一. GoldenGate 概述 GoldenGate现在是业内成熟的数据容灾与复制产品；GoldenGate是一种基于日志的结构化数据复制方式，它通过解析源数据库在线日志或归档日志获得数据的增删改变化（数据量只有日志的四分之一左右），再将这些变化应用到目标数据库，实现源数据库与目标数据库同步、双活 ...
分类：
数据库 时间：
2018-08-27 18:07:07
阅读次数：
240
题目描述： 原题：https://vjudge.net/problem/UVA-297 题目思路： 1.依旧是一波DFS建树 //矩阵实现 2.建树过程用1.0来填充表示像素 ...
分类：
其他好文 时间：
2018-08-25 23:29:10
阅读次数：
295
六、网格搜索与 K 邻近算法中更多的超参数 七、数据归一化 Feature Scaling 解决方案：将所有的数据映射到同一尺度 八、scikit-learn 中的 Scaler preprocessing.py 九、更多有关 K 近邻算法的思考 优点： 解决分类问题 天然可以解决多分类问题 思想简 ...
分类：
编程语言 时间：
2018-08-25 20:07:22
阅读次数：
141
一、K近邻算法基础 KNN K近邻算法 K-Nearest Neighbors 思想极度简单 应用数学知识少 （近乎为零） 效果好（缺点？） 可以解释机器学习算法使用过程中很多细节问题 更完整的刻画机器学习应用的流程 kNN的过程 二、scikit-learn 中的机器学习算法封装KNN/KNNN. ...
分类：
编程语言 时间：
2018-08-25 13:57:39
阅读次数：
268
Problem UVA806-Spatial Structures Accept：329 Submit：2778 Time Limit: 3000 mSec Problem Description Input The input contains one or more images. Each i ...
分类：
其他好文 时间：
2018-08-24 02:12:59
阅读次数：
166
人体姿态估计常用预测热点图的方法预测x和y的坐标值，热点图可以理解为概率响应图，通过求热点图最大值所在位置坐标，就可以得到该关键点的位置坐标 热点图法的缺点 1. 量化产生的精度损失：卷积网络下采样使模型的计算量减小，输出可能是输入图像大小的四分之一，而坐标经过量化[x/n]再还原回去，就不可避免的 ...
分类：
其他好文 时间：
2018-08-24 02:10:50
阅读次数：
436
小提琴图violinplot 小提琴图为箱线图的一个变种，它将分布的核密度估计曲线与箱线图结合在一起。最外围的形状展示了该位置的密度，这样就可以知道数据在哪里分布密度高，哪里分布密度低。中间白点表示中位数，黑色粗条（黑箱）表示四分位数范围（25%分位数和75%分位数），从其延伸的幼细黑线代表 95% ...
分类：
其他好文 时间：
2018-08-24 01:59:48
阅读次数：
192
一、方差公式 其中公式中μ为平均数，N为这组数据的个数，x1、x2、x3……xN为这组数据具体数值。 二、标准差公式 其中公式中数值X1，X2，X3，......XN(皆为实数)，其平均值(算术平均值)为μ，标准差为σ。 三、四分位数 四分位数Qi所在的位置公式为： 即 Q1的位置= (n+1) × ...
分类：
其他好文 时间：
2018-08-11 14:33:08
阅读次数：
775
在这篇博文中手把手教你如何去分割验证，然后进行识别。 一：下载验证码 验证码分析，图片上有折线，验证码有数字，有英文字母大小写，分类的时候需要更多的样本，验证码的字母是彩色的，图片上有雪花等噪点，因此识别改验证码难度较大 二：二值化和降噪： 三： 切割： 四：分类： 五： 测试识别率 六：总结： 综 ...
分类：
编程语言 时间：
2018-08-10 19:42:24
阅读次数：
418
前文提到的在系统设置Cache组件 Cache::getInstance()的时候 Cache是以单例模式实现的。构造器会进行如下操作 ProcessManager::getInstance()->addProcess($this->generateProcessName($i),CacheProc ...
分类：
系统相关 时间：
2018-08-07 20:49:38
阅读次数：
220
