logo
publist
写文章

简介

该用户还未填写简介

擅长的技术栈

可提供的服务

暂无可提供的服务

(转载)Using GCC’s C++ Compiler

本文讨论GNU编译器集合(GCC)中的C++编译器(g++)的典型用法,主要是指命令行选项的构造。GCC的C++编译器正常安装后,可以使用g++或c++命令执行。GCC Option Refresher本节回顾GCC的C编译器的基本使用方法。g++编译器的选项可以是单字符,比如-o,也可以多字符,比如-ansi。所以你不可以把多个单字符选项合写到一起,这和许多其他GNU和UNIX下的程

(转载)c++内存池实现 .

利用C/C++开发大型应用程序中,内存的管理与分配是一个需要认真考虑的部分。本文描述了内存池设计原理并给出内存池的实现代码,代码支持Windows和Linux,多线程安全。内存池设计过程中需要考虑好内存的分配与释放问题,其实也就是空间和时间的矛盾。有的内存池设计得很巧妙,内存分配与需求相当,但是会浪费过多的时间去查找分配与释放,这就得不偿失;实际使用中,我们更多的是关心内存分配的速

入侵检测系统基础知识

入侵检测是指在特定的网络环境中发现和识别未经授权的、恶意的入侵和攻击,并对此作出反应的过程。入侵检测系统(IDS,Intrusion Detecting System)是一套运用入侵检测技术对计算机或网络资源进行实时检测的系统工具。IDS一方面检测未经授权的对象(人或程序)入侵系统,另一方面还监视授权对象对系统资源的非法操作。入侵检测作为一种积极主动的安全防护技术,提供了对内部、外部和误操作的实时

Libnids库-网络入侵检测的基础框架

1.Libnids介绍:   Libnids(library  network intrusion detection system)是网络入侵检测开发的专业编程接口,实现了网络入侵检测系统的基本框架,提供了一些基本功能。Libnids是基于libpcap和libnet而开发的,其主要功能包括捕获网络数据包、IP碎片重组、TCP数据流重组以及端口扫描攻击检测和异常数据包检测等。 2.L

【Python-ML】神经网络-多层感知器增加梯度检验

# -*- coding: utf-8 -*-'''Created on 2018年1月26日@author: Jason.F@summary: 多层感知器实现,加梯度检验训练集:http://yann.lecun.com/exdb/mnist/train-images-idx3-ubyte: training set imagestrain-labels-idx1-ubyte: t

【数据挖掘笔记四】数据仓库和联机分析处理

4.数据仓库和联机分析处理数据仓库泛化、合并多维空间的数据。构造数据仓库涉及数据清理、数据集成和数据变换,是数据挖掘的预处理步骤。数据仓库提供联系分析处理(OLAP)工具,用于各种粒度的多维数据的交互分析,助力数据泛化和数据挖掘,可以和数据挖掘功能集成,如关联、聚类、分类和预测,用以加强多个抽象层上的交互知识挖掘。数据仓库是数据分析和联系数据分析处理的重要平台,并为数据挖掘提供有效平台,构

【Python学习系列四】Python程序通过hadoop-streaming提交到Hadoop集群执行MapReduce

场景:将Python程序通过hadoop-streaming提交到Hadoop集群执行。参考:http://www.michael-noll.com/tutorials/writing-an-hadoop-mapreduce-program-in-python/1、Python编写Mapper   业务逻辑是从会从标准输入(stdin)读取数据,默认以空格分割单词,然后按行输出

关于mysql服务器3306端口不能远程连接的解决

问题:本机可以通过3306端口连接mysql服务器,但远程不行。1、网络检测   1)ping主机可以;   2)telnet 主机3306端口不可以;     telnet 主机22端口可以;   说明与本机网络没有关系;2、端口检测   1)netstat -ntpl |grep 3306    tcp        0      0 :::33

Nutch编译及集成eclipse+mysql开发环境的部署总结

Nutch是一个应用程序,以Lucene为基础实现的搜索引擎应用,Lucene为Nutch 提供了文本搜索和索引的API,Nutch不仅提供搜索,而且还有数据抓取的功能。1)linux下nutch集成mysql编译预先部署ubuntu+jdk+tomcat+mysql,配置mysql的配置文件my.ini为:[mysqld]下添加skip-grant-tables和character-

【数据挖掘知识点一】数据分布特征的描述

知识点:数据分布特征的描述1、变量集中趋势的测定变量在不同个体或不同时间条件下具体表现出来的数据是不同的,不过众多个体的数据常常会呈现出在一定范围内围绕某个中心而波动的分布特征。衡量数据集中趋势的指标有两类:一类是数值平均数,包括算数平均数、调和平均数、几何平均数;另一类是位置代表值,根据数据所处位置直接观察或根据与特定位置有关的部分数据来确定的代表值,主要有众数和中位数。测定集中

    共 41 条
  • 1
  • 2
  • 3
  • 4
  • 5
  • 请选择