的计算机网络采用OSI的七层协议，但因为历史原因，实际中的互联网并未采用

2017-11-19 14:28:39 861

转载机器学习（十一）：boosting

主要是转载其他的文章。机器学习—-集成学习（Boosting）文章中的图解很形象生动。

2017-11-13 13:33:58 207

原创机器学习（十）：随机森林与Bagging

随机森林确保了解决策树，决策树子树：从原数据集中有放回的选择相同数量（和原数据集数量相同）样本，并选择部分属性，以选择的样本和属性进行CART决策树构建随机森林就是并行的构建T个子树的过程。构建完毕后，对于一个预测数，使用构建好的T个子树进行预测，取最多的预测结果作为随机森林的预测结果。完毕，以上就是随机森林的梗概。这里对几个问题进行阐述：为什么要又放回的抽样如果不是有放回的抽样，

2017-11-09 14:00:19 674

原创 jvm（七）：内存分配与回收

承接上一节，我们知道了垃圾收集的机制。但现在还有一个问题，即对象是如何被分配的，以及何时需要回收。但我们不经要问，对象不就是直接被分配在堆上的新生代嘛，当空间满了就去回收，这样总结太泛了，我们有必要了解其中的具体细节。对象分配大多数情况下，对象优先在新生代的Eden上分配，当Eden区没有足够空间时，jvm发动一次Minor GC。

2017-11-09 12:57:17 299

原创 java（十七）：concurrent（2）—lock和condition

Lock和Condition只是concurrent中的两个接口，但基于这两个接口实现的类完成了先前由synchronized和object共同实现的方法。但就生产者消费者来说（参考生产者与消费者），Lock相当于synchronized，而Condition的await()和signal()方法相当于Object的wait()和notify()方法。在讲解Lock和Condition之前，

2017-11-07 10:17:49 250

原创 java（十六）：concurrent（1）—生产者与消费者

从并发的最基本的问题说起——生产者与消费者。在此之前，我们介绍下Object中的两类方法：wait()，notify()等待与唤醒包括wait(), wait(long timeout), notify(), notifyAll()。和Thread中的静态方法sleep(),join(),yield()不同，wait()和notify()是Object中的非静态方法。wait()wait()

2017-11-06 21:47:13 347

原创 java（十五）：concurrent（0）—AtomicInteger，Unsafe，CAS

因为java在concurrent包中大量的使用到了AtomicInteger，于是打算从AtomicInteger开始对concurrent包的各个类做一番探究。如果想对int型数据进行院原子操作，那么推荐使用AtomicInteger。当然也可以使用synchronized代码块，但使用AtomicInteger更高效。如下代码说明了使用AtomicInteger和使用Integer

2017-11-06 20:02:53 405

原创 jvm（五）：垃圾收集器的种类

上文对垃圾收集的算法做了一个简单的梳理，但那些只是理论算法，并不是jvm中实际的收集器。本节将对这种不同的垃圾收集器做一个简单的阐述。总的来说，jvm将内存空间（堆）分为老年代和新生代，然后垃圾收器是针对不同年代作用的。上图显示了jvm中目前（1.7）采用的垃圾收集器，除了G1收集器外，其他收集器都是只服务于新生代和老年代中的一个。连线表示新生代的垃圾收集器和老年代的垃圾收集器可以协

2017-11-02 14:19:58 2778 1

原创 jvm（四）：垃圾收集器初探

对于为了学jvm的人来说，垃圾收集应该是最为有用的章节之一，了解垃圾收集有助于我们手动调节使用何种垃圾收集机制，有助于解决内存溢出。垃圾收集算法垃圾收集算法是垃圾收集器的构建理论，仅从算法的思想方面介绍三种常用的垃圾收集算法如下：标记-清除算法标记-清除（Mark-Sweep）算法，如同名字一样，分为两个阶段：即“标记”和“清除”阶段。首先标记处需要回收的对象（使用可达性分析），标记完成后统一回

2017-10-30 20:19:02 232

原创机器学习（九）：k-means与聚类

k均值是基于划分的聚类技术，其特征为聚类的结果趋向于类球形，而k值就是需要发现的k个类，一般由使用者指定。k-meansk均值通常用于n维连续空间（数值类型）中的数据，其算法思想比较简单：选择k个初始质心，然后将样本中的每个点指派到最近的质心，指派的方法一般是计算距离，以每个质心和所属他的点为一个簇，重新计算出该簇的质心，重复下去，直到簇不变（也可以是质心不变）该算法思想有两大需要解决的问题

2017-10-30 13:19:08 1195

原创算法（三）：动态规划

不从定义等角度来考虑动态规划的含义，而只是从解决问题的思路上来说明如何将问题化繁为简。问题特点通过一个经典的动态规划来了解动态规划问题。如下一个图，求出从起始点到终止点的最短路径：初看起来，这个问题就是一个最短路径问题，使用迪杰斯特拉最短路径，或者弗洛伊德算法，甚至A*算法都可以完美求解。但如果再仔细观察，就可以发现另一个特征，即阶段特征，上面的图的路径都是分为阶段的：我们将

2017-10-29 15:35:44 593

原创 java（十四）：transient与序列化

transient译作临时的，瞬态的意思，指的是在序列化的时候，被该关键字修饰的变量将不会被持久化。比如用户的密码，身份证号，当希望将其保存到文件而又过滤掉这些敏感信息时，就可以使用该关键字修饰。说道序列化，需要说明的是，static关键字不会被被序列化也不会被反序列化，因为static是类成员，在反序列化时（其实等同于初始化），就会使用类里的初始值，然而需要注意的是，内存中如果已经存在该类

2017-10-28 15:50:14 218

原创 java（十三）：volatile与内存模型

作为深入理解java中的锁，首先应该掌握volatile的含义和用法。线程之间的可见性可见性对于java初学者并不是一个从字面上就可以简单理解的名词。往深了说，要真正掌握volatile关键字，还需要有基本的jvm的知识，这里只需要理解jvm的分区以及各个区的内容含义就知道了，参考前面的一篇博客jvm内存划分我们需要掌握的有两点： 1. 同一进程的不同线程之间其内存空间是不共享的，类似虚拟

2017-10-28 11:50:42 218

原创 jvm（三）：对象引用与垃圾回收

上一节讲到，堆里存放着java几乎所有的对象实例，而对象只有不再被使用时，才会被回收。对象引用如何判断一个对象是否还被需要呢？其实唯一的准则就是是否还有变量引用它。比如Object o = new Object();o = new Object();上述代码新建了两个对象实例，第一个对象毫无疑问无法再被访问了，因此第一个对象就可以被回收了。这就是变量引用的准则，那么内部关于对象的引用是如何

2017-10-24 12:30:18 543

原创机器学习（八）：朴素贝叶斯分类

本节将只从最简单的一个公式讲起，不会涉及到复杂的风险函数等理论，主要在于明白求解过程。一个公式xx代表属性取值，y代表类变量，则有： p(y|x)=p(x|y)p(y)p(x)p(y|x)=\frac{p(x|y)p(y)}{p(x)} 上述公式构成了朴素贝叶斯的所有内涵。即如果我们知道了属性x，需要预估该属性属于哪个类（p(y|x)p(y|x)），那么我们可以通过三个已知的概率来计算出来

2017-10-24 09:45:45 348

原创机器学习（七）：决策树

决策树（Decision Tree）可以算是分类算法中最著名的模型了，因为它是基于人们最能理解的规则来构造分类器，且每一次分支都能给出解释。决策树大家族十分庞大，这里只介绍基于决策树的单一分类模型，不包括基于深度学习的GBDT。决策树有点类似二叉排序树，到达节点时，就比较一次，然后进入下一个节点。度量划分基本上来说，对于度量的选择，我们都希望，所选择的度量能够将样本划分的更纯。不纯的程度越低

2017-10-21 19:40:36 2287

原创 jvm（二）：对象加载浅谈

通过第一节的介绍，知道了对象实际上是分配在堆空间上的。那么具体的对象分配过程是怎样的呢？虚拟机遇到一条new 指令时，先检查该指令对应的方法（初始化方法）能否在方法区（具体来说是常量池）找到，并检查对应的类是否被加载、解析和初始化过。如果没有，那就必须先执行相应的类加载过程。类加载通过后，就可以确定对象所需的内存大小。以上过程有一些需要注意的点：分配方式我们如何区别哪一块内存是属于哪一个类？

2017-10-21 17:13:37 268

原创 java（十二）：线程池和ThreadPoolExecutor

阅读前请确保对于Thread和Runnable熟悉，可以参考多线程,Thread和Runnable 本博客从源码层面讲起，到最后常用的四个线程池。Executor这是线程池实现的最底层的接口，只包含一个方法：public interface Executor { /** * Executes the given command at some time in the future.

2017-10-16 13:18:43 432

原创深度学习（一）：神经网络和反向传播

从这一节开始，将介绍神经网络的相关内容。博客不以介绍基本概念为主，而是注重一些浅显的推到和证明过程，以帮助理解。如果你对神经网络一窍不通，你应该去看神经网络与深度学习该博客可以看做是对于改文章的摘要。概念图上述图片显示了神经网络的数据流动。其中的每一个圆圈表示一个神经元。一般对于神经元的描述如下：一个神经元有几个输入和一个输出，多个输入和其权重相乘后在相加，其和通过和一

2017-10-14 15:22:26 417

原创 jvm（一）：内存划分

jvm，java 虚拟机，是java语言实现平台无关性的具体实现，是一个虚拟的计算机设备。作为jvm笔记记录，从本节开始，记录jvm知识的点点滴滴。以java se 7为标准，java虚拟机在执行java程序时把所管理的内存划分为若干不同的数据区域：

2017-10-14 10:11:23 315

原创算法（二）：树，以及变形

二叉树从二叉树说起，先序遍历：先访问根，先序遍历左子树，先序遍历右子树中序遍历：中序遍历左子树，访问根，中序遍历右子树后序遍历：后序遍历左子树，后序遍历右子树，访问根即，X序遍历，指的是相对根而言。由遍历构造二叉树：选择两个遍历方法，其中一个为中序遍历，另一个为其他遍历（先序或者后续或者层次），均可以复现原二叉树。线索二叉树二叉树线索化规定：若无左子树，令节点的左指针指

2017-10-12 21:22:54 306

原创算法（一）：排序

插入排序插入排序的思想是：每次将一个待排序的元素排在该元素的前面已排序的子序列中。直接插入排序该排序是插入排序最直接的实现。在排序过程中，进行了n-1趟，每趟操作都有比较和移动的操作，时间复杂度为O(n^2)，稳定。折半插入排序和直接插入排序不同，在比较的过程中采用二分法查找，移动元素部分不变，稳定。希尔排序先取一个小于n的步长d，然后对间隔为d的序列进行直接插入排序。

2017-10-12 20:27:27 221

原创机器学习（六）：SVM及相关问题

笔记迎来了机器学习目前最难的一个知识点。 SVM有几大难点，首先是模型最优化的标准，其次是优化问题的变形，最后则是二次规划的求解。本文参考了很多篇博客，给出笔者自己的理解，从头推导，最后以一个可以手动计算的实例来讲解SVM求解的全过程。注意本篇博客的目的在彻底理解，弄清每一步的推导，因此可能对于初识SVM的朋友不那么友好。最大间隔首先需要明确的是，svm的形式。和第二节介绍的逻辑回归相

2017-10-12 08:36:56 558

原创机器学习（五）：KNN与维度灾难

作为一个过渡，这一节记录关于knn的知识。这篇博客不贴关于knn的具体细节了，knn是十分容易理解的，关于knn可参考的博客一大堆，贴一个讲的好的吧一只兔子理解knnKNN 选择样本数据集中与待预测值前k个最相似的样本，取其中最多的作为该待预测值的类如果希望knn不给出所述的类，给出可能所述类的概率也是可行的。很多人会疑惑k应该如何选取，一般来说，k靠经验，或者一个个试。也有个通俗的经

2017-10-11 14:37:44 9193

原创 java笔记（十一）：Collections

作为java集合框架的最后一部分，本节介绍下集合框架的内置功能以及实现这些功能的算法。 Collections类中的方法都是静态方法，用于完成某一特定的功能，比如排序，查找等。下面从源码层面介绍各种方法。首先，需要对于一些名词进行解析。由于存在存取的方式不同，list分为随机存取（RandomAccess）和迭代存取（Iterator），其实就是所谓的线性表和链表啦。两者的区别也不用多

2017-10-06 14:56:18 350

原创机器学习（四）：损失函数

在上上一节逻辑回归中，是使用似然函数来作为模型的求解参数的目标。但在很多情况下，似然函数很难直接写出，更常用的方法是损失函数，这个在上上一节的补充中也有提过。那么损失函数表示什么概念呢？和似然函数相反，损失函数是模型预测失败的度量。注意最大化似然函数和最小化损失函数两者并不能完全等同，因为这涉及到所选取的参数。对于机器学习模型来说，选择哪一种都符合模型求解的规则，关键在于选择哪一

2017-10-03 13:58:48 720

转载机器学习（三）：梯度下降法

本博客大部分参考了这篇博文梯度在微积分里面，对多元函数的参数求∂偏导数，把求得的各个参数的偏导数以向量的形式写出来，就是梯度。

2017-10-03 10:43:12 6376

原创机器学习（二）：逻辑回归

逻辑回归（Logistic Regression），是机器学习中的一个分类模型。按理说逻辑回归并不是分类模型中最简单的一个（最简单的应该是KNN），但为什么要从该模型开始呢？原因有二：1.逻辑回归涉及到的一些知识点是后面机器学习的基础，2.笔者两次面试都被问道了逻辑回归。。。

2017-10-01 19:38:55 402

原创机器学习（一）：极大似然估计

从这一篇开始，打算系统的回顾一下机器学习的内容，以应对面试。由于两次面试都问到了逻辑回归，于是打算从逻辑回归开始。作为逻辑回归的基础，先从极大似然估计开始吧。

2017-10-01 13:55:19 407

Oracle 12c Development

python网络数据采集的英文版

java同步方法对窗体的功能设计是否有影响？（找了半天实在没办法了求助）