深入理解和认识Gcoge酷鸽新媒体Gcoge含义Gcoge含义：Gcoge简称GlobalCoge中文翻译成“环球酷哥”，全称GlobalClientOutputinGoogolplexEnterprise--可实现以Googolplex数量级向全球客户进行产品(产量,信息量)输出的e网企业[注][Googol(古戈尔)(后面带一百个零的数)=10+[100(10的100次方)Googolplex(古戈尔普勒克斯)=(10+[10)+[100(10的十次幂
系统 2019-08-12 01:51:48 2463
近期在看一些熵相关的东西，为了了解一下互信息相关的东西，查阅了一些资料，有一个课件自己感觉写的不错，可是下载不下来，我就对它们进行了截图，希望对大家有帮助。这个课件中讲的内容比較基础，可是对于非通信、信息类的同学来说还是非常有帮助的，并且不仅通俗易懂，并且证明过程详尽，是不可多得的好材料。其重要包含互信息概念、定理、经常使用的结论，已经一些应用中经经常使用到的性质，闲言少叙，直接上图。互信息概念与定理
系统 2019-08-12 01:32:45 2463
http://blog.linux.org.tw/~jserv/archives/001954.html因为评论也很精彩，我一道转来了深入理解Linux2.6的initramfs機制(上)日前結束一個消費性電子產品的開發工作，稍有心得，試著整理採取Linuxkernel2.6initramfs機制以加速系統開發的經驗，同時也談論對fast-booting設計的重要性，順便解決某些像是「kinit/klibc為何被提出？」等疑難雜症。進入主題前，先看看所謂的
系统 2019-08-12 01:32:30 2463
ConstructionofPrimitivesinOpenCascadeeryar@163.com一、创建基本图元MakingPrimitives将用到如下的类创建基本图元，包括长方体(Box)、楔形体(Wedge)、旋转体(Revol)等。这些类提供Shell和Solid函数来返回实体（solid）和壳（shell）。使用方法都是调用这些类的构造函数，输入相应的参数，直接构造出基本图元。构造函数的参数不同，创建的基本几何实体的形状也会不同。注：所有旋转
系统 2019-08-12 01:32:01 2463
我的Python学习之路（一）跟着廖雪峰的Python教程学习Task1：输入和输出Task2:打印变量Task3:格式化输出Task4:按要求打印tuple元素Task5:if分支练习Task6:循环练习Task7:调用函数Task8:定义函数Task9:可变参数Task10:递归函数实现Task11:切片练习Task12：迭代练习Task13:列表生成式练习Task14:生成器练习Task15:map/reduceTask16:Filter练习Task
系统 2019-09-27 17:57:00 2462
前言最近需要使用https搭建一个api故简单记录一下搭建过程搭建http的服务简单快捷，这里就不做其他介绍有关https的原理请参考图解HTTPS环境搭建(非必须)这个环境其实不是必须的，我再搭建的时候，并没有安装这个环境，因为我的linux服务器自带的有了，可能是在安装其他软件的时候再带安装上去了，所以可以自我检测一下。一、安装OpenSSLOpenSSL介绍OpenSSL是一个强大的安全套接字层密码库，囊括主要的密码算法、常用的密钥和证书封装管理功能
系统 2019-09-27 17:57:00 2462
Python环境的安装和配置1、打开安装软件，把下面最下面的一项勾选上，并点击第二个选项2、按照如图勾选，并点击next3、把最上方的选项勾选，并选择安装路径，点击Install4、等待读条结束，点击带有的选项。5、点击close按钮，完成安装。
系统 2019-09-27 17:56:22 2462
一、参考资料[1].pandas.DataFrame.to_excel[2].WorkingwithPythonPandasandXlsxWriter二、程序示例1.pandas.DataFrame.to_excel最简单的写入当写入的文件只占有一个sheet时，可以利用pandas.DataFrame.to_excel()直接写入。该函数的用法如下，关于参数的具体介绍，可以参考参考资料[1]的内容。DataFrame.to_excel(excel_wri
系统 2019-09-27 17:55:29 2462
之前用bash实现过（//www.jb51.net/article/61943.htm），不过那个不能在windows下使用，所以就写了个python版，也方便我以后使用……这里就不多介绍了，不懂的google下。实现代码复制代码代码如下:#!/usr/bin/python'''File:count.pyAuthor:MikeE-Mail:Mike_Zhang@live.com'''importsys,osextens=[".c",".cpp",".hpp
系统 2019-09-27 17:51:47 2462
上一篇我们讲了关联分析的几个概念，支持度，置信度，提升度。以及如何利用Apriori算法高效地根据物品的支持度找出所有物品的频繁项集。Python--深入浅出Apriori关联分析算法（一）这次呢，我们会在上次的基础上，讲讲如何分析物品的关联规则得出关联结果，以及给出用apyori这个库运行得出关联结果的代码。一.基础知识上次我们介绍了几个关联分析的概念，支持度，置信度，提升度。这次我们重点回顾一下置信度和提升度：置信度（Confidence）：置信度是指
系统 2019-09-27 17:50:15 2462
