看到NGUI的一些DEMO之类果断想使用。http://www.tasharen.com/ngui/ex7.html主页：http://www.tasharen.com/?page_id=140free版下载：http://forum.unity3d.com/threads/124032-NGUI-Free-Edition?p=834225也有教程，还有中文的，真是好！Unity3D强大的UI插件（NGUI）
系统 2019-08-12 01:33:18 2458
场景：本地部署tomcat到8080端口，并期望本地访问80端口来访问本地tomcat。结论：使用linux下的iptables工具实现端口转发功能。具体为现取得root权限执行iptables-tnat-IOUTPUT-ptcp-d127.0.0.1--dport80-jREDIRECT--to-port8080目前在重启前均生效。要想永久生效，需要继续执行（ubuntu环境）：iptables-save>/etc/iptables.rules新建一个b
系统 2019-08-12 01:33:15 2458
首先，我们通过数据库中表的两条记录来引出问题，如下图以上为一个记录操作记录的表数据。OrderID为自增长列，后面依次为操作类型，操作时间，操作人。现在的问题是：要求筛选出数据库中从“接收”到“送出”的时间差超过2天的全部记录。即如上图两笔单据中，红色框既是要筛选出的，绿色框为正常过滤的。为了定位相邻记录，方法为给查询语句的返回记录加个自动编号列放入临时表中，再对临时表进行操作。ViewCode--1.首先查出表中符合條件的所有信息selectIDENTI
系统 2019-08-12 01:33:04 2458
近来做一些遥感图像自动解译的工作，需要根据遥感图像每个单元（像元，像素）的几个波段值和相互之间的位置关系来进行自动分类，也就是确定哪些区域是耕地，哪些是林地，哪些是草地。之前虽然有上过数据挖掘和机器学习的课，但是自己的专业并不在此，对遥感图像的自动分类更是一窍不通，所以慢慢自学，顺便写个博客记录一下自己的学习过程，谬误在所难免，大家多多包涵指正。根据最近的MahoutWiki，Mahout实现的分类算法有：随机梯度下降（SGD），贝叶斯分类，OnlineP
系统 2019-08-12 01:32:57 2458
HTTP压缩可以大大提高浏览网站的速度，它的原理是，在客户端请求网页后，从服务器端将网页文件压缩，再下载到客户端，由客户端的浏览器负责解压缩并浏览。相对于普通的浏览过程HTML,CSS,Javascript,Text，它可以节省40%左右的流量。更为重要的是，它可以对动态生成的，包括CGI、PHP,JSP,ASP,Servlet,SHTML等输出的网页也能进行压缩，压缩效率惊人一，对于Tomcat5.0以后的版本是支持对输出内容进行压缩的.使用的是gzip
系统 2019-08-12 01:32:52 2458
收集了一些常见的tomcat错误代号以及附上状态代码状态信息含义。希望对大家有帮助。状态代码状态信息含义100Continue初始的请求已经接受，客户应当继续发送请求的其余部分。（HTTP1.1新）101SwitchingProtocols服务器将遵从客户的请求转换到另外一种协议（HTTP1.1新）200OK一切正常，对GET和POST请求的应答文档跟在后面。201Created服务器已经创建了文档，Location头给出了它的URL。202Accepte
系统 2019-08-12 01:32:51 2458
今天在DynamicsAX相关的MSDN博客上看到了DynamicsAX6.0的新的X++编辑器。这下做X++开发的朋友有希望了。DynamicsAXteam采用了VisualStudio的编辑器实现框架，提供了字体设置、修改跟踪、行号、增强的语法着色等令人心动的功能，请看：增强的编辑器：【DynamicsAX6】新的X++编辑器
系统 2019-08-12 01:32:40 2458
舍弃自己的物质利益来学习Linux,作为程序员目光不能太短如果你忘记了Linux的root登录密码，请看这里posted@2011-11-1223:32moonz-wu阅读(12)|评论(0)编辑Vim编辑操作总结posted@2008-01-3123:16moonz-wu阅读(214)|评论(0)编辑Vim编辑命令3posted@2008-01-2923:19moonz-wu阅读(750)|评论(0)编辑Emacs（二）posted@2008-01-24
系统 2019-08-12 01:32:23 2458
/*先把标题给写了，这样就能经常提醒自己*/决策树是一种容易理解的分类算法，它可以认为是if-then规则的一个集合。主要的优点是模型具有可读性，且分类速度较快，不用进行过多的迭代训练之类。决策树学习通常包括3个步骤：特征选择、决策树的生成和决策树的修剪。比较常用到的算法有ID3、C4.5和CART。1.决策树模型决策树是一种树形结构的分类模型，它由结点和有向边组成，结点分为内部结点和叶结点，内部结点表示一个特征或属性，叶结点表示一个类。决策树的分类即是从
系统 2019-08-12 01:32:12 2458
在介绍岭回归算法与Lasso回归算法之前，先要回顾一下线性回归算法。根据线性回归模型的参数估计公式可知可知，得到的前提是矩阵可逆。换句话说就是样本各个特征（自变量）之间线性无关。然而在实际问题中，常常会出现特征之间出现多重共线性的情况，使得行列式的值接近于0，最终造成回归系数无解或者无意义。为了解决这个问题，岭回归算法的方法是在线性回归模型的目标函数之上添加一个l2的正则项，进而使得模型的回归系数有解。具体的岭回归目标函数可表示为如下：在Python中，岭
系统 2019-09-27 17:57:10 2457
