Danjnax的专栏

interceptor，拦截器，是AOP（面向切面编程）的一种形式，作用是在action执行之前对进来的请求的控制和修改，我们如果想用特定的interceptor，可以在struts.xml中进行配置，注意这种配置会覆盖默认配置，因此我们就需要配置两下，一个是自己的interceptor，另一个就是加上默认的interceptor。

我们可以自己写自己的类型转换器用于从reqquest接受到的字符串的转换，转换器也要写相应的配置文件就像国际化一样，但是要注意文件名的格式和内容的格式。

hibernate把数据库中的表定义为对象，实现数据库端的面向对象编程，比如数据库中有一个表stu(id ,name,age);怎我么就要建立相应的class来与之对应，成员变量就是数据库中表的属性，有相应的get()set()方法。使得class与表对应起来了（map）      hibernate配置文件hibernate.cfg.xml用来配置数据库连接和转化SQL语言。    

junit可以让你在一个java原文件中写多个测试方法，然后你可以一个一个的做测试而不与其他方法冲突。 hibernate日志系统主要有slf接口定义，在此之下，实现他的有slf4j,log4j,....，但是我们在hibernate中做日志的时候，不仅需要slf的api，和他的实现，我们还需要slf与其实现的转换器（因此需要三个jar包，这是一种适配器模式）。JUNIT提供个单元调试的能力，也

cascade级联操作会影响增删改，但是不影响查，查由另一个参数设定，因为我们大多数的操作会用到查。而且对于查，hibernate帮我们设定了默认值，比如many-one关联，当查询many的时候，会顺带着把one取出来，因为one那方较少，但是当读取one的时候就不能不会把many取出来，因为有可能many的那一方数量庞大，因此hibernate对查做了默认设定（fetch设定），与设不设cas

http://www.docin.com/p-701905014.html http://baike.so.com/doc/6747914.html Command Lisp下载http://www.onlinedown.net/softdown/90034_2.htm 原子是不加()的东西！ 七个原始（从公理的意义上说）操作符： quote,atom,eq,car,cdr

#include void reason(float *A,float *B,float *_A);//推理 float cross(float *A,float *_A);//求适配度 float max(float *tem);//求最大值 void cut(float *B,float r);//切割 void print(float *B);//打印 void main(){

#include #include typedef struct BiTree{ int ltag; int rtag; char data; BiTree * lc; BiTree * rc; }; typedef struct Stack{ int top; int length; BiTree **S; }; typedef struct Quenue{ int rear;

一个四元数表示了物体绕一个轴旋转一个角度的动作。在四轴飞行器中，我们有一个初始姿态四元数A=（1,0,0,0）即没有旋转，之后我们由陀螺仪等到3个坐标轴的角速度，乘以间隔时间就得到了3个坐标轴的旋转角度。由于四元数的运算与历史无关，因此我们可以把这些旋转角度转换为四元数B，由于四元数的乘法特性，则当前姿态的四元数C=A*B；把C转换为欧拉角就得到了直观下的物体当前的姿态了。

PID：就是比例（P），积分（I），微分（D）控制器。 自己的理解：P是对当前误差的处理，I是对过去误差的处理，D是对将来误差的处理，将过去现在和未来综合考虑就会跟我们一个更好的输出不是么。 仔细的解释：对于P，把就是简单的加了一个比例系数，比如我们要的是20，当前是10，误差为10=20-10，如果P的设定较小为0.1，收敛的很慢而且只能逼近目标值，不可能到达目标值，另外一些干扰有可能会消除小P

L->R 支持度（support）：P（LR）反映样本中的出现频率；置信度(confidence)反映相关性：P（R|L）；提升度(lift)：P(R|L)/P（R）； 平衡度（leverage）:P(LR)*P(L)*P(R);可信度（conviction）：P(L)*P(R)/P(LR) 对于支持度和置信度，两个是协同的，因为置信度很高的去支持度有可能很小。他们两个同时反映一

Apriori：既是先验知识算法，关联规则是从小到大一点点生成的。有C1->L1->C2->L2->C3->L3.....;Ck是候选集，Lk是k-频繁项集，Ck到Lk的过度通过支持度来筛选； 举例：支持度为2 原始数据： L1中因为C1中4的支持度小于2所以就排除了4，所以L1中没有4；； 同样在2-频繁项集中{1,2}{1,5}支持度小于2，排除；同理可得这样就

K-means:指定K个中心点，然后把其余点分配给这K个中心点，然后对每个分配后形成的簇求平均得到新的K个中心点，接着分配，知道中心点不在变化； KNN：又叫K近邻，对于已经有类别编号的离散点，当新来一个样本时，通过统计与这个样本最近的K个样本来选择作为新样本的类别，新样本的类别是这K个中同一类别中最多的那个类别； 贝叶斯：通过求各个属性的条件概率得到这个新样本属于某一类别的概率，选择

首先由线性可分的两类类别可由w*x+b=0来实现，我们要找到求解把两类分的最开的那个函数。有这个方程的约束条件又转化为拉格朗日乘子上去最后由SMO求解拉格朗日乘子，对于非线性的情况，利用内积映射，把低维映射到高维上去了，为了防止维度灾难，利用核函数把和内积使得可以用低维运算表达了高维映射，从而在高维中把线性不可分的数据用超平面可分了。加入和松弛变量的SVM可以处理异常点的情况。而这里所谓的SV是指

英文名叫做10-fold cross-validation，用来测试算法准确性。是常用的测试方法。将数据集分成十分，轮流将其中9份作为训练数据，1份作为测试数据，进行试验。每次试验都会得出相应的正确率（或差错率）。10次的结果的正确率（或差错率）的平均值作为对算法精度的估计，一般还需要进行多次10折交叉验证（例如10次10折交叉验证），再求其均值，作为对算法准确性的估计。 之所以选择将数据集