其他

PrepareStatement有兩種executeQuery方法，一種是帶參的，一種是不帶參的。帶參的executeQuery：ResultSet executeQuery(String sql) throws SQLExceptionExecutes the given SQL statement, which returns a single ResultSet object.Note:This method cannot be called

登入介面的底色不要設定，直接只設定陰影和圓角還有1px的白色邊框就可以有玻璃的效果了。換不同的背景可以看出效果。炫目的背景透出來的效果更好一些。中間的內容地區設定min-height:100%可以白色地區縱向鋪滿螢幕，不會出現內容少時頁面只有一半的尷尬場面。由於右邊的列表很長很長……滾動到下面的時候header就看不到了，不滾動的時候footer就看不到了，所以就使用了header和footer採用完全fixed的設定。另外，右邊橘色的塊塊原本是放在頁面中部的，但是，因為是一個隨時可能發生的隨機

這星期在整理工程的文檔。發現一些問題。1、DAO層應該進行具體的操作還是抽象程度高的操作？　　抽象程度越高，複用的可能性就越大。但是效率上確實眼睜睜看著它提高不了。2、DAO層的操作應該事先準備完整的“增刪改查”，還是等用到的時候再針對性的增加？　　由於當初在開始建立工程時，時間緊迫而且需求不清晰，所以DAO層給所有的資料庫表甚至所有表的欄位都編寫了“增刪改查”的介面。這次整理代碼的時候發現有好多資料表中的操作（如修改），或者某些欄位的操作都是用不到的，因為業務本身就註定了這些欄位一旦寫入就不會

《Using one-time passwords to prevent password phishing attacks》講說可以使用一次性的密碼，當使用者註冊時候，通過使用者填寫的連絡方式，如手機或者email來發送單次密碼。之後的登入貌似也是一樣的。 《Kamouflage Loss-Resistant Password Management》斯坦福的。講說一般的系統都只儲存使用者的密碼S。他們提出一個架構是儲存S + （N-1）個S的變種，認為當使用者裝置被盜時，駭客破解的時間會增加。

文章目錄 About OpenStack 今天是Yasushi HARA老師在本次課程中的last class。強烈推薦了openstack讓我們看看。so，google之。----------------OpenStack的官網地址可以看到官網首頁上很明顯的一張圖，顯示了openStack的大致的structure，如下：　　可以看到，openStack貌似充當了一個使用者application和standard

會議We refer specifically to ACM Recommender Systems (RecSys), established in 2007 and now the premier annual event in recommender technology research and applications.In addition, sessions dedicated to RSs are frequently included in the more

今天開始參加為期10天的雲端運算課程。現記錄筆記如下：1、商業模式與所處層次越空白的地區越容易有創業的可能從content->infrastructure，越往下走入行門檻越高，越不容易被模仿超越，但利潤也越低。 2、content、platform、network（infrastructure）①content有website、social game、SNS等特點：（1）market turnover high　　　（2）money easy come， easy

標記當前位置：範例程式碼：var marker = new BMap.Marker(point);map.addOverlay(marker); 在地圖上顯示足跡：顯示足跡列表要用到百度地圖API中“添加折線”的方法。API文檔給出的參考代碼是：var polyline = new BMap.Polyline([ new BMap.Point(116.399, 39.910), new BMap.Point(116.405, 39.920) ],

【此文介紹了貝葉斯公式】現在舉一個例子說明怎麼使用貝葉斯公式來做決策。例子：假設有100個人，每個人都有自己的生日。1年有12個月，假設這100個人的生日從1月到12月的人數的分布情況如下： 3     4     5     7    10    13    14    15    12     8     5     4那麼1月到12月生人所佔的比率分別為：0.0300    0.0400    0.0500    0.0700    0.1000    0.1300    0.1400  

1、概述Collaborative filtering methods are based on collecting and analyzing a large amount of information on users’ behaviors, activities or preferences and predicting what users will like based on their similarity to other users.

上集回顧：昨天講了頁面如何根據不同的裝置尺寸做出響應。主要是利用了@media命令以及尺寸百分比化這兩招。 上集補充：其中，利用以下CSS設定讓圖片或視頻大小不超過裝置螢幕的寬度：img, object{max-width:100%;}這一語句一般加在@media screen and (max-width:481)的判斷內，主要是讓手機使用者在查看網頁時圖片不至於比手機螢幕還大。這一招在《Head First Moblie Web》中被稱為“Fluid Image

1、測試伺服器能否接受10萬使用者同時線上操作　　如果用IIS服務做應用伺服器，單台可承受的最大並發數不可能達到10萬級，需要使用叢集，利用負載平衡來實現。　　如果使用websphere之類的應用伺服器，單台可承受的最大並發數可達10萬級，但為效能考慮，還是應該使用叢集。—— by 打雜小馬鈴薯 2、推薦使用JMeter工具——————————————————————————————————————————————《效能測試從零開始》

現在行動裝置越來越普及，使用者使用智能手機、pad上網頁越來越普遍。但是傳統的fix型的頁面在移動終端上無法很好的顯示。因此，Ethan Marcotte提出一種響應式web設計的概念。響應式web設計的英文為Responsive Web Design，簡寫為RWD。在圖書館借到一本O'REILLY的《Head First Moblie

建立串連池的教程 （一步一步按照裡面的方法做就可以了）：【--教程串連--】只需要將kuangbaoxu寫的設定檔和java類放入工程中，然後在為工程添加commons-dbcp.jar、commons-pool.jar包即可。可以會遇到的問題有幾個：1、driver.getConnectionPool語句報錯錯誤說明是“The method getConnection Url(String) is undefined for the type

在【前一個例子】中已經舉例說明了如何用貝葉斯公式計算後驗機率，然後依據後驗機率來做決策。1、什麼是行為？但是，有時候，後驗機率本身只能說明具有特徵x的樣本屬於ωi類的可能性有多少，卻沒能表示如果將樣本分到ωi類時的代價有多大。在此，引入行為的概念。分類器的設計初衷很簡單，就是進行“分類”這一動作。假設現在來了一個具有特徵x的樣本，如果將“把樣本分入ωi類”這一行為記為動作ai的話，我們將有不少於類別種類（假設有c類）的行為（因為除了將樣本分入不同類別外，還可能拒絕作出判斷，因此動作集的大小一般大

無意間在圖書館翻到jeff hawkins的這本書。從研究人腦運作的視角去研究人工智慧。認為在人腦中，對映像、聲音的識別都是基於模式的匹配。而不論聲音訊號還是映像訊號抑或是肢體的感覺，在腦中的處理方式都是相同的。如果這一切是真實的，那麼以後的電腦識別是否可以處理輸入變成某種格式後，由一個防人腦系統進行統一處理呢？腦機介面以後會不會像科幻片裡面一樣真實？

前言行動裝置由於受到頻寬、處理器運算速度的限制，因而對網頁的效能有更高的要求。究竟是網頁中的何種元素拉低了網頁在行動裝置中載入的速度呢？這些元素應該做何處理以提升頁面在行動裝置中的整體效能？是否存在一種設計模式可以同時滿足移動端及案頭端的頁面設計呢？本文目錄：1、案頭網頁的效能檢測2、行動裝置中網頁的效能檢測3、行動裝置網頁的效能瓶頸4、如何改善行動裝置網頁的效能5、什麼是Mobile-first Responsive Web Design和Progressive Enhancement本文1、

Everything is an object前言Scala is a pure object-oriented language in the sense that everything is an object,including numbers or functions. It differs from Java in that respect, since Java distinguishes primitive types (such as boolean and int) from

1、貝葉斯決策理論研究了模式類的機率結構完全知道的理想情況。這種情況很少在實際中出現，但是它為我們提供了一個能與其他分類器作對比的評價依據。2、最大似然和貝葉斯參數估計研究了當模式類的機率結構未知，但一般的分布形式已知的情況下的問題。此時的機率分布中存在的不確定性是由若干參數值未知所引起的。我們要做的是嘗試估計出正確的參數值。3、非參數技術更加遠離貝葉斯理想情況。甚至連參數化的先驗分布形式的任何知識都沒有。分類型必須基本上只利用輸入訓練樣本自身提供的資訊來工作。4、無監督學習和聚類在輸入訓練樣本

本文是對《Will NoSQL Databases Live Up to Their Promise?》一文的簡要翻譯。翻譯中省略了人名、研究機構名稱，只翻譯了作者自己或者作者引用的他人觀點。【原文】　　與關係型資料庫相比，NoSQL資料庫最大的優勢是它們能高效地處理非結構化的資料，如字元檔案、郵件、多媒體、社交媒體等。一些NoSQL資料庫可以運行在分布式的環境中，因此可以用多個較廉價的裝置來完成一台高效能伺服器的功能。　　一些NoSQL的支援者認為，NoSQL有更好的效能，這對於大資料的處理是