<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[我也想当个菜鸡]]></title><description><![CDATA[只能慢慢来了。。。]]></description><link>https://blog.youkuaiyun.com/apachephpmysql</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; apachephpmysql]]></copyright><item><title><![CDATA[欢迎使用优快云-markdown编辑器]]></title><link>https://blog.youkuaiyun.com/apachephpmysql/article/details/52925909</link><guid>https://blog.youkuaiyun.com/apachephpmysql/article/details/52925909</guid><author>apachephpmysql</author><pubDate>Tue, 25 Oct 2016 18:44:04 +0800</pubDate><description><![CDATA[欢迎使用Markdown编辑器写博客本Markdown编辑器使用StackEdit修改而来，用它写博客，将会带来全新的体验哦：
Markdown和扩展Markdown简洁的语法
代码块高亮
图片链接和图片上传
LaTex数学公式
UML序列图和流程图
离线写博客
导入导出Markdown文件
丰富的快捷键
快捷键
加粗    Ctrl + B 
斜体    Ctrl + I 
引用    Ctrl]]></description><category></category></item><item><title><![CDATA[学习了挺长时间的 gdb, makefile 总结一下，加油！]]></title><link>https://blog.youkuaiyun.com/apachephpmysql/article/details/50767899</link><guid>https://blog.youkuaiyun.com/apachephpmysql/article/details/50767899</guid><author>apachephpmysql</author><pubDate>Mon, 29 Feb 2016 20:32:32 +0800</pubDate><description><![CDATA[gdb  
是GNU开源组织发布的一个强大的UNIX下的程序调试工具，GDB可以帮助我们实现：


启动程序，可以按照我们自定义的条件随心所欲的运行程序。

让被调试的程序在我们调试的时候在指定的断点处停住，其中断点可以是条件表达式。

当程序被停住时，可以检查此时程序中所发生的事，并追索上文。

动态地改变程序的执行环境。

从使用的角度分析，我只要使用命令进行调试程序即]]></description><category></category></item><item><title><![CDATA[推荐系统相关算法(1)：SVD]]></title><link>https://blog.youkuaiyun.com/apachephpmysql/article/details/44900985</link><guid>https://blog.youkuaiyun.com/apachephpmysql/article/details/44900985</guid><author>apachephpmysql</author><pubDate>Mon, 06 Apr 2015 12:20:36 +0800</pubDate><description><![CDATA[http://www.cnblogs.com/FengYan/archive/2012/05/06/2480664.html
上面是原文地址


1. SVD简介


假如要预测Zero君对一部电影M的评分，而手上只有Zero君对若干部电影的评分和风炎君对若干部电影的评分（包含M的评分）。那么能预测出Zero君对M的评分吗？答案显然是能。最简单的方法就是直接将预测分定为平均分。不过这]]></description><category></category></item><item><title><![CDATA[如何运用SCRAPY+MySQL抓取相关信息]]></title><link>https://blog.youkuaiyun.com/apachephpmysql/article/details/44803787</link><guid>https://blog.youkuaiyun.com/apachephpmysql/article/details/44803787</guid><author>apachephpmysql</author><pubDate>Wed, 01 Apr 2015 10:49:16 +0800</pubDate><description><![CDATA[首先本文是基于win7操作系统，并且配置好scrapy的运行环境，采用Python语言编写的（前面有疑问的请先Google，百度   ，拒绝伸手党）
1.假设你已经配置好scrapy的运行环境，这里你只需要运行CMD进入DOS创建一个新的项目工程
scrapy startproject  项目名称                                                 ]]></description><category></category></item><item><title><![CDATA[运用TF-IDF 提取特征词 k-means 挖掘微博的兴趣特征群体]]></title><link>https://blog.youkuaiyun.com/apachephpmysql/article/details/41812709</link><guid>https://blog.youkuaiyun.com/apachephpmysql/article/details/41812709</guid><author>apachephpmysql</author><pubDate>Mon, 08 Dec 2014 23:53:46 +0800</pubDate><description><![CDATA[﻿﻿
//分词
#include "TFIDFMeasure.h"
#include 
#include 
using namespace std;
TFIDFMeasure::~TFIDFMeasure(void)
{
 //销毁分词器
 if (this->_tokenizer!=NULL)
 {
  delete _tokenizer;
  _tokenizer = ]]></description><category></category></item><item><title><![CDATA[手把手教你 Cocos2.2.5+win7+vs2012配置]]></title><link>https://blog.youkuaiyun.com/apachephpmysql/article/details/41786647</link><guid>https://blog.youkuaiyun.com/apachephpmysql/article/details/41786647</guid><author>apachephpmysql</author><pubDate>Sun, 07 Dec 2014 12:27:03 +0800</pubDate><description><![CDATA[本人也是刚刚入手 欢迎大神们指点：
首先 安装VS2012 
Python2.x（别装成3.x）因为二者的print 格式不同
配置Python 的顺序按照（1,2,3,4）做



到官网下载Cocos2.2.5解压我的路径是D:\Cocos2d\cocos2d-x-2.2.5（这个很重要哦）最好简单一点记得就好啊
在D:\Cocos2d\cocos2d-x-2.2.5\路径下，]]></description><category></category></item><item><title><![CDATA[复杂网络建模 社交网络图的一些计算代码（不全欢迎补充）MATLAB]]></title><link>https://blog.youkuaiyun.com/apachephpmysql/article/details/41700121</link><guid>https://blog.youkuaiyun.com/apachephpmysql/article/details/41700121</guid><author>apachephpmysql</author><pubDate>Wed, 03 Dec 2014 17:42:56 +0800</pubDate><description><![CDATA[﻿﻿
function [C,aver_C,max_C,min_C]=Clustering(A)
%%求聚类系数
%A--------------邻接矩阵
%C--------------聚类系数
%aver_C---------整个网络图的平均聚类系数
A=xlsread('name.xls');
%A=xlsread('hometown.xls');
%A=xlsread('d]]></description><category></category></item></channel></rss>