剪枝javascript,剪枝后伤口可以用薄膜保护吗

QQ空间中的“养花”是什么？

花藤种花.在应用列表--添加里，或是装扮空间--装饰--植物

花藤升级后才会结出人参果

如果要花藤升级

需要四项都满

上升一级

阳光：是来你空间访问的人数

水：是留言人数加分

爱心：是你日志照片心情等更新加分

营养：是需要你在空间里花钱打扮加分的

就是要充Q币买皮肤挂件啊什么的

升级之后

自然有一个人参果坐在你的花藤上了

点击就可以采摘了

除了写日志、留言等空间基础操作外，用户还可以通过浇水、修剪、日照、施肥等操作增加花藤植物的成长

浇水

权限：所有用户每天可以给自己浇水一次，给好友浇水一次

效果：每次浇水即可增加花藤雨露值

每次增加的雨露值=（LV+1）*2

其中LV代表用户黄钻等级，普通用户LV值为0

修剪：

权限：所有用户每天可以给自己修剪一次，给好友修剪一次

效果：每次修剪即可增加花藤爱心值

每次增加的爱心值=（LV+1）*2

其中LV代表用户黄钻等级，普通用户LV值为0

日照

权限：所有用户每天可以给自己日照一次，给好友日照一次

效果：每次日照即可增加花藤阳光值

每次增加的阳光值=（LV+1）*2

其中LV代表用户黄钻等级，普通用户LV值为0

施肥

权限：普通用户不可以施肥，黄钻用户每天可以给自己施肥一次，给好友施肥一次

效果：给自己或者好友每施肥一次增加1点营养值

相关问答

Q1: 大数据分析工具详尽介绍&数据分析算法

大数据分析工具详尽介绍数据分析算法

1、 Hadoop

Hadoop 是一个能够对大量数据进行分布式处理的软件框架。但是 Hadoop 是以一种可靠、高效、可伸缩的方式进行处理的。Hadoop 是可靠的，因为它假设计算元素和存储会失败，因此它维护多个工作数据副本，确保能够针对失败的节点重新分布处理。Hadoop 是高效的，因为它以并行的方式工作，通过并行处理加快处理速度。Hadoop 还是可伸缩的，能够处理 PB 级数据。此外，Hadoop 依赖于社区服务器，因此它的成本比较低，任何人都可以使用。

Hadoop是一个能够让用户轻松架构和使用的分布式计算平台。用户可以轻松地在Hadoop上开发和运行处理海量数据的应用程序。它主要有以下几个优点：

⒈高可靠性。Hadoop按位存储和处理数据的能力值得人们信赖。

⒉高扩展性。Hadoop是在可用的计算机集簇间分配数据并完成计算任务的，这些集簇可以方便地扩展到数以千计的节点中。

⒊高效性。Hadoop能够在节点之间动态地移动数据，并保证各个节点的动态平衡，因此处理速度非常快。

⒋高容错性。Hadoop能够自动保存数据的多个副本，并且能够自动将失败的任务重新分配。

Hadoop带有用 Java 语言编写的框架，因此运行在 Linux 生产平台上是非常理想的。Hadoop 上的应用程序也可以使用其他语言编写，比如 C++。

2、 HPCC

HPCC，High Performance Computing and Communications（高性能计算与通信）的缩写。1993年，由美国科学、工程、技术联邦协调理事会向国会提交了“重大挑战项目：高性能计算与 通信”的报告，也就是被称为HPCC计划的报告，即美国总统科学战略项目，其目的是通过加强研究与开发解决一批重要的科学与技术挑战问题。HPCC是美国 实施信息高速公路而上实施的计划，该计划的实施将耗资百亿美元，其主要目标要达到：开发可扩展的计算系统及相关软件，以支持太位级网络传输性能，开发千兆 比特网络技术，扩展研究和教育机构及网络连接能力。

该项目主要由五部分组成：

1、高性能计算机系统（HPCS），内容包括今后几代计算机系统的研究、系统设计工具、先进的典型系统及原有系统的评价等；

2、先进软件技术与算法（ASTA），内容有巨大挑战问题的软件支撑、新算法设计、软件分支与工具、计算计算及高性能计算研究中心等；

3、国家科研与教育网格（NREN），内容有中接站及10亿位级传输的研究与开发；

4、基本研究与人类资源（BRHR），内容有基础研究、培训、教育及课程教材，被设计通过奖励调查者-开始的，长期 的调查在可升级的高性能计算中来增加创新意识流，通过提高教育和高性能的计算训练和通信来加大熟练的和训练有素的人员的联营，和来提供必需的基础架构来支 持这些调查和研究活动；

5、信息基础结构技术和应用（IITA ），目的在于保证美国在先进信息技术开发方面的领先地位。

3、 Storm

Storm是自由的开源软件，一个分布式的、容错的实时计算系统。Storm可以非常可靠的处理庞大的数据流，用于处理Hadoop的批量数据。Storm很简单，支持许多种编程语言，使用起来非常有趣。Storm由Twitter开源而来，其它知名的应用企业包括Groupon、淘宝、支付宝、阿里巴巴、乐元素、Admaster等等。

Storm有许多应用领域：实时分析、在线机器学习、不停顿的计算、分布式RPC（远过程调用协议，一种通过网络从远程计算机程序上请求服务）、 ETL（Extraction-Transformation-Loading的缩写，即数据抽取、转换和加载）等等。Storm的处理速度惊人：经测 试，每个节点每秒钟可以处理100万个数据元组。Storm是可扩展、容错，很容易设置和操作。

4、 Apache Drill

为了帮助企业用户寻找更为有效、加快Hadoop数据查询的方法，Apache软件基金会近日发起了一项名为“Drill”的开源项目。Apache Drill 实现了 Google’s Dremel.

据Hadoop厂商MapR Technologies公司产品经理Tomer Shiran介绍，“Drill”已经作为Apache孵化器项目来运作，将面向全球软件工程师持续推广。

该项目将会创建出开源版本的谷歌Dremel Hadoop工具（谷歌使用该工具来为Hadoop数据分析工具的互联网应用提速）。而“Drill”将有助于Hadoop用户实现更快查询海量数据集的目的。

“Drill”项目其实也是从谷歌的Dremel项目中获得灵感：该项目帮助谷歌实现海量数据集的分析处理，包括分析抓取Web文档、跟踪安装在Android Market上的应用程序数据、分析垃圾邮件、分析谷歌分布式构建系统上的测试结果等等。

通过开发“Drill”Apache开源项目，组织机构将有望建立Drill所属的API接口和灵活强大的体系架构，从而帮助支持广泛的数据源、数据格式和查询语言。

5、 RapidMiner

RapidMiner是世界领先的数据挖掘解决方案，在一个非常大的程度上有着先进技术。它数据挖掘任务涉及范围广泛，包括各种数据艺术，能简化数据挖掘过程的设计和评价。

功能和特点

免费提供数据挖掘技术和库

100%用Java代码（可运行在操作系统）

数据挖掘过程简单，强大和直观

内部XML保证了标准化的格式来表示交换数据挖掘过程

可以用简单脚本语言自动进行大规模进程

多层次的数据视图，确保有效和透明的数据

图形用户界面的互动原型

命令行（批处理模式）自动大规模应用

Java API（应用编程接口）

简单的插件和推广机制

强大的可视化引擎，许多尖端的高维数据的可视化建模

400多个数据挖掘运营商支持

耶鲁大学已成功地应用在许多不同的应用领域，包括文本挖掘，多媒体挖掘，功能设计，数据流挖掘，集成开发的方法和分布式数据挖掘。

6、 Pentaho BI

Pentaho BI 平台不同于传统的BI 产品，它是一个以流程为中心的，面向解决方案（Solution）的框架。其目的在于将一系列企业级BI产品、开源软件、API等等组件集成起来，方便商务智能应用的开发。它的出现，使得一系列的面向商务智能的独立产品如Jfree、Quartz等等，能够集成在一起，构成一项项复杂的、完整的商务智能解决方案。

Pentaho BI 平台，Pentaho Open BI 套件的核心架构和基础，是以流程为中心的，因为其中枢控制器是一个工作流引擎。工作流引擎使用流程定义来定义在BI 平台上执行的商业智能流程。流程可以很容易的被定制，也可以添加新的流程。BI 平台包含组件和报表，用以分析这些流程的性能。目前，Pentaho的主要组成元素包括报表生成、分析、数据挖掘和工作流管理等等。这些组件通过 J2EE、WebService、SOAP、HTTP、Java、JavaScript、Portals等技术集成到Pentaho平台中来。 Pentaho的发行，主要以Pentaho SDK的形式进行。

Pentaho SDK共包含五个部分：Pentaho平台、Pentaho示例数据库、可独立运行的Pentaho平台、Pentaho解决方案示例和一个预先配制好的 Pentaho网络服务器。其中Pentaho平台是Pentaho平台最主要的部分，囊括了Pentaho平台源代码的主体；Pentaho数据库为 Pentaho平台的正常运行提供的数据服务，包括配置信息、Solution相关的信息等等，对于Pentaho平台来说它不是必须的，通过配置是可以用其它数据库服务取代的；可独立运行的Pentaho平台是Pentaho平台的独立运行模式的示例，它演示了如何使Pentaho平台在没有应用服务器支持的情况下独立运行；

Pentaho解决方案示例是一个Eclipse工程，用来演示如何为Pentaho平台开发相关的商业智能解决方案。

Pentaho BI 平台构建于服务器，引擎和组件的基础之上。这些提供了系统的J2EE 服务器，安全，portal，工作流，规则引擎，图表，协作，内容管理，数据集成，分析和建模功能。这些组件的大部分是基于标准的，可使用其他产品替换之。

7、 SAS Enterprise Miner

§ 支持整个数据挖掘过程的完备工具集

§ 易用的图形界面,适合不同类型的用户快速建模

§ 强大的模型管理和评估功能

§ 快速便捷的模型发布机制, 促进业务闭环形成

数据分析算法

大数据分析主要依靠机器学习和大规模计算。机器学习包括监督学习、非监督学习、强化学习等，而监督学习又包括分类学习、回归学习、排序学习、匹配学习等（见图1）。分类是最常见的机器学习应用问题，比如垃圾邮件过滤、人脸检测、用户画像、文本情感分析、网页归类等，本质上都是分类问题。分类学习也是机器学习领域，研究最彻底、使用最广泛的一个分支。

最近、Fernández-Delgado等人在JMLR（Journal of Machine Learning Research，机器学习顶级期刊）杂志发表了一篇有趣的论文。他们让179种不同的分类学习方法（分类学习算法）在UCI 121个数据集上进行了“大比武”（UCI是机器学习公用数据集，每个数据集的规模都不大）。结果发现Random Forest（随机森林）和SVM（支持向量机）名列第一、第二名，但两者差异不大。在84.3%的数据上、Random Forest压倒了其它90%的方法。也就是说，在大多数情况下，只用Random Forest 或 SVM事情就搞定了。

KNN

K最近邻算法。给定一些已经训练好的数据，输入一个新的测试数据点，计算包含于此测试数据点的最近的点的分类情况，哪个分类的类型占多数，则此测试点的分类与此相同，所以在这里,有的时候可以复制不同的分类点不同的权重。近的点的权重大点，远的点自然就小点。详细介绍链接

Naive Bayes

朴素贝叶斯算法。朴素贝叶斯算法是贝叶斯算法里面一种比较简单的分类算法，用到了一个比较重要的贝叶斯定理，用一句简单的话概括就是条件概率的相互转换推导。详细介绍链接

朴素贝叶斯分类是一种十分简单的分类算法，叫它朴素贝叶斯分类是因为这种方法的思想真的很朴素，朴素贝叶斯的思想基础是这样的：对于给出的待分类项，求解在此项出现的条件下各个类别出现的概率，哪个最大，就认为此待分类项属于哪个类别。通俗来说，就好比这么个道理，你在街上看到一个黑人，我问你你猜这哥们哪里来的，你十有八九猜非洲。为什么呢？因为黑人中非洲人的比率最高，当然人家也可能是美洲人或亚洲人，但在没有其它可用信息下，我们会选择条件概率最大的类别，这就是朴素贝叶斯的思想基础。

SVM

支持向量机算法。支持向量机算法是一种对线性和非线性数据进行分类的方法，非线性数据进行分类的时候可以通过核函数转为线性的情况再处理。其中的一个关键的步骤是搜索最大边缘超平面。详细介绍链接

Apriori

Apriori算法是关联规则挖掘算法，通过连接和剪枝运算挖掘出频繁项集，然后根据频繁项集得到关联规则，关联规则的导出需要满足最小置信度的要求。详细介绍链接

PageRank

网页重要性/排名算法。PageRank算法最早产生于Google,核心思想是通过网页的入链数作为一个网页好快的判定标准，如果1个网页内部包含了多个指向外部的链接，则PR值将会被均分，PageRank算法也会遭到LinkSpan攻击。详细介绍链接

RandomForest

随机森林算法。算法思想是决策树+boosting.决策树采用的是CART分类回归数,通过组合各个决策树的弱分类器,构成一个最终的强分类器,在构造决策树的时候采取随机数量的样本数和随机的部分属性进行子决策树的构建,避免了过分拟合的现象发生。详细介绍链接

Artificial Neural Network

“神经网络”这个词实际是来自于生物学，而我们所指的神经网络正确的名称应该是“人工神经网络（ANNs）”。

人工神经网络也具有初步的自适应与自组织能力。在学习或训练过程中改变突触权重值，以适应周围环境的要求。同一网络因学习方式及内容不同可具有不同的功能。人工神经网络是一个具有学习能力的系统，可以发展知识，以致超过设计者原有的知识水平。通常，它的学习训练方式可分为两种，一种是有监督或称有导师的学习，这时利用给定的样本标准进行分类或模仿；另一种是无监督学习或称无为导师学习，这时，只规定学习方式或某些规则，则具体的学习内容随系统所处环境 （即输入信号情况）而异，系统可以自动发现环境特征和规律性，具有更近似人脑的功能。

Q2: Python培训课程哪家好？

对于学python编程的途径可以说是有两种，一种是自学，一种是到培训机构进行报名学习，python是一门编程语言，是一门可以跟计算机打交道的语言，学习python编程语言需要做的是实操而不是大量的刷题；学习时间大概是4-6个月。培训学费视具体课程而定。市面上关于web前端培训费用，国内线下面授web前端培训费用，各个机构存在一定的差异，因为各机构提供的教学服务不同所以费用也会不尽相同。但是基本上web前端培训的费用并不算贵，还是物超所值的。web前端培训推荐选择千锋教育，

要想找个靠谱的培训机构学好编程，光是比较学费是远远不够的，我们还要对比机构的其他情况，相互对比，选择一家好的培训机构需要从几方面来考虑。要看IT培训机构的规模，愿意花更高的成本在课程研发上面；要看培训机构的发展历程，发展时间越久对研发和教学的琢磨就越细致；要看学员数量，数量多说明课程质量优良。要看师资力量，老师的专业能力高低与否都决定了报班比率；要看课程内容是否专业和实用。千锋教育拥有多年Python培训服务经验，采用全程面授高品质、高体验培养模式，拥有国内一体化教学管理及学员服务，助力更多学员实现高薪梦想。

Q3: QQ空间5级花免费领取办法

最近看朋友日志，偶然发现其空间里原来那爬满屏幕下方的花藤没有了，取而代之的是立体感十足的新版花藤。我看到官方公告，原来该版花藤正在内测，只允许黄钻LV6、LV7的用户领用。

新版花藤发布的有四个品种“太阳花”“矢车菊”“康乃馨”“百合”，领取后可以对其进行浇水、修剪、日照、施肥（施肥仅黄钻用户能用）的操作以替代以前的花藤成长方式。首先讲讲我发现的方法（网上流传的一些方法，有些已失效）：

1.登录自己的空间

2.另开一个已获取了新版花藤的空间，如我的空间：，打开之后，点击花藤上的第五个按键“属性”，这时会进入“花藤”界面，随便点击其中一个的“去领取”按键。

3.这时会转入自己空间的“花藤领取”界面。现在到了最关键的地方：这时有四种花藤可以领取，你先想好领哪种。然后，——点击空间右上角的“装扮空间”按键，之后立即再点你想选的那种花下面的“领养”按键（快速连贯地完成这两个动作）——会有些卡，然后你会发现你要领取的花已经出现在你空间的某个位置（一般在最右边），这时你点击弹出的对话框中的“取消”或右上角的“×”。

最后点击空间右上角的“保存”，大功告成，这时你就可以肆弄你的花花了！

另有两个隐藏版“玫瑰”和“睡莲”（这两个只能利用网友提供的代码获取）

这个我用小号试了，第一次能用，但想换一种花儿时，却不能用了（可能跟只能添加一次新花藤插件有关），领取了睡火莲的小号：，大家可以试试。但我感觉这种方式添加的花藤指数不会更新。

方法：大家可以进“装扮空间”或“自定义”——复制代码——到浏览器地址栏——回车——出现花藤后点击“保存”。

代码如下：

javascript:window.top.space_addItem(23,38542,830,150,0,300,150); 太阳花

javascript:window.top.space_addItem(23,38540,830,150,0,300,150); 矢车菊

javascript:window.top.space_addItem(23,38538,830,150,0,300,150); 康乃馨

javascript:window.top.space_addItem(23,38536,830,150,0,300,150); 百 合

javascript:window.top.space_addItem(23,38539,840,150,230,460,150); 玫 瑰

javascript:window.top.space_addItem(23,38541,840,150,230,460,150); 睡火莲

希望大家玩得开心。。。领了之后要相互浇水、剪枝和施肥啊，祝大家的花儿快快成长！（规则规定每人每天只能为自己的花儿各养护一次，为别人的花儿也各养护一次。）

本方法经许多朋友测试，均可领取。没有领到的话是因为在进行第三步时，“装扮空间”和“领取”两个动作时不够连贯，速度快些就OK啦，祝你好运。

Q4: ACM进阶指南

大一上学期：

必学：

1.C语言基础语法必须全部学会

a)推荐“语言入门”分类20道题以上

b)提前完成C语言课程设计

2.简单数学题（推荐“数学”分类20道以上）

需要掌握以下基本算法：

a)欧几里德算法求最大公约数

b)筛法求素数

c)康托展开

d)逆康托展开

e)同余定理

f)次方求模

3.计算几何初步

a)三角形面积

b)三点顺序

4.学会简单计算程序的时间复杂度与空间复杂度

5.二分查找法

6.简单的排序算法

a)冒泡排序法

b)插入排序法

7.贪心算法经典题目

8.高等数学

以下为选修：

9.学会使用简单的DOS命令（较重要）

a)color/dir/copy/shutdown/mkdir(md)/rmdir(rd)/attrib/cd/

b)知道什么是绝对路径与相对路径

c)学会使用C语言调用DOS命令

d)学会在命令提示符下调用你自己用C语言编写的程序，并使用命令行参数给自己的程序传参（比如自己制作一个copyfile.exe实现与copy命令基本功能一致的功能）

e)学会编写bat批处理文件

10.学会Windows系统的一些小知识，如设置隐藏文件，autoRun.inf的设置等。

11.学会编辑注册表（包括使用注册表编辑器regedit和使用DOS命令编辑注册表）

12.学会使用组策略管理器管理(gpedit.msc)组策略。

大一下学期：

1.掌握C++部分语法，如引用类型，函数重载等，基本明白什么是类。

2.学会BFS与DFS

a)迷宫求解（最少步数）

b)水池数目(NYOJ27)

c)图像有用区域(NYOJ92)

d)树的前序中序后序遍历

3.动态规划（15题以上），要学会使用循环的方法写动态规划，同时也要学会使用记忆化搜索的方法。

a)最大子串和

b)最长公共子序列

c)最长单调递增子序列(O(n)与O(n log n)算法都需要掌握)

d)01背包

e)RMQ算法

4.学会分析与计算复杂程序的时间复杂度

5.学会使用栈与队列等线性存储结构

6.学会分治策略

7.排序算法

a)归并排序

b)快速排序

c)计数排序

8.数论

a)扩展欧几里德算法

b)求逆元

c)同余方程

d)中国剩余定理

9.博弈论

a)博弈问题与SG函数的定义

b)多个博弈问题SG值的合并

10.图论：

a)图的邻接矩阵与邻接表两种常见存储方式

b)欧拉路的判定

c)单最短路bellman-ford算法dijkstra算法。

d)最小生成树的kruskal算法与prim算法。

11.学会使用C语言进行网络编程与多线程编程

12.高等数学

13.线性代数

a)明确线性代数的重要性，首先是课本必须学好

b)编写一个Matrix类，进行矩阵的各种操作，并求编写程序解线性方程组。

c)推荐做一两道“矩阵运算”分类下的题目。

以下为选修，随便选一两个学学即可：

14.（较重要）使用C语言或C++编写简单程序来调用一些简单的windows API，或者在linux下进行linux系统调用，其目的是明白什么是API（应用程序接口）。

15.网页设计

a)学习静态网页技术(html+css+javascript)

b)较具有艺术细胞的可以试试Photoshop

c)php或其它动态网页技术

16.学习matlab，如果想参加数学建模大赛的话，需要学这个软件。

大一假期（如果留校集训）

1.掌握C++语法，并熟练使用STL

2.试着实现STL的一些基本容器和函数，使自己基本能看懂STL源码

3.图论

a)使用优先队列优化Dijkstra和Prim

b)单源最短路径之SPFA

c)差分约束系统

d)多源多点最短路径之FloydWarshall算法

e)求欧拉路(圈套圈算法）

4.进行复杂模拟题训练

5.拓扑排序

6.动态规划进阶

a)完全背包、多重背包等各种背包问题（参见背包九讲）

b)POJ上完成一定数目的动态规划题目

c)状态压缩动态规划

d)树形动态规划

7.搜索

a)回溯法熟练应用

b)复杂的搜索题目练习

c)双向广度优先搜索

d)启发式搜索(包括A*算法，如八数码问题)

8.计算几何

a)判断点是否在线段上

b)判断线段相交

c)判断矩形是否包含点

d)判断圆与矩形关系

e)判断点是否在多边形内

f)判断点到线段的最近点

g)计算两个圆的公切线

h)求矩形的并的面积

i)求多边形面积

j)求多边形重心

k)求凸包

选修

9.可以学习一种C++的开发框架来编写一些窗体程序玩玩（如MFC,Qt等)。

10.学习使用C或C++连接数据库。

大二一整年：

1.数据结构

a)单调队列

b)堆

c)并查集

d)树状数组

e)哈希表

f)线段树

g)字典树

2.图论

a)强连通分量

b)双连通分量（求割点，桥）

c)强连通分量与双连通分量缩点

d)LCA、LCA与RMQ的转化

e)二分图匹配

i.二分图最大匹配

ii.最小点集覆盖

iii.最小路径覆盖

iv.二分图最优匹配

v.二分图多重匹配

f)网络流

i.最大流的基本SAP

ii.最大流的ISAP或者Dinic等高效算法（任一）

iii.最小费用最大流

iv.最大流最小割定理

3.动态规划多做题提高（10道难题以上）

4.数论

a)积性函数的应用

b)欧拉定理

c)费马小定理

d)威乐逊定理

5.组合数学

a)群论基础

b)Polya定理与计数问题

c)Catalan数

6.计算几何

a)各种旋转卡壳相关算法

b)三维计算几何算法

7.理解数据库原理，学会SQL语句

8.学好计算机组成原理

9.学习Transact-SQL语言，学会使用触发器，存储过程，学会数据库事务等。

10.图论二

a)网络流的各种构图训练（重要）

b)最小割与最小点权覆盖等的关系（详见《最小割模型在信息学竞赛中的应用》一文）

c)次小生成树

d)第k短路

e)最小比率生成树

11.线性规划

12.动态规划更高级进阶

13.KMP算法

14.AC自动机理论与实现

15.博弈论之Alpha-beta剪枝