当前位置: 首页 > news >正文

模式识别(4)SVM分类Iris和Sonar数据集

SVM分类Iris和Sonar数据集

       本文的重点是SVM的使用,所以并未从零开始实现SVM算法,只是关注其应用,具体实现调用SKlearn库中的函数,着重分析其中参数对结果的影响。

一、问题说明

       在iris数据集和sonar数据集上使用SVM算法进行分类。

二、数据说明

       UCI数据库是加州大学欧文分校(University of CaliforniaIrvine)提出的用于机器学习的数据库,这个数据库目前共有488个数据集,其数目还在不断增加,UCI数据集是一个常用的标准测试数据集。
每个数据文件(.data)包含以“属性-值”对形式描述的很多个体样本的记录。对应的.info文件包含的大量的文档资料。有些文件_generate_ databases;他们不包含*.data文件。作为数据集和领域知识的补充,在utilities目录里包含了一些在使用这一数据集时的有用资料。

三、原理分析

3.1 相关概念

       线性可分:给出训练数据集,存在向量和位移,使得其构造的超平面可以将数据集中的不同类别的样例正确的划分,则称该数据集为线性可分数据集,否则为线性不可分。
       超平面:即在n维的样本空间中找到一个划分超平面。
       函数间隔:给定一个样本,定义单个样本的函数间隔为:
在这里插入图片描述
在这里插入图片描述
       几何间隔:

在这里插入图片描述

3.2 基本思想

       Vapnik等人在多年研究统计学习理论基础上对线性分类器提出了另一种设计最佳准则。其原理也从线性可分说起,然后扩展到线性不可分的情况。甚至扩展到使用非线性函数中去,这种分类器被称为支持向量机(Support Vector Machine,简称SVM)。SVM的主要思想可以概括为两点:
       1)它是针对线性可分情况进行分析,对于线性不可分的情况,通过使用非线性映射算法将低维输入空间线性不可分的样本转化为高维特征空间使其线性可分,从而使得高维特征空间采用线性算法对样本的非线性特征进行线性分析成为可能。
       2)它基于结构风险最小化理论之上在特征空间中构建最优超平面,使得学习器得到全局最优化,并且在整个样本空间的期望以某个概率满足一定上界。
       在高维空间中的分类问题实际上是寻找一个超平面,将两类样本分开,这个超平面就叫做分类面。两类样本中离分类面最近的样本到分类面的距离称为分类间隔。最优超平面指的是分类间隔最大的超平面。支持向量机实质上提供了一种利用最优超平面进行分类的方法。由最优分类面可以确定两个与其平行的边界超平面。通过拉格朗日法求解最优分类面,最终可以得出结论:实际决定最优分类面位置的只是那些离分类面最近的样本。这些样本就被称为支持向量,它们可能只是训练样本中很少的一部分。支持向量如图所示:
在这里插入图片描述
       图中,H是最优分类面,H1和H2别是两个边界超平面。实心样本就是支持向量。由于最优超平面完全是由这些支持向量决定的,所以这种方法被称作支持向量机(SVM)。
       以上是线性可分的情况,对于线性不可分问题,可以在错分样本上增加一个惩罚因子来干预最优分类面的确定。这样一来,最优分类面不仅由离分类面最近的样本决定,还要由错分的样本决定。这种情况下的支持向量就由两部分组成:一部分是边界支持向量;另一部分是错分支持向量。
       对于非线性的分类问题,可以通过特征变换将非线性问题转化为新空间中的线性问题。但是这样做的代价是会造成样本维数增加,进而导致计算量急剧增加,这就是所谓的“维度灾难”。为了避免高维空间中的计算,可以引入核函数的概念。这样一来,无论变换后空间的维数有多高,这个新空间中的线性支持向量机求解都可以在原空间通过核函数来进行。常用的核函数有多项式核、高斯核(径向基核)、Sigmoid函数。

3.3 核函数

       核函数是一种映射,核技巧并不显式的定义映射函数,通过在学习和预测中定义核函数,特征空间的维度往往很高,甚至是无穷维的,并且对于给定的核函数,特征空间与映射函数的取法不唯一。
在这里插入图片描述
       核函数的有效性:K一定是一个对称矩阵。
       以下为部分常用的核函数:
在这里插入图片描述

四、结果求解

4.1 sonar数据集

       针对sonar数据集,采用高斯核函数,并随便其惩罚函数的值,得到其准确率随着惩罚函数的变化的曲线图,如下图所示:

在这里插入图片描述

4.2 Iris数据集

       针对iris数据集,分别采用高斯核函数,线性核函数和多项式核函数来观察其在不同的核函数的情况下的分类情况:
                                                                    高斯核函数
在这里插入图片描述
                                                                    线性核函数
在这里插入图片描述
                                                                    多项式核函数
在这里插入图片描述

五、结果分析

       根据求解结果可知,同样的数据集在使用不同的惩罚函数和不同的核函数时都会使得其分类准确率发生改变,因此针对不同的情况,应该选择合适的参数可以达到更高的分类准确率。

文章的pdf文件:link

六、附录

import numpy as np
import matplotlib.pyplot as plt
from sklearn import svm
import pandas as pd
sonar=pd.read_csv("D:\\Sonar.csv",header=None)
sonar_data=sonar.values[0:208,0:61]
# 训练集
# 第一类取0:60为训练集 ,第二类取97:180为训练集
sonar_train_data=sonar_data[range(0,61),0:61]
sonar_train_data=np.vstack((sonar_train_data,sonar_data[range(97,180),0:61]))
sonar_train_data=np.array(sonar_train_data)
sonar_train_label=sonar_train_data[:,0]
sonar_train_data=sonar_train_data[:,1:61]
print(sonar_train_data)
print(sonar_train_label)# 测试集
# 第一类取61:97为测试集 ,第二类取180:208为测试集
sonar_test_data=sonar_data[range(61,97),0:61]
sonar_test_data=np.vstack((sonar_test_data,sonar_data[range(180,208),0:61]))
sonar_test_data=np.array(sonar_test_data)
sonar_test_label=sonar_test_data[:,0]
sonar_test_data=sonar_test_data[:,1:61]
print(sonar_test_data)
print(sonar_test_label)
b = []
a = []
for num in range(1,11):clf = svm.SVC(C=num/10, kernel='rbf', decision_function_shape='ovr')rf = clf.fit(sonar_train_data, sonar_train_label)#C:惩罚函数,默认是1(相当于惩罚松弛变量)#kernel:核函数,默认是rbf高斯核,可以是‘linear’, ‘poly’, ‘rbf’, ‘sigmoid’, ‘precomputed’#ovr:一对多c = clf.score(sonar_train_data,sonar_train_label)print("训练次数:", num, "交叉验证验证准确率:", c)a.append(c)   #交叉验证准确率c = clf.score(sonar_test_data,sonar_test_label)print("训练次数:", num, "测试集准确率:", c)
b.append(c)  #测试集准确率
plt.figure(1)
plt.plot(range(1,11),a)
plt.grid()
plt.xlabel('C/10')
plt.ylabel('acc')iris = pd.read_csv("D:\\iris.csv", header=0)
# 数据集分类,分训练集和测试集
iris_data=iris.values[0:150,0:6]
iris_data=np.array(iris_data[0:150,0:6])
# 训练集
iris_train_data=iris_data[range(0,30),0:6]
iris_train_data=np.vstack((iris_train_data,iris_data[range(50,80),0:6]))
iris_train_data=np.vstack((iris_train_data,iris_data[range(100,130),0:6]))
iris_train_data=np.array(iris_train_data)
iris_train_label=iris_train_data[:,5]
iris_train_data=iris_train_data[:,0:4]
iris_train_data=iris_train_data.astype('float64')
iris_train_label=iris_train_label.astype('float64')
print(iris_train_data.shape)
print(iris_train_label.shape)# 测试集
iris_test_data=iris_data[range(30,50),0:6]
iris_test_data=np.vstack((iris_test_data,iris_data[range(80,100),0:6]))
iris_test_data=np.vstack((iris_test_data,iris_data[range(130,149),0:6]))
iris_test_data=np.array(iris_test_data)
iris_test_label=iris_test_data[:,5]
iris_test_data=iris_test_data[:,0:4]
iris_test_data=iris_test_data.astype('float64')
iris_test_label=iris_test_label.astype('float64')
print(iris_test_data.shape)
print(iris_test_label.shape)
b = []
a = []
for num in range(1,11):clf = svm.SVC(C=num/10, kernel='rbf', decision_function_shape='ovr')rf = clf.fit(iris_train_data, iris_train_label)#C:惩罚函数,默认是1(相当于惩罚松弛变量)#kernel:核函数,默认是rbf高斯核,可以是‘linear’, ‘poly’, ‘rbf’, ‘sigmoid’, ‘precomputed’#ovr:一对多c = clf.score(iris_train_data,iris_train_label)print("训练次数:", num, "交叉验证验证准确率:", c)a.append(c)   #交叉验证准确率c = clf.score(iris_test_data,iris_test_label)print("训练次数:", num, "测试集准确率:", c)
b.append(c)  #测试集准确率
plt.figure(4)
plt.subplot(1,2,1)
plt.plot(range(1,11),a)
plt.grid()
plt.xlabel('C/10')
plt.ylabel('acc')
plt.subplot(1,2,2)
plt.plot(range(1,11),b)
plt.grid()
plt.xlabel('C/10')
plt.ylabel('acc')b = []
a = []
for num in range(1,11):clf = svm.SVC(C=num/10, kernel='linear', decision_function_shape='ovr')rf = clf.fit(iris_train_data, iris_train_label)#C:惩罚函数,默认是1(相当于惩罚松弛变量)#kernel:核函数,默认是rbf高斯核,可以是‘linear’, ‘poly’, ‘rbf’, ‘sigmoid’, ‘precomputed’#ovr:一对多c = clf.score(iris_train_data,iris_train_label)print("训练次数:", num, "交叉验证验证准确率:", c)a.append(c)   #交叉验证准确率c = clf.score(iris_test_data,iris_test_label)print("训练次数:", num, "测试集准确率:", c)
b.append(c)  #测试集准确率
plt.figure(4)
plt.subplot(1,2,1)
plt.plot(range(1,11),a)
plt.grid()
plt.xlabel('C/10')
plt.ylabel('acc')
plt.subplot(1,2,2)
plt.plot(range(1,11),b)
plt.grid()
plt.xlabel('C/10')
plt.ylabel('acc')b = []
a = []
for num in range(1,11):clf = svm.SVC(C=num/10, kernel='poly', decision_function_shape='ovr')rf = clf.fit(iris_train_data, iris_train_label)#C:惩罚函数,默认是1(相当于惩罚松弛变量)#kernel:核函数,默认是rbf高斯核,可以是‘linear’, ‘poly’, ‘rbf’, ‘sigmoid’, ‘precomputed’#ovr:一对多c = clf.score(iris_train_data,iris_train_label)print("训练次数:", num, "交叉验证验证准确率:", c)a.append(c)   #交叉验证准确率c = clf.score(iris_test_data,iris_test_label)print("训练次数:", num, "测试集准确率:", c)
b.append(c)  #测试集准确率
plt.figure(5)
plt.subplot(1,2,1)
plt.plot(range(1,11),a)
plt.grid()
plt.xlabel('C/10')
plt.ylabel('acc')
plt.subplot(1,2,2)
plt.plot(range(1,11),b)
plt.grid()
plt.xlabel('C/10')
plt.ylabel('acc')

相关文章:

模式识别(4)SVM分类Iris和Sonar数据集

SVM分类Iris和Sonar数据集 本文的重点是SVM的使用,所以并未从零开始实现SVM算法,只是关注其应用,具体实现调用SKlearn库中的函数,着重分析其中参数对结果的影响。 一、问题说明 在iris数据集和sonar数据集上使用SVM算法进行分类。…...

Eclipse导入项目already exist

更改.project文件中的name即可:...

【验】Postfix+Dovecot+MySQL搭建邮件服务器

网上有很多使用Postfix搭建邮件服务器的文章,但目前貌似没有看到较为完整的一篇。本例将尝试在Ubuntu系统中使用PostfixDovecotMySQL搭建邮件服务器。 说到邮件服务器,网上有许多不同解决方案。Window操作系统下常见的邮件服务器有hMailServer、MailEna…...

ARM入门

基础知识 逻辑与IO: 计算机系统中用高、低电平来表示逻辑1和0 数据在计算机中的存储、传输、运算(对数据的处理方式)都是以二进制的形式进行的 数据的传输通过总线真正传递的是电信号,高低电平(0、&#x…...

(java毕业设计源码)基于java(ssm)校园论坛管理系统

基于java(ssm)校园论坛管理系统 项目获取请看文章最底下官网 校园论坛管理系统是基于java编程语言,mysql数据库,ssm框架和idea工具开发,本系统主要分为学生用户,管理员两个角色,其中用户可以注册登陆系统,在…...

《人类简史》笔记四—— 想象构建的秩序

目录 一、盖起金字塔 1、未来的来临 2、 由想象构建的秩序 3、如何维持构建的秩序 二、 记忆过载 三、亚当和夏娃的一天 一、盖起金字塔 1、未来的来临 原始社会: 人口少; 狩猎和采集; 整体活动范围大(有几十甚至上百平方…...

TIDB在centos7.9上通过docker-compose进行安装、备份

1.环境介绍: 在centos7.9上安装tidb docker-compose版本 虚拟机配置2C/8G/40G 最小化安装 2.安装步骤 2.1 安装centos7.9 略 2.2 安装docker (1)安装依赖包 yum install -y yum-utils device-mapper-persistent-data lvm2(2…...

Linux应用与发展视频教程下载

第1讲 Linux应用与发展(上) 下载地址1: http://dl.dbank.com/c08nc4saoz 下载地址2: http://www.rayfile.com/zh-cn/files/7d2fe982-f763-11df-adbf-0015c55db73d/ 第1讲 Linux应用与发展(下) 下载地址1&…...

麦咖啡企业版McAfee VirusScan Enterprise v8.8授权版

昨晚因为一些原因搞到要重装系统,重装以后决定换掉原来的Avira Premium Security Suite 10,换上麦咖啡企业版McAfee VirusScan Enterprise,距离上一次使用麦咖啡的企业版已经有好一段时间了。 麦咖啡企业版需要授权码才能下载使用&#xff0c…...

详解什么是BT种子、迅雷下载链接、磁力链接

【扫盲贴】详解什么是BT种子、迅雷下载链接、磁力链接、电骡等及使用教程_安卓游戏_UC论坛 http://bbs.uc.cn/thread-4873689-1-1.html 一.什么是BT? 1.BT简介: 1.1.BT是目前最热门的下载方式之一,它的全称为“BitTorrent”简称“BT”&…...

有关ARP

ARP病毒问题的处理 有关ARP病毒问题的处理说明: 故障现象:机器以前可正常上网的,突然出现可认证,不能上网的现象(无法ping通网关),重启机器或在MSDOS窗口下运行命令ARP -d后,又可恢复上网一段时…...

Windows Vista 安装全程图解

Windows Vista 安装全程图解 Windows Vista 提供了三种安装方法:1.用安装光盘引导启动安装;2.从现有作系统上全新安装;3.从XP升级安装。 下面我以“用安装光盘引导启动安装”为例向大家介绍一下Windows Vista的安装过程。另外两种方法和此方…...

论道HTML5 PDF扫描版

论道HTML5先简要介绍了如何用HTML5和CSS3制作网站,然后全面介绍了API和Canvas2D,接着介绍了如何在手机浏览器上开发HTML5相关的应用、WebSocketAPI相关的三个案例和时下较为流行的Node.js环境,最后介绍了瘦服务器战略和云的概念。 《图灵原创…...

抉择男女

选个美女还是才女,大概是多数男人的迷宫。 和漂亮的小姐擦肩邂逅,千辛万苦约上会了,三顿晚餐后发现美女除了对如何画大眼睛眼线和网购特别精通外,对很多事情甚至常识一无所知。他想起爸爸不幸的婚姻,和妈妈永无止境的争…...

skype安卓手机版_水晶直播app最新手机版-水晶直播app安卓免费版

水晶直播app最新手机版是一款火爆好玩的手机直播软件,软件里面拥有着高颜值多才多艺的主播,给小伙伴们带来更好的直播内容,下面小编就为大家带来了水晶直播app安卓免费版,一起来看看吧! 水晶直播最新版软件介绍: 水晶直…...

使用FastReport 3.0及以上版本创建动态报表的几个技巧(转)

使用FastReport 3.0及以上版本创建动态报表的几个技巧 2007年07月03日 星期二 09:18 2007年03月13日 星期二 16:20 1.已经生成的报表保存到流中,再从流中取出 TfrxReport.PreviewPages.SaveToStream(TStream); TfrxReport.PreviewPages.LoadFromStream(TStream); 2.…...

雅虎14条性能优化(经典)

相信互联网已经越来越成为人们生活中不可或缺的一部分。ajax,flex等等富客户端的应用使得人们越加“幸福”地体验着许多原先只能在C/S实 现的功能。比如Google机会 已经把最基本的office应用都搬到了互联网上。当然便利的同时毫无疑问的也使页面的速度越来越慢。自…...

protel99se基本教程及使用教程

protel99se基本教程 1、启动Protel 99SE 通常直接用桌面的快捷方式进入,双击图标即可;或者通过开始菜单由程序方式进入。其界面如图1-1所示。此时菜单栏里有四个下拉菜单选项,分别是向下的箭头项系统菜单, Files文件菜单&#x…...

Filezilla使用

服务端 点击安装包 点击我接受 点击下一步 点击下一步 点击下一步 点击安装即可 配置用户组,点击编辑,出现组点击 点击添加,点击确定即可 配置用户,点击编辑点击用户 点击添加,设置用户名&#xff…...

Android开发学习网站收藏

推荐几个学习Android开发的网站,列举如下: 1.Android开发学习网:http://www.android-study.net/ 2.Android学习网:http://www.android-study.net/ 3.Android开发图书推荐:http://book.apkbus.com/ 4.Android开发图书推荐:http://book.apkbus.com/ 5.And…...

分享62个ASP江湖论坛源码,总有一款适合您

分享62个ASP江湖论坛源码,总有一款适合您 62个ASP江湖论坛源码下载链接:https://pan.baidu.com/s/11S-6eACao8PnteViQHEB0g?pwdh9na 提取码:h9na Python采集代码下载链接:采集代码.zip - 蓝奏云 我的博客地址:亚…...

网络安全必学知识——内网渗透

学习内网渗透是网络安全的重要一环,因为企业内部网络中的敏感数据和系统往往更容易成为攻击者的目标。通过学习内网渗透,可以提高对内网安全威胁的识别和应对能力。 如果一个企业被黑客获取了一定的网络权限,也许这个企业的命脉就会被掌握&a…...

elasticsearch最大节点数_10分钟快速入门海量数据搜索引擎Elasticsearch

作者:jeremyshi,腾讯 TEG 后台开发工程师 1. 背景 随着移动互联网、物联网、云计算等信息技术蓬勃发展,数据量呈爆炸式增长。如今我们可以轻易得从海量数据里找到想要的信息,其中离不开搜索引擎技术的帮助。特别是其中的索引、检索…...

WINDOWSXP主题风格美化教程

桌面主题  一个XP的桌面主题可以包含好几个部分 风格、壁纸、屏保、鼠标指针、系统声音事件、图标 除了风格是必须的之外 其他部分都是可选的 风格可以定义的内容是大家在Windows里所能看到的一切 例如窗口的外观、字体、颜色 按钮的外观等等等等 一个桌面主题里风…...

dvdscr是什么意思?什么是dvdscr格式?

dvdscr是什么意思?什么是dvdscr格式?对一些提供电影下载的论坛里,经常有各种电影的不同版本,如dvdrip,dvdscr,tc,ts等等……收集了这方面的资料 CAM - CAM通常是用数码摄像机从电影院盗录。有时会使用小三角架,但大多数时候不可…...

VMware安装+导入虚拟机+软件更新 教程

本教程所使用的系统为 Windows10 LTSC 64位;VMware软件版本为17.0。 目录 1 安装VMware Workstation Pro 2 激活 VMware Workstation 3 导入虚拟机 4 VMware Workstation Pro 更新 1 安装VMware Workstation Pro 1.1 下载VMware Workstation Pro 并以管理员身…...

如何卸载IE9?

官方的回答:以下说明适用于 Windows 7 和 Windows Vista。 1.单击“开始”按钮,在搜索框中键入“程序和功能”,然后单击“查看已安装的更新”。 2.右键单击“Windows Internet Explorer 9”,单击“卸载”,然后在出…...

delphi outlook发送邮件

1.定义//mail信息结构type TMailInfo record strUID, strPWD, strHost:string; //SMTP用户ID , SMTP用户密码 , SMTP主机 iPort:Integer; //SMTP端口 strSubject:string; //邮件主题 slBody:TStringList; //邮件内容 strFromAddr, strToAddr:string; //发件人…...

red5流媒体服务器网站,[RED5]red5流媒体服务器(开源免费)的安装方法

前言: 这次是在 centos 6.2 上安装的 第一步 安装jdk [rootlocalhost ~]# mkdir -p /usr/java && cd /usr/java [rootlocalhost java]# wget http://download.oracle.com/otn-pub/java/jdk/7u4-b20/jdk-7u4-linux-i586.rpm?AuthParam1338380823_32740b93dd6532f01b895…...

asp.net新闻系统的设计与实现

英文原文: Asp.net website news management system management system design andrealization [ Abstract ] uses ASP.NET and the ADO.NET technologydevelopment website news management system management system, hasrealized the website news dynamic man…...

【错误记录】在 Android Studio 的 Terminal 终端执行 gradlew 报错 ( 无法将“gradlew”项识别为 cmdlet、函数、脚本文件或可运行程序的名称。请检查名称 )

文章目录 一、报错信息二、问题分析三、解决方案 一、报错信息 在 Android Studio 的 Terminal 终端执行 gradlew 报错 , 报错信息如下 : PS Y:\002_WorkSpace\001_AS\Coroutine> gradlew app:dependencies --configuration releaseRuntimeClasspath gradlew : 无法将“gra…...

游戏开发随手记:Cocos2d触摸分发原理

转载自:http://mobile.51cto.com/iphone-340136.htm 在讲解cocos2d触摸协议之前,我觉得我有必要提一下CocoaTouch那四个方法。毕竟cocos2d的Touch Delegate 也是通过这里接入的。 - (void)touchesBegan:(NSSet *)touches withEvent:(UIEvent *)event;-…...

关于Tomcat有这一篇就够了

4.确定好后进入官网下载Tomcat, 官网地址-点击进入 http://tomcat.apache.org/ 选择左侧的Tomcat版本,本篇文章举例Tomcat9,其它的版本安装都一样 点击Tomcat9 5.进入Tomcat9下载页面 对应着操作系统位数进行下载,下载后会是一…...

SQL Server2008安装报错,解决方案

1、提示: 创建 system.diagnostics 的配置节处理程序时出错: 未能加载文件或程序集“System, Version4.0.0.0, Cultureneutral, PublicKeyTokenb77a5c561934e089”或它的某一个依赖项。系统找不到指定的文件。 (C:/Windows/Microsoft.NET/Framework/v2.0.50727/Con…...

身份证号码和姓名大全 身份证姓名和真实姓名不一致?

身份证号码和姓名大全 身份证姓名和真实姓名不一致? (解优人才网记者风精报道) 近期,一位安徽的网友留言说,孩子学籍上的名字与身份证上的不一致,怕影响高中会考,希望能早日妥善解决这个问题。收…...

【全网最全】100款七夕节情人节表白网页制作HTML+CSS+JS

七夕来袭!是时候展现专属于程序员的浪漫了!你打算怎么给心爱的人表达爱意?鲜花礼物?代码表白?还是创意DIY?或者…无论那种形式,快来秀我们一脸吧! 创意代码表白100款 以程序员的方…...

这10款数据恢复工具你知道吗?快快收藏以备不时之需!

作为现代人,不论是办公还是学习,还是购物生活,都能够通过电脑进行,久而久之有许多代表生活痕迹的重要数据记录在电脑里,一旦因为遇上电脑感染病毒、手动操作误删除、硬盘损坏等问题,就可能会造成重要数据丢…...

使用asp.net从零开始制作设计一个网站之一

使用ASP .NET 从零开始制作设计网站之一 (蒋惠全 楚东明) ☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆ 小问号:蒋老师,告诉你一个好消息,我…...

2021-06-07

Linux进程详解(二)完结 原创架构师之路2019-08-13 22:08 接Linux进程详解(一) 4. 进程运行 程序运行时大部分进程状态为运行或睡眠。调度算法解决可以跑的运行状态(就绪和运行),剩下的不可以跑的进程就是睡眠和等待。睡眠实现对应的代码就是调用了schdule函数&a…...

重磅推荐,国内国外优秀的素材资源网站

(一) 国内优秀素材资源网址: 站酷网 http://www.zcool.com.cn 推荐 素材中国 http://www.sccnn.com 推荐 酷素材 http://www.coolsc.com 推荐 站长站素材 http://sc.chinaz.com 韩国设计网 http://www.krwz.com 设客素材网 http://www.vicnc.com 奇爱素材网 http://www.72sc.co…...

iOS游戏安全之IPA破解原理及防御

 在博客上谈过了iOS游戏的内购安全,存档安全及内存安全。其实还有一个很泛滥但被视为鸡肋的问题,即iOS IPA破解问题,因为国内大多数游戏靠内购和广告盈利,游戏安装包也只是在早期象征性的收费&#xff0c…...

从需求变更唤醒植物人程序员说开去

2011-12-16 09:23 汤姆大叔 博客园 程序员遭遇需求变更(CR)是非常常见的事情,如果哪位程序员还没遇见过需求变更的话,那堪称神人啊。 事由 北京程序员王XX遭遇车祸成植物人,医生说活下来的希望只有万分之一&#xff…...

简单说说U-boot的修改

uboot是一个通用的免费开放源码的boot程序,支持很多的处理器。以下是现在网上下载一个u-boot-1.1.1版本,用于at91rm9200系统的修改的例子。最后在redhat8.0上,用gcc2.95编译通过。在网上下载了uboot-1.1.1版本。要用于自己的at91rm9200的系统…...

进程名称

下载进程 FlashBT.exe 网络电视 PPStream.exe QQ下载 QQDownload.exe PP狗 PPGou.exe 脱兔 TuoTu.exe BT下载 BitTorrent.exe BitSpirit.exe 快车 FlashGet.exe VAGAA下载 vagaa.exe vagaa_.exe VAxplorer.exe 迅雷5 Thunder5.exe 迅雷4 Thunder4.exe baidu下吧 BaiduX.exe 酷狗…...

xp系统架设家庭asp服务器,Win2000/XP下如何安装IIS(配制asp服务器)

1.Win2000如何安装IIS? Win2000的IIS是5.0版,是ASP的开发平台。安装方法是,插入Win2000或WinXp安装盘,点击“开始→设置→控制面板→添加/删除程序→添加/删除Windows组件”,然后出现下图,把第一项IIS打上勾…...

2005年度世界500强公司名单

排名 公司标志 中文常用名称 总部所在地 主要业务 营业收入百万美元 1 沃尔玛美国一般商品零售 287,989.0 2 英国石油英国炼油 285,059.0 3 埃克森美孚美国炼油 270,772.0 4 皇家壳牌石油英国/荷兰炼油 268,690.0 5 通用汽车美国汽车 193,517.0 6 戴姆勒克莱斯勒美国汽车 176,6…...

腾讯开源框架

阿里云优惠:最高¥2000云产品通用代金券 https://promotion.aliyun.com/ntms/yunparter/invite.html?userCodedansrwg4 1、Android 热修复框架 Tinker★Star 8967 Tinker是Android的热修复解决方案库,它支持dex,库和资源更新&am…...

catia中的螺旋伞齿轮画法_聚焦:螺旋伞齿轮画法要领

原标题:聚焦:螺旋伞齿轮画法要领 一提到螺旋伞齿轮画法,恐怕大家都会望而却步,因为这么复杂的结构,岂能是轻轻松松就可以画好的。其实,只要掌握了一些基本建模方法,熟悉一些设计软件&#xff0c…...

【技术贴转】破解Normal Tanks第五关LICENCE CODE

【技术贴转】 魂斗罗坦克Normal Tanks第五关以及第5、6、7、关的LICENCE CODE... 由于疏忽忘记明确写出转载地址(其实是标题设置了超链接)应原作者要求贴出地址: http://apps.hi.baidu.com/share/detail/16116262 在此致歉~ 本文主要目的是了…...

最详细的***教程

最详细的***教程-- 最详细的***入门法则! (目前为止) 第一章------关于找软件 第二章------关于被*** 第三章------基础知识和***步骤 第四章------关于命令的使用  第五章------关于windows98  第六章------关于破解邮箱  第七章------关于解除网吧、网页限制 第…...

习近平在秘鲁媒体发表署名文章

当地时间11月14日,在赴利马对秘鲁进行国事访问并出席亚太经合组织第三十一次领导人非正式会议之际,国家主席习近平在《秘鲁人报》发表题为《让中秘友好之船扬帆远航》的署名文章。文章全文如下:让中秘友好之船扬帆远航中华人民共和国主席 习近平南半球的初夏时节,充满生机和…...

西门子总裁捍卫在华市场份额 不缩减中国业务

西门子股份公司董事会主席、总裁兼首席执行官博乐仁在接受《日本经济新闻》采访时表示,尽管柏林努力减少对北京的经济依赖,但西门子仍会“捍卫其在中国这一关键市场的份额”。特朗普当选美国总统可能加剧美中关系紧张,德国政府也在推行对华新战略,但博乐仁表示将致力于在中…...

拜仁清洗高薪球员,三大顶级边锋,至少一人离队!转会风波引发热议

拜仁慕尼黑为了削减薪资支出,正在考虑明年夏天让萨内、金斯利-科曼或格纳布里中的一人离队。这一消息引起了球迷和媒体的广泛关注。金斯利-科曼的合同将持续至2027年夏天,但今年夏天他曾险些转会至沙特阿拉伯,尽管交易在最后时刻告吹。科曼目前在拜仁的年薪高达1700万欧元,…...

贵州多款飞机和装备亮相中国航展 歼-20S成焦点

在本次中国航展上,歼-20S、歼-35A等多款机型同台亮相,成为本届航展的亮点和焦点。歼-20S战斗机正式曝光,这是中国航空工业集团自主研制的新一代中远程、重型、双座、多用途隐身战斗机,具备优异的中远程质控作战能力和对地、对海的精确打击能力。歼-20S还具有突出的态势感知…...

比特币上破90000美元 特朗普效应推动

比特币价格在13日深夜暴涨,连续突破90000、91000、92000美元三道关口,刷新历史新高,日内涨幅达到5%。特朗普赢得大选后承诺创建友好的加密货币监管框架,并设立战略性比特币储备,将美国打造成该行业的全球中心。这一立场转变激发了加密货币市场的乐观情绪,推动市场价值创下…...

房地产税收政策调整 支持居民住房需求

11月13日,财政部公布了多项促进房地产市场平稳健康发展的税收政策。这些政策包括加大住房交易环节契税优惠力度,以支持居民的刚性和改善性住房需求;降低土地增值税预征率下限,帮助缓解房地产企业的财务压力;以及明确与取消普通住宅和非普通住宅标准相衔接的增值税、土地增…...