<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[usualheart的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/usualheart</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; usualheart]]></copyright><item><title><![CDATA[Make Transformer Great Again——时间序列预测器PRformer 拉爆8个时序预测数据集]]></title><link>https://blog.youkuaiyun.com/usualheart/article/details/141108844</link><guid>https://blog.youkuaiyun.com/usualheart/article/details/141108844</guid><author>usualheart</author><pubDate>Sun, 11 Aug 2024 18:03:48 +0800</pubDate><description><![CDATA[长期以来，时间序列预测领域Transformer被基于MLP的线性模型所压制。PRformer，创造性地提出Pyramid RNN embeddings(PRE)，大幅提升Transformer时序预测器的性能至SOTA级别。让Transformer在时间序列预测任务上 Great Again!]]></description><category></category></item><item><title><![CDATA[奇异值分解在机器学习的应用：PCA主成分分析、潜在语义分析LSA]]></title><link>https://blog.youkuaiyun.com/usualheart/article/details/131524798</link><guid>https://blog.youkuaiyun.com/usualheart/article/details/131524798</guid><author>usualheart</author><pubDate>Mon, 03 Jul 2023 22:28:52 +0800</pubDate><description><![CDATA[本身是一种线性变换，假设样本矩阵X 主成分分析归结于求协方差矩阵Sx的特征值和对应的单位特征向量==>奇异值分解。非负矩阵分解相当于利用梯度下降+损失函数尽可能缩小X和WH的差异，进而实现W H的近似求解。潜在语义分析是将文本在单词向量空间的表示通过线性变换转换为在话题向量空间中的表示。话题相当于文本信息的一种稀疏表达。话题文本矩阵相当于单词-文本矩阵的降维表示。pca认为方差代表了信息含量，方差越大 信息越多。单词-文本矩阵==>话题文本矩阵。潜在语义分析LSA–非负矩阵分解。《统计学习方法》笔记。]]></description><category></category></item><item><title><![CDATA[基于frp原理实现的轻量级内网穿透工具frp-python]]></title><link>https://blog.youkuaiyun.com/usualheart/article/details/123101274</link><guid>https://blog.youkuaiyun.com/usualheart/article/details/123101274</guid><author>usualheart</author><pubDate>Wed, 23 Feb 2022 22:51:08 +0800</pubDate><description><![CDATA[frp-python是基于frp原理实现的轻量级python版frp，frp-python具有非常简洁的设计，在速度方面甚至优于frp。只需稍加修改frpc的代码，甚至可以在esp-32上部署一个frpc客户端！]]></description><category></category></item><item><title><![CDATA[内网穿透工具frp核心架构原理分析]]></title><link>https://blog.youkuaiyun.com/usualheart/article/details/123032372</link><guid>https://blog.youkuaiyun.com/usualheart/article/details/123032372</guid><author>usualheart</author><pubDate>Sun, 20 Feb 2022 16:40:46 +0800</pubDate><description><![CDATA[本文是对frp [v0.1.0]版本源码阅读后所做的原理分析，通过了解底层原理，可以用任意变成语言实现一个frp。]]></description><category></category></item><item><title><![CDATA[python实现win10下量子熵源真随机数音乐播放器]]></title><link>https://blog.youkuaiyun.com/usualheart/article/details/122693899</link><guid>https://blog.youkuaiyun.com/usualheart/article/details/122693899</guid><author>usualheart</author><pubDate>Tue, 25 Jan 2022 23:44:23 +0800</pubDate><description><![CDATA[python实现win10下量子熵源真随机数音乐播放器]]></description><category></category></item><item><title><![CDATA[一个基于java springboot vue mysql的开源每周工作汇报系统 前后端分离 支持在线写周报、图片上传、支持共享阅览pdf、markdown格式的文件]]></title><link>https://blog.youkuaiyun.com/usualheart/article/details/108144203</link><guid>https://blog.youkuaiyun.com/usualheart/article/details/108144203</guid><author>usualheart</author><pubDate>Fri, 21 Aug 2020 11:49:18 +0800</pubDate><description><![CDATA[zhoubao
项目地址：
https://github.com/usualheart
一个用于研究生/博士/工作的每周工作汇报系统，springboot+vue+mysql。支持在线写周报、上传图片，支持pdf、markdown格式的周报文件。支持共享查看。
效果展示
登录界面
首页北京与bing.com图片同步,每天都有新鲜感。

Markdown编辑器
支持在线使用Markdown语法写周报。

表格式周报与图片上传
支持以在线表格的形式填写每周工作情况，同时还支持上传图片进行说明。

部署方法
创建]]></description><category></category></item><item><title><![CDATA[深度优先搜索两种实现方法java模板 递归和栈以及使用栈的潜在问题]]></title><link>https://blog.youkuaiyun.com/usualheart/article/details/108103136</link><guid>https://blog.youkuaiyun.com/usualheart/article/details/108103136</guid><author>usualheart</author><pubDate>Wed, 19 Aug 2020 16:05:36 +0800</pubDate><description><![CDATA[有两种实现 DFS 的方法。
dfs递归模版
第一种方法是进行递归:
boolean DFS(Node cur, Node target, Set&lt;Node&gt; visited) {
    return true if cur is target;
    for (next : each neighbor of cur) {
        if (next is not in visited) {
            add next to visted;
            ret]]></description><category></category></item><item><title><![CDATA[使用java jdbc+swing+mysql实现的淘宝算账小工具 自动解析csv github开源适合新手学习]]></title><link>https://blog.youkuaiyun.com/usualheart/article/details/107932259</link><guid>https://blog.youkuaiyun.com/usualheart/article/details/107932259</guid><author>usualheart</author><pubDate>Tue, 11 Aug 2020 11:49:56 +0800</pubDate><description><![CDATA[taobaosuanzhang
一个用于帮助淘宝小卖家算账的小工具，导入从淘宝上下载的宝贝销售数据，就可以自动算账。
https://github.com/usualheart/taobaosuanzhang
技术
java+jdbc+mysql+java swing
项目意义

实践使用jdbc
使用java swing的小例子
代码量小，很快就可以理解，适合新手学习

运行方法
创建数据库
在mysql5.7中创建eshop数据库，导入eshop.sql文件（utf-8编码）
运行
界面程序：
src/]]></description><category></category></item><item><title><![CDATA[算法题中将二维数据合并为一维 来解决二维数据无法放入集合的问题 附将2个int合并为1个long的java代码]]></title><link>https://blog.youkuaiyun.com/usualheart/article/details/107921092</link><guid>https://blog.youkuaiyun.com/usualheart/article/details/107921092</guid><author>usualheart</author><pubDate>Mon, 10 Aug 2020 20:16:50 +0800</pubDate><description><![CDATA[二维数据无法直接放进集合，通过集合在短时间内判断是否存在。
可以将二维数据合并为一维，然后对这个一维数据进行处理
比如可以将两个int数据合并为一个long数据
比如对于多个坐标（x,y），无法直接加入集合，而将坐标转化为long之后就可以放入集合，并借助集合的特性在O（1）时间内判断某坐标是否存在。

相关题目
874. 模拟行走机器人
https://leetcode-cn.com/problems/walking-robot-simulation/
这道题通过合并坐标为long来快速判断坐标是否碰到障]]></description><category></category></item><item><title><![CDATA[java对long的位运算注意事项 缺少L导致整数当作int处理进而引起结果错误]]></title><link>https://blog.youkuaiyun.com/usualheart/article/details/107920988</link><guid>https://blog.youkuaiyun.com/usualheart/article/details/107920988</guid><author>usualheart</author><pubDate>Mon, 10 Aug 2020 20:10:12 +0800</pubDate><description><![CDATA[定义long要在数值后面加上L 否则将作为int解析
Java 里使用 long 类型的数据一定要在数值后面加上 L，否则将作为整型解析：
long g = (long)9223372036854775807;
long h = (long)-9223372036854775808;

或者

long g = 9223372036854775807;
long h = -9223372036854775808;

会出现以下报错信息：
Exception in thread "main" java.lan]]></description><category></category></item><item><title><![CDATA[图类算法题使用邻接矩阵还是邻接链表——邻接矩阵和邻接链表的优缺点以及初始化代码]]></title><link>https://blog.youkuaiyun.com/usualheart/article/details/107796979</link><guid>https://blog.youkuaiyun.com/usualheart/article/details/107796979</guid><author>usualheart</author><pubDate>Tue, 04 Aug 2020 19:55:18 +0800</pubDate><description><![CDATA[邻接矩阵的优缺点
优点

判断是否邻接效率高

缺点

在稀疏的情况耗费空间
构造的过程耗费时间，为O(N^2)
在查找某节点的邻接对象时耗费时间，为O(N^2)，且需要一个一个地判断

邻接链表的优缺点
优点

在查找某节点的邻接对象时比较快，为O(|E|)
构造过程比较快，为O(|E|)
占用的空间相对较小

缺点

判断两个节点是否邻接比较耗费时间，为O(|E|)

实际题目情况
1042. 不邻接植花
https://leetcode-cn.com/problems/flower-planting-]]></description><category></category></item><item><title><![CDATA[在k8s集群添加nfs动态卷供应支持——通过部署使用nfs的storageclass]]></title><link>https://blog.youkuaiyun.com/usualheart/article/details/107404991</link><guid>https://blog.youkuaiyun.com/usualheart/article/details/107404991</guid><author>usualheart</author><pubDate>Fri, 17 Jul 2020 11:51:17 +0800</pubDate><description><![CDATA[参考教程： https://medium.com/@myte/kubernetes-nfs-and-dynamic-nfs-provisioning-97e2afb8b4a9
k8s nfs 客户端仓库： https://github.com/kubernetes-incubator/external-storage/tree/master/nfs-client

步骤1: 在nfs服务器上配置新的导出目录
导出目录是用于与nfs客户端共享的目录，这个目录可以是linux上的任意目录。这里我们使用一个创建.]]></description><category></category></item><item><title><![CDATA[nfs文件共享服务器搭建及使用教程——以及如何在kubernetes集群中使用nfs存储卷供应]]></title><link>https://blog.youkuaiyun.com/usualheart/article/details/107404873</link><guid>https://blog.youkuaiyun.com/usualheart/article/details/107404873</guid><author>usualheart</author><pubDate>Fri, 17 Jul 2020 11:46:18 +0800</pubDate><description><![CDATA[对于运行在云服务商中的k8s集群（比如GKE等），有比较完善的存储卷支持。而自建的k8s集群，这方面往往比较麻烦。经过调查，发现在自建k8s集群中使用nfs卷是一个比较简单可行的方案。
系统：ubuntu/Debian
对于centos等系统，只在于nfs的安装和配置略有不同。
安装配置nfs服务器

参考教程：https://vitux.com/install-nfs-server-and-client-on-ubuntu/

sudo apt-get update
sudo apt install nf]]></description><category></category></item><item><title><![CDATA[国内快速部署kubernetes集群的最佳实践——kubeadm官方教程+阿里镜像源 ubuntu16.04]]></title><link>https://blog.youkuaiyun.com/usualheart/article/details/107404703</link><guid>https://blog.youkuaiyun.com/usualheart/article/details/107404703</guid><author>usualheart</author><pubDate>Fri, 17 Jul 2020 11:42:18 +0800</pubDate><description><![CDATA[部署脚本放在github地址：https://github.com/usualheart/install_k8s_official
install_k8s_official
在国内环境下，借助阿里镜像源，按照官方的指导，使用脚本一步一步安装kubernetes。

参考教程
【官方】在ubuntu上安装docker
https://docs.docker.com/engine/install/ubuntu/
【官方】安装kubeadm
https://kubernetes.io/zh/docs/setup/]]></description><category></category></item><item><title><![CDATA[安装helm服务端tiller时gcr镜像无法拉取问题解决办法——手动转移docker镜像的多种方法]]></title><link>https://blog.youkuaiyun.com/usualheart/article/details/107404557</link><guid>https://blog.youkuaiyun.com/usualheart/article/details/107404557</guid><author>usualheart</author><pubDate>Fri, 17 Jul 2020 11:36:35 +0800</pubDate><description><![CDATA[Helm由客户端命helm令行工具和服务端tiller组成，Helm客户端的安装十分简单。 下载helm命令行工具到master节点node1的/usr/local/bin。
安装tiller时需要从gcr.io拉去镜像，由于网络原因，这步会出现无法拉取镜像的错误
需要的镜像是：
gcr.io/kubernetes-helm/tiller:v2.16.7

解决办法：
方法1：在外网部署一个docker registry进行中转
在外网部署一个docker registry。在外网通过docker pull]]></description><category></category></item><item><title><![CDATA[树莓派群晖nas机顶盒公网访问方案——自建ddns动态域名解析追踪临时公网ip，基于阿里云域名解析API，nodejs+docker实现1分钟极速部署]]></title><link>https://blog.youkuaiyun.com/usualheart/article/details/107404101</link><guid>https://blog.youkuaiyun.com/usualheart/article/details/107404101</guid><author>usualheart</author><pubDate>Fri, 17 Jul 2020 11:30:58 +0800</pubDate><description><![CDATA[项目地址：https://github.com/usualheart/aliddns
适用场景

家用设备的ddns

比如需要远程访问家里的电脑、树莓派、nas等


其它需要ddns的情况
宽带具备公网ip，简单的验证方法是百度ip，查看显示的ip地址和路由器上的wan口ip是否一致

准备条件

阿里云账号，有域名
一台可以运行脚本的设备，linux windows均可。比如：nas、linux路由器、树莓派、各种Linux开发板、个人电脑…

使用方法
aliddns by nodejs
下载代码
]]></description><category></category></item><item><title><![CDATA[Coursera吴恩达机器学习课程笔记第一周——机器学习介绍和matlab的优点]]></title><link>https://blog.youkuaiyun.com/usualheart/article/details/107403824</link><guid>https://blog.youkuaiyun.com/usualheart/article/details/107403824</guid><author>usualheart</author><pubDate>Fri, 17 Jul 2020 11:09:34 +0800</pubDate><description><![CDATA[周 1 Introduction
2019年7月23日
视频：Unsupervised Learning
使用机器学习方法 可以非常简单地通过无监督聚类分离出两个人的说话声音、人和音乐的声音；
为什么使用Octave软件或者mtlab软件？
可以快速地实现某一个算法，而不需要编写大量的代码（如果使用C++或者java 很多简单的算法需要写非常多的代码）
一般使用Octave或者matlab之类的软件快速开发出算法原型，确定可以使用的时候才会迁移到其他的编译环境（把比如c或者java）。事实上，这样做的效率要]]></description><category></category></item><item><title><![CDATA[快速比较mysql中两个表中的数据是否有差异并找出差异项]]></title><link>https://blog.youkuaiyun.com/usualheart/article/details/107403759</link><guid>https://blog.youkuaiyun.com/usualheart/article/details/107403759</guid><author>usualheart</author><pubDate>Fri, 17 Jul 2020 11:07:06 +0800</pubDate><description><![CDATA[Mysql快速比较两个表中的数据是否有差异
1、比较方法：
SELECT *
FROM
 (
   SELECT *
   FROM t1
   UNION ALL
   SELECT *
   FROM t2
)  t
GROUP BY pk, c1
HAVING COUNT(*) = 1
ORDER BY pk


第一个括号中用Union语句合并两个表中的行记录：仅包含需要比较的列。返回结果集用于比较。

在Group By后边跟上需要进行比对的字段（两个表都有的） 如上图pk 和c1是表t1和表t2]]></description><category></category></item></channel></rss>