2010年12月19日
#
摘要: 簡(jiǎn)單log，一些commons-logging和log4j的東西
閱讀全文
摘要: 分享一個(gè)ThreadMonitor，來自commons-io的一段小程序，感覺會(huì)有用，拿來分享一下
閱讀全文
摘要: 框架介紹：
主要分為幾個(gè)部分，核心httpClient部分，認(rèn)證相關(guān)的token部分和api調(diào)用部分。
Weibo這個(gè)類是一個(gè)主體核心，調(diào)用的入口。
當(dāng)用戶完成上面介紹的授權(quán)后，通過weibo這個(gè)類來調(diào)用api實(shí)現(xiàn)功能。
閱讀全文
摘要: 數(shù)據(jù)類型選擇方面的幾個(gè)原則：
1，更小通常更好，選擇能正確表示數(shù)據(jù)的最小類型。
2，簡(jiǎn)單就好，用簡(jiǎn)單類型優(yōu)于用復(fù)雜類型。
3，避免NULL，盡量定義字段為not null。性能提升很小。
閱讀全文
摘要: 這個(gè)工具是一個(gè)可定制的圖像抓取工具
我希望這個(gè)小工具的功能點(diǎn)有以下幾項(xiàng)：1.給定頁面抓取頁面的圖片；2.給定頁面和過濾規(guī)則，抓取頁面的圖片并存到本地磁盤或內(nèi)存；
主要的技術(shù)點(diǎn)不多：1.圖片鏈接的獲?。╤tmlparser搞定）；2.圖片的讀寫（imageIo搞定）；3.規(guī)則的制定（來源于需求）
介于方法的多樣，第一個(gè)版本的spider只是很簡(jiǎn)單的功能實(shí)現(xiàn)，未來希望加入的就是可擴(kuò)展的規(guī)則對(duì)象
少?gòu)U話，上代碼：
閱讀全文
摘要: htmlStat主要想做什么，就是統(tǒng)計(jì)頁面的信息，我一直認(rèn)為頁面的結(jié)構(gòu)設(shè)計(jì)是設(shè)計(jì)人員按照思維套路來進(jìn)行的。數(shù)字往往反映了一個(gè)設(shè)計(jì)的一個(gè)很重要的方面，比如它使用的各個(gè)tag的比例，文字的數(shù)量，圖片的數(shù)量和大小等等。而想學(xué)習(xí)理解出這一套思路，先統(tǒng)計(jì)頁面信息是最重要的。
當(dāng)然先說下開發(fā)環(huán)境：jdk1.6.11，maven2，git
主要的依賴目前只在pom中更新了一部分，有加入的會(huì)慢慢加入，具體可以看github上的項(xiàng)目信息
有愿意一起玩代碼的，可以留言我，
閱讀全文
摘要: 沒有過多的技術(shù)含量，只是拿來分享一下LCS算法的實(shí)現(xiàn)
閱讀全文
摘要: Object pool就是一個(gè)管理對(duì)象的池子。新版本利用jdk 1.5以后的特性，結(jié)合泛型，而不是利用Object來實(shí)現(xiàn)了。
閱讀全文
摘要: 調(diào)試技巧（隨時(shí)總結(jié)）：
F5單步進(jìn)入（在需要進(jìn)入某步方法時(shí)）
F6單步調(diào)試（一般用于單步執(zhí)行）
F7單步跳出（跳出該調(diào)試區(qū)段方法）
F8調(diào)試恢復(fù)
閱讀全文
摘要: 今天看了一下JTidy的使用，目的就是為了格式化一個(gè)不標(biāo)準(zhǔn)的html到標(biāo)準(zhǔn)的xhtml。
JTidy是一個(gè)用java寫的HTML語法檢查器，用JTidy可以檢查并修正語法不正確的html，同時(shí)還可以對(duì)html的DOM進(jìn)行分析。Xhtml和html有很多不同，其中幾個(gè)主要的區(qū)別是
閱讀全文
摘要: 雜七雜八的看了一些velocity的資料，把所見所得做個(gè)簡(jiǎn)單不系統(tǒng)的筆記寫下來，算是增強(qiáng)記憶。
閱讀全文
摘要: Commons-lang記錄：
一個(gè)最常用的工具，作為jdk的補(bǔ)充，有必要看一下源碼~~
閱讀全文
摘要: 聚類可以見我以前寫過的聚類分析的文章。
回歸是一個(gè)統(tǒng)計(jì)中非常重要的概念了。在Commons Math庫中有一個(gè)regression的子包轉(zhuǎn)么實(shí)現(xiàn)了線性回歸的一些基本類型。在regression包中，有個(gè)基本接口就是MultipleLinearRegression，這個(gè)接口表達(dá)y=X*b+u這樣的基本線性回歸式。線性回歸是利用稱為線性回歸方程的最小二乘函數(shù)對(duì)一個(gè)或多個(gè)自變量和因變量之間關(guān)系進(jìn)行建模的一種回歸分析。簡(jiǎn)單看這個(gè)公式，y代表了一個(gè)n維的列向量（回歸子），X代表了[n,k]大小的觀測(cè)值矩陣（回歸量），b是k維的回歸參數(shù)，u是一個(gè)n維的剩余誤差。回歸分析干什么用的？具體講就是預(yù)測(cè)。我們?cè)跀?shù)據(jù)挖掘中定義，定性的分析叫做分類，而定量的分析叫做回歸?；貧w就是根據(jù)已有的觀察值去預(yù)測(cè)未來的一個(gè)定量的指標(biāo)。記得前一段阿里云到學(xué)院來做技術(shù)交流，講到阿里和淘寶通過數(shù)據(jù)分析對(duì)中國(guó)商品交易（還是具體什么貿(mào)易，忘記了，尷尬）的預(yù)測(cè)就是工程師做的一個(gè)簡(jiǎn)單的線性回歸分析，模型雖然簡(jiǎn)單，但是后來與實(shí)際數(shù)據(jù)一比較，預(yù)測(cè)值與實(shí)際值的曲線基本吻合。
閱讀全文
摘要: 概率統(tǒng)計(jì)最基本的前提就是有數(shù)據(jù)，而我們做模擬或者測(cè)試時(shí)總會(huì)用到大量的隨機(jī)數(shù)據(jù)。我們知道絕對(duì)的隨機(jī)是做不到的，但是可以利用算法來實(shí)現(xiàn)偽隨機(jī)數(shù)的生成。Commons Math庫提供了一個(gè)random的包，其中定義實(shí)現(xiàn)了很多可以用來生成隨機(jī)數(shù)的類和接口。random包中定義了5個(gè)接口，分別是EmpiricalDistribution、NormalizedRandomGenerator、RandomData、RandomGenerator和RandomVectorGenerator。
閱讀全文
摘要: 我們講到數(shù)學(xué)的計(jì)算，難免會(huì)遇到分?jǐn)?shù)形式，因?yàn)閷?shí)數(shù)的定義就是可以表示為一個(gè)分?jǐn)?shù)的形式的數(shù)，而加入虛數(shù)的復(fù)數(shù)也是偶爾會(huì)遇到的。Commons Math包中的fraction和complex包就分別提供了方法來表示這兩種數(shù)。
閱讀全文
摘要: 概率分布是概率論的一個(gè)基礎(chǔ)。
在Commons Math包中也專門有一個(gè)子包對(duì)概率分布進(jìn)行了封裝實(shí)現(xiàn)。在distribution包中，定義了一個(gè)基本接口Distribution。該接口只有兩個(gè)方法，一個(gè)是double cumulativeProbability(double x)，一個(gè)是double cumulativeProbability(double x0, double x1)。前者對(duì)于服從某種分布的隨機(jī)變量X，返回P(X<=x)；后者則返回P(x0<=X<=x1)。正如其名所示，這樣也就得到了概率。
閱讀全文
摘要: 函數(shù)方程求解，其實(shí)是函數(shù)的零點(diǎn)問題，也就是說函數(shù)的曲線與X軸的交點(diǎn)。對(duì)于線性方程，我們可以輕易的求解，對(duì)于線性方程組，利用前面講過的的矩陣分解方法也可以求解。那么對(duì)于函數(shù)表達(dá)的很多非線性方程的求解。我們要依賴數(shù)值算法。Commons Math包中專門有一個(gè)analysis.solver包來解決這個(gè)問題。
閱讀全文
摘要: 積分可以說是最常見的了，在函數(shù)的一節(jié)中我們講過函數(shù)的微分和給定變量求值，這里我們講講通過函數(shù)求積分，具體的數(shù)值積分方法和應(yīng)用。什么是數(shù)值積分？在數(shù)值分析中，數(shù)值積分是計(jì)算定積分?jǐn)?shù)值的方法和理論。在數(shù)學(xué)分析中，給定函數(shù)的定積分的計(jì)算不總是可行的。許多定積分不能用已知的積分公式得到精確值。數(shù)值積分是利用黎曼積分等數(shù)學(xué)定義，用數(shù)值逼近的方法近似計(jì)算給定的定積分值。借助于電子計(jì)算設(shè)備，數(shù)值積分可以快速而有效地計(jì)算復(fù)雜的積分。Commons Math中的積分包analysis.integration提供了幾種數(shù)值積分的實(shí)現(xiàn)，UnivariateRealIntegrator接口是積分包中的基礎(chǔ)接口，該接口繼承了math包中的ConvergingAlgorithm接口。具體定義了一系列方法，其中比較主要的有double integrate(UnivariateRealFunction f, double min, double max)方法，這個(gè)方法就是通過min和max設(shè)定積分區(qū)間，通過f設(shè)定被積函數(shù)，最后返回定積分值的方法?？梢钥吹竭@個(gè)接口的實(shí)現(xiàn)是針對(duì)單變量實(shí)函數(shù)的。多元積分的實(shí)現(xiàn)，目前還沒有看
閱讀全文