P42 1. 产品与数据—— 基于数据挖掘的产品设计罗旭祥 188 0218 5564 Saxon.luo@gmail.com 2. (本页无文本内容) 3. 引言同样是搜索土豆,他们想看到的一样么? 4
HashMap; import java.util.LinkedList; /* * 基于Java LinkedList,实现Android大数据缓存策略 * 作者:Zhang Phil * 原文出处:http://blog
P648 搜索引擎开发实战:基于Lucene和Solr 搜索引擎核心技术与实现 ——Lucene+Solr 罗刚 2011 目录 搜索引擎核心技术与实现 1 第1章 搜索引擎总体结构 2 1.1 搜索引擎基本模块
是Piggydb的概念。Piggydb是用标签来分类的,而且标签可以分层次,这比传统的标签系统更能实现复杂的分类。 Piggydb虽然拥有全文搜索功能,但是如果只是用来把信息登记后,然后只去搜索的
该版本是 2.1 的维护版本,包含代码修复、性能提升,以及一些新特性,例如快速调整窗体布局等。 <a href="http://www.open-open.com/open39548.htm" target="_blank">RSSOwl </a>是一个完全用 Java 的SWT快速图形库开发的 RSS / RDF / Atom 新闻阅读器。按类别读取新闻,分类存储收藏信息,导出为 PDF / RTF / HTML / OPML,从 OPML格式导入,支持全文本搜索,使用Internet浏览器。
Xmemcached 是基于java nio实现的高性能可扩展的memcached客户端。 xmemcached 发布 1.3.8 版本,主要改进如下: 实现文本协议的touch命令,1.3.
简介 horae 是一个基于 redis 和 disque 实现的 轻量级 、 高性能 的异步任务执行器,它的核心是 disque 提供的任务队列,而队列有 先进先出 的时序关系,顾得名: horae
Fbootstrapp 是一个基于 Bootstrap 提供了与 Facebook iframe 应用相同的功能和设计。包含基础的 CSS 和 HTML 所有标准组件如排版、表单、按钮、表格、网格、导航等等。
android.view.View; import android.widget.Button; //需要实现SensorEventListener接口 public class LoversChoise extends
Bootstrap Contextmenu 是基于 Bootstrap 实现的一个右键上下文菜单。 $('.context').contextmenu({ target:'#context-menu'
BlackHawk,纯 Swift 写的基于 WKWebView 的 Cordova 兼容实现,比 UIWebView 性能高出数倍,重度 HTML5 手游“萌战姬”实测性能: CPU 占用仅为 8%,内存占用仅为
异步日志,参考Log4j2的异步日志和文件轮转机制,重新抽象结构实现。 用途 对吞吐量有所要求(RingBuffer + ByteBuffer + FileChannel)。 不希望耦合或依赖log4
php+html5基于websocket实现聊天室的方法
基于 Isotope 和 infinitescroll 实现的无限滚动瀑布流插件,适用于yii1.1 使用方法 Controller public function actionIndex() { $dataProvider
Textures.js是一个JavaScript库用于创建SVG patterns。在d3.js基础上实,设计用于数据可视化。 项目主页: http://www.open-open.com/lib
Selenium是一个用来进行自动化测试的工具,他可以调用正常的浏览器进行一系列的操作。
Pong! 是一个完全用 JavaScript 实现的 pong 游戏,基于 Socket.io 和 Canvas 技术实现。 特性: 服务器 socket.io 集成 支持两个在线玩家
DiskLruCache是一个基于磁盘的LRU缓存Java实现,专门设计兼容Android。 项目主页: http://www.open-open.com/lib/view/home/1426583665226
luastar 是一个基于 OpenResty 的高性能高并发接口开发框架,主要用于 http 接口开发,实现了 request/response、缓存、配置文件、路由/拦截器、Bean 管理、mysql
用,这篇文章中,初步实现了基于深度学习CNN的人脸检测。 1. 方法讨论 深度学习一般没有进行直接的检测,现有的检测大多都是基于分类的检测,主要的方法有两种: 1.1. 基于滑动窗口的分类 最