DBSCAN算法介绍DBSCAN是一个基于密度的聚类算法，该算法包括几个重要的概念：核心对象，直接密度可达，密度可达，密度相连，这几个概念是层层递进的关系。概念核心对象：在ε范围内邻居点大于等于Minpt的对象，其中ε和Minpt为用户定义的参数。直接密度可达：设p为核心对象，|q，p| <= ε，...
分类：
数据库 时间：
2015-08-14 13:09:21
阅读次数：
183
在Window XP常见分辨率1024×768下我们除掉任务栏，浏览器菜单栏以及状态栏后剩下的网页首屏高度平均值是584。在Window 7常见分辨率1440×900下我们除掉任务栏，浏览器菜单栏以及状态栏后剩下的网页首屏高度平均值是716。于设计来说，选取一个合适的尺寸作为正常大小和中等屏幕密度（...
分类：
移动开发 时间：
2015-08-13 13:56:36
阅读次数：
136
DPIScalingFactor1200.7516012401.532024803 DPI:每英寸像素点(密度) DIP:设备独立像素点 DP == DIP 是DIP的缩写Google才用160密度为通用标准，意味着所有厂商如果想要生成更高清晰度的手机分辨率时，都会以160为参考，进行倍数放大...
分类：
移动开发 时间：
2015-08-13 11:46:49
阅读次数：
127
题意：招募n个女生与m个男生,每人花费需10000，若两人间存在亲密度，则可少花费两人的亲密度，求最小花费；思路：相当于一幅无向图，给定边权，求权值和最大的森林，结果为10000*(n+m)-权值和；#include#include#include#include#includeusing name...
分类：
其他好文 时间：
2015-08-10 23:35:48
阅读次数：
180
-暗时间充分利用暗时间。实际投入的是时间和效率的乘积，思维时间（善总结），迅速进入状态的能力，保持专注，抗干扰。-设计你自己的进度条做事情分而治之。专注和持之以恒，反思，自学。-如何有效地记忆与学习线索式记忆-学习密度与专注力效率-学习习惯学习与思考搜索引擎，读书笔记，带着问题学习和思考。时间和效率...
分类：
其他好文 时间：
2015-08-10 17:37:55
阅读次数：
165
一、概述Nginx(engine-x)是一个高性能的HTTP和反向代理服务器，也是一个IMAP/POP3/SMTP代理服务器。Nginx是由IgorSysoev为俄罗斯访问量第二的Rambler.ru站点开发的。Nginx主要着眼点是其高性能以及对物理计算机资源的高密度利用，nginx采用了模块化、事件驱动、异步、单线程及..
分类：
其他好文 时间：
2015-08-10 10:46:24
阅读次数：
261
获取当前屏幕的密度系数 ，并设置控件以dp为单位的长宽 float density = getResources().getDisplayMetrics().density; params = new LayoutParams((int) (10 * density), (int) (10 * de...
分类：
其他好文 时间：
2015-08-09 23:57:22
阅读次数：
117
一 获取手机屏幕的密度1 获取屏幕的宽和高，然后根据 直角三角形的 a边的平方+b边的平方=c边的平方 得到另一条边的长；然后除以 ，屏幕的尺寸，就是 手机的密度destity2 根据上下文获取context.getResoutce().getDiaplayMetrics().destity;ps....
分类：
其他好文 时间：
2015-08-09 12:15:24
阅读次数：
93
寻找数据之间的相似性是数据聚合、分类、拟合预测等应用中常见的场景；寻找数据之间的相异性是异常检测，排除离群点等数据操作必需的步骤。所以计算数据之间的相似度和相异度是数据处理的基本手段，常用的方法是计算数据之间的距离和密度。相似度顾名思义就是两个对象相似程度的数值度量，常常在0（不相似）和1（完全相似...
分类：
其他好文 时间：
2015-08-08 22:47:48
阅读次数：
282
半监督学习的意义在于对比监督学习而言，半监督学习所利用的非标签样本是否能够提高我们的预测准确率。平滑性假设：若两点x1和x2都位于高密度样本分布区域，且他们的‘距离’很久，那么理想的标签函数（label function）输出y1和y2也是相近的。反而言之， x1和x2位于低密度区域时，y1和y2应...
分类：
其他好文 时间：
2015-08-07 09:29:30
阅读次数：
247
