cscmaker的专栏

（1）安装JDK，需要以下几步          首先到oracle（刚才写成sun的官网，后面一贴网址突然就想起来了被oracle收购了……）的官网，找到JDK并下载下来：http://www.oracle.com/technetwork/java/javase/downloads/index.html          安装jdk，记住安装jdk的路径，我的路径为D:\Java\jdk

（1）Resource Description Framework（资源描述框架 RDF）是W3C推荐的标准，与XML、SOAP等web标准并排，是一个用于表达关于万维网上的资源的信息的语言。RDF使用URI来标识任何事物，并通过属性和属性值来描述资源。资源、属性和属性值的组合可以形成一个陈述句，其中资源是陈述句的主体，属性时陈述句的谓语，属性值是陈述句的客体。主语、谓语、客体称为RDF的三元

（1）最长公共子序列问题可以使用动态规划来有效的解决。（2）算法实现是参考《算法导论》中的动态规划一章    public static void main(String args[]) { String s1= "abcbdab"; String s2 = "bdcaba"; LCS.getLCSLength(s1, s2); } publ

介绍Java中内存表示的一篇好文章，通俗易懂。收藏。转自：http://developer.51cto.com/art/201003/188753.htm在JVM中，内存分为两个部分，Stack（栈）和Heap（堆），这里，我们从JVM的内存管理原理的角度来认识Stack和Heap，并通过这些原理认清Java中静态方法和静态属性的问题。一般，JVM的内存分为两部分：St

选择排序的算法描述：首先找出数组A中的最小元素，然后将其与A[0]中的元素进行交换，然后找出A中次小的元素，与A[1]中的元素进行交换.......以此类推。下面是Java版的简单算法实现：public class S_Sort{ public static void main(String args[]) { int[] a = new int[]{11,2

计数排序的下界优于任意一个比较排序算法。它是一个不需要比较两个元素大小的排序算法。计数排序在百度百科中有详细的介绍http://baike.baidu.com/view/1209480.htm。这里编写了计数排序的Java版本： public static void main(String args[]) { int[] a = new int[] { 2,5,3,0,2,3,0

（1）手动安装          首先需要在Apache官网下载Ant，地址为：http://ant.apache.org/bindownload.cgi          然后将下载后的文件进行解压，然后将解压后的文件放到 /usr （这个路径是自己定义）下。          最后配置环境变量，你首先需要确认已经安装了Java环境。在shell中输入： sudo vim /etc/

在伯乐在线（很好的网站）看到一篇关于Java处理XML的文章，其中讲到了默默无闻的Digester，觉得比较方便，以后会用到，转载记录之。转载地址：http://blog.jobbole.com/25372/简介： XML (eXtensible Markup Language) 意为可扩展标记语言，它已经是软件开发行业中大多数程序员和厂商用以选择作为数据传输的载体。本文作者对于

（1）Java集合采用实现和接口分离的方法。例如比较熟悉的数据结构  队列。一个队列接口的最小形式可能类似下面这样：   interface Queue  {        void add(E element);        E remove();        int size();        //...............  }  但是实际上

学习Java日期处理，看见这一篇比较详细，转载之。转自：http://www.cnblogs.com/hqr9313/archive/2012/04/19/2458221.html时间日期1)java中的时间类有：Date和Calendar2)java中时间类的本质 long（毫秒数）  Date = long +历法算法（方法gerYear()）  Calenda

（1）感知机是二类分类的线性分类模型，其输入是实例的特征向量，输出为实例的类型。          感知机学习的目的是将训练数据进行线性划分的分离超平面，属于是判别模型。感知机学习采用基于误分类的损失函数，利用梯度下降法对损失函数进行极小化，最后求得感知机模型。          强调：利用感知机学习策略进行训练的数据集要求必须是线性可分的，否则感知机学习算法不会收敛，迭代结果会发生震荡。