//冒泡排序，从大到小 int[]temp=new int[]{1,22,5,66,7,88,12,7,7,9}; for(int i=0;i<temp.length;++i){ for(int j=i+1;j<temp.length;++j){ if(temp[i]<temp[j]){ int tempV=te

int[]temp=new int[]{1,22,5,66,7,88,12,7,7,9};//选择排序：从大到小 for(int i=0;i<temp.length-1;++i) { int min=i; for(int j=i+1;j<temp.length;++j) { if(temp[min]<temp[j]) { min=j; } }

计算理论中，没有Hash函数的说法，只有单向函数的说法。所谓的单向函数，是一个复杂的定义，大家可以去看计算理论或者密码学方面的数据。用“人 类”的语言描述单向函数就是：如果某个函数在给定输入的时候，很容易计算出其结果来；而当给定结果的时候，很难计算出输入来，这就是单项函数。各种加密函 数都可以被认为是单向函数的逼近。Hash函数（或者成为散列函数）也可以看成是单向函数的一个逼近。即它接近于满足单向

看过的文章，不做记录，即便当时理解透了，过一段时间后，知识总会模糊不清。所以从现在开始，对一些自己阅读过的一些精彩的文章，悉心记录，方便自己查阅温故，当然如果对同行有所裨益的话，亦是一件开心的事。好了，回归正题。这篇文章发表在2011年CVRP上，一作是Yunchao Gong，师从Sanjiv Kumar，关于Sanjiv Kumar可以到她的HomePage上了解。 这

通过 采集系统 我们采集了大量文本数据，但是文本中有很多重复数据影响我们对于结果的分析。分析前我们需要对这些数据去除重复，如何选择和设计文本的去重算法？常见的有余弦夹角算法、欧式距离、Jaccard相似度、最长公共子串、编辑距离等。这些算法对于待比较的文本数据不多时还比较好用，如果我们的爬虫每天采集的数据以千万计算，我们如何对于这些海量千万级的数据进行高效的合并去重。最简单的做法是拿着待比较的文本

下面是我直接复制的，有不懂的欢迎qq交流:1281907942看了ConcurrentHashMap的实现, 使用的是拉链法.虽然我们不希望发生冲突，但实际上发生冲突的可能性仍是存在的。当关键字值域远大于哈希表的长度，而且事先并不知道关键字的具体取值时。冲突就难免会发 生。另外，当关键字的实际取值大于哈希表的长度时，而且表中已装满了记录，如果插入一个新记录，不仅发生冲突，而

1. 与K-均值算法的比较–K-均值算法通常适合于分类数目已知的聚类，而ISODATA算法则更加灵活；–从算法角度看， ISODATA算法与K-均值算法相似，聚类中心都是通过样本均值的迭代运算来决定的；–ISODATA算法加入了一些试探步骤，并且可以结合成人机交互的结构，使其能利用中间结果所取得的经验更好地进行分类。 2. ISODATA算法基本步骤和思路

k-means算法：     第一步：选KK个初始聚类中心，z1(1),z2(1),⋯,zk(1)z1(1),z2(1),⋯,zk(1)，其中括号内的序号为寻找聚类中心的迭代运算的次序号.聚类中心的向量值可任意设定，例如可选开始的KK个模式样本的向量值作为初始聚类中心。     第二步：逐个将需分类的模式样本{x}{x}按最小距离准则分配给KK个聚类中心中的某一个zj(