## Java中的数据类型及其存储
在Java编程语言中，数据类型是存储数据的一种方式，它决定了数据的类型和大小。Java中的数据类型分为两大类：基本数据类型和引用数据类型。基本数据类型是Java内置的简单类型，它们分别是byte、short、int、long、float、double、char和boolean。而引用数据类型则是指向对象的引用，比如类、接口、数组等。
### byte类型
原创
2024-02-26 05:15:43
3阅读
二、布局管理器本例中的Java Applet运行时，要在页面上Java Applet的运行区域内绘制相应的“标签”来显示不同的数值，并要加入一个“文本框”来接收输入的股票代码。对这些“标签”和“文本框”位置及大小的设定，便属于布局管理的应用范畴。Java语言中提供的布局管理器种类有：边界式布局、卡片式布局、流式布局和网格式布局等，各有不同的特点，可根据实际需要选用；但有最大自由设计空间的是“无布局
转载
2023-07-21 16:07:18
20阅读
今天闲的没事干，就自己手绘了一张丑不拉几的太极图，手残没办法，还是让pc来帮我画一张标准一点的吧这里我选取JFrame作为容器，利用Graphic画笔进行作画。 这里切入要用的几个函数的API:> 1. drawLine: public abstract void drawLine(int x1,
> int y1,
>
转载
2023-07-17 17:15:29
175阅读
利用JFreeChart绘制K线图完整解决方案
因为工作的需要，接触了一些图形绘制类的工作，其中最主要的还是K线图的绘制了，如果利用编程语言最底层的图形绘制方法去绘制这类图形，如果对编程语言不是特别熟悉的话，一般是有很大
转载
2023-08-03 20:35:40
7阅读
10，装饰者模式（Decorator）10.1，问题引入10.1.1，星巴克咖啡订单项目咖啡种类：Espresso（意大利浓咖啡），LongBlack（美式咖啡），Decaf（无因咖啡）调料：Milk（牛奶），Soy（豆浆），Chocolate（巧克力）要求在增加新的咖啡时能有更好的扩展性，改动方便，维护方便使用OO计算不同种类咖啡的价格：包括咖啡价格和调料价格10.1.2，方式一：穷举类方式
D
转载
2023-08-14 16:09:18
75阅读
# K线图 - Java
## 简介
K线图是一种常用的技术分析工具，常用于股票交易和金融市场分析。它以一定时间段内的股票价格信息为基础，将股票的开盘价、最高价、最低价和收盘价绘制在一张图中，以直观地展示股票价格的波动情况。
在这篇文章中，我们将使用Java语言来实现一个简单的K线图生成程序。我们将使用JavaFX库来绘制图形界面，并使用随机生成的股票价格数据来填充K线图。
## 准备工作
原创
2023-08-05 03:20:43
367阅读
因为工作的需要，接触了一些股票图形绘制类的工作，其中最主要的还是股票K线图的绘制了，如果利用编程语言最底层的图形绘制方法去绘制这类图形，如果对编程语言不是特别熟悉的话，一般是有很大的困难的，通过在网上搜索发现，以自己最熟悉的两门语言为例，其中有PHP版的开源JPGraph画图程序和 JAVA版的JFreeChart画图工具包，jpgraph用过一段时间，但是发现，其中图形细节方面处理的不够细腻和精
转载
2023-07-21 20:09:08
8阅读
记录下画k线组合图的过程。
首先，k线图里包含了蜡烛图、折线图、柱状图，上面图例。然后，折线图和蜡烛图画在了一个plot里面。柱状图单独一个plot。 OHLCSeries（open、high、low、close）的类来存放蜡烛图数据。构造方法直接指定时间，然后指定OHLC数据就完成了数据构建。数据完成了，然后开始让图
转载
2024-08-29 18:35:29
54阅读
1. k 近邻算法k近邻法（k-nearest neighbor， k-NN） 是一种基本分类与回归方法。 k近邻法的输入为实例的特征向量， 对应于特征空间的点； 输出为实例的类别， 可以取多类。 k近邻法假设给定一个训练数据集， 其中的实例类别已定。 分类时， 对新的实例， 根据其k个最近邻的训练实例的类别， 通过多数表决等方式进行预测。因此， k近邻法不具有显式的学习过程。 k近邻
上一篇中已经实现了用XYMultipleSeriesRenderer绘制K线及弹出pop的功能，但是因为用的第三方jar包，所以一些坐标点的计算非常之麻烦。项目中提出在第一次进入页面时滑屏到当前日期，并且弹出当前日期对应的pop问题，通过api并没有找到解决方法。于是，只有自定义view,通过继承view调用onDraw()方法来绘制。不多说，代码如下：
自定义LineChartView
转载
2023-08-01 20:57:41
503阅读
System.out.println("release!");
}
@Override
public void mouseEntered(MouseEvent e) { //鼠标进入界面
System.out.println("In");
}
@Override
public void mouseExited(MouseEvent e) { //鼠标
转载
2024-02-05 02:26:24
224阅读
文章目录前言一、顺序结构二、分支结构1.if语句2.switch语句三、循环结构1.while循环2.for循环3.do while 循环4.beak5.continue总结 前言任何计算机程序设计语言，都离不开三大逻辑结构：顺序结构、分支结构、循环结构。这三大结构也是代码的组成方式。是支撑编程语言成功执行的核心。非常基础，也非常重要。但是，在使用的时候，不同语言还是有一些差别的。所以，这篇文章
转载
2023-07-15 21:29:53
204阅读
JDK下载并安装: http://www.oracle.com/index.html环境配置: 我的电脑（右击)－＞高级－＞环境变量，选择“系统变量”的“新建”，然后在变量名中输入classpath，变量值为:.;JDK安装目录\lib\dt.jar; JDK安装目录\lib\tools.jar;(注意前面的点不要漏掉)。然后在用户变量中，编辑变量名path,变量值为：JDK安装目录\bin;(用
转载
2023-07-21 16:08:28
10阅读
k近邻算法k近邻法是一种基本分类与回归方法k近邻法输入为实例的特征向量，对应于特征空间的点；输出为实例的类别，可以取多类（与感知机不同的点之一）。分类时，对新的实例，根据其k个最近邻的训练实例的类别，通过多数表决等方式进行预测。算法的基本步骤如下：1）计算已知类别数据集中的点与当前点之间的距离；2）按照距离递增次序排序；3）选取与当前点距离最小的k个点；4）确定前k个点所在类别的出现频率；5）返回
转载
2023-07-21 16:00:48
88阅读
简单地说，k近邻算法采用测量不同特征值之间的距离方法进行分类。k-近邻算法优点：精度高、对异常值不敏感、无数据输入假定。缺点：计算复杂度高、空间复杂度高。 适用数据范围：数值型和标称型。它的工作原理是：存在一个样本数据集合，也称作训练样本集，并且样本集中每个数据都存在标签，即我们知道样本集中每一数据与所属分类的对应关系。输入没有标签的新数据后，将新数据的每个特征与样本集中数据对应的特征
转载
2023-10-15 00:04:00
58阅读
因为自己的好奇心，所以做了这一篇关于KNN 算法的笔记。 文章目录一、简介二、KNN算法实现2.1实现步骤2.2代码实现三、相关测试四、小结 一、简介K-近邻算法是一种常用的监督学习的方法，其与K-Means算法有点类似，其原理是：在给定的样本数据中，基于某种距离(欧式距离或马氏距离等等)找出与当前样本数据距离最近的K个样本数据，然后再基于这K个“邻居”的信息来进行预测。这个算法在生活中应用的其实
转载
2023-07-17 17:15:16
103阅读
K线组合、均线和量价关系的综合运用，是研判股价运行最直观、最形象的技术分析方法。 虽然近期主力和庄家的手法，反技术操作的迹象时有暴露，如洗盘凶狠，常常跌破30日均线这一中线看淡的经典理论，然后却又反身向上修复好上升通道，但总难骗过成交量和K线组合。掌握K线组合的重要关键，是必须与时空位置相结合，同样的组合在底部、顶部、趋势中途的意义是不同的，投资者往往忽略这一问题而导致失误。K线组合是笔者最喜欢
转载
2023-06-25 13:06:35
163阅读
在金融交易中，K线图被广泛应用于技术分析。K线图的绘制可以帮助交易者捕捉价格动向，对未来市场走势进行预测。下面我将详细讲解如何在Java中实现K线图的绘制，以及在这个过程中所涉及的备份策略、恢复流程、灾难场景、工具链集成、日志分析和监控告警。
## 备份策略
在项目开发中，备份策略是确保数据不丢失的重要环节。我们可以使用甘特图来直观展示备份任务的计划和时间安排。
```mermaid
gan
# k匿名算法简介及Java示例
## 什么是k匿名算法？
k匿名算法是一种隐私保护技术，用于处理包含敏感信息的数据集。该算法通过将数据集中的个体进行分组并进行数据扰动，以保护个体的隐私。k匿名算法的目标是在保证数据可用性的前提下，使得每个数据组中至少有k个相同的记录，从而隐藏个体的特征信息。
## k匿名算法的实现
在Java中，可以使用以下步骤实现k匿名算法：
1. 加载数据集：首先
原创
2023-07-21 15:36:47
414阅读
2.1 k-近邻算法概述 k-近邻算法采用测量不同特征值之间的距离方法进行分类。 优点：精度高、对异常值不敏感、无数据输入假定。 确定：计算复杂度高、空间复杂度高。 适用数据范围：数值型和标称型。 工作原理：存在一个样本数据集合，也称作训练样本集，并且样本集中每个数据都存在标签，即我们知道样本集中每一数据与所属分类的对应关系。输入没有标签的新数据后，将新
