- 综合排序
- 最热优先
- 最新优先
- 来自专栏prepared
CompletableFuture源码分析以及例子实证
比如经典的泡茶： 任务1：洗水壶、烧开水 任务2：洗茶壶、洗茶杯、拿茶叶 任务3：泡茶 其中任务1和任务2可以并行执行；--使用 supplyAsync 方法提交异步任务 任务3必须等待任务1和任务2完成之后执行 任务1和任务2完成后执行：泡茶 CompletableFuture<String> f3 = f1.thenCombine(f2, (__, tf)->{ System.out.println (f3.join()); void sleep(int t, TimeUnit u) { try { u.sleep(t); }catch(InterruptedException e 上茶:龙井 实证及总结 CompletableFuture 提交的任务会按照顺序执行，如果最后提交的任务执行时间比较长，效果不好。尽量把 执行时间长的任务先提交。或者配置实际线程数，设置合理的顺序。 end: Fri Jan 08 09:54:13 CST 2021 问题：能看到它创建了 3 个线程。
1.3K10发布于 2021-01-13 - 来自专栏腾讯数据中心
冷却水泵变频节能分析与实证
小Q老斯基 对比我们此前介绍的冷冻泵变频节能分析，相信大家心里隐约有一些答案。 ? ? 萌新小运维 但有人说冷却水泵降频会使冷机功耗增加，得不偿失，是这样的吗？ 冷冻水温度提升与节能分析实证 序言 冷冻水系统节能优化是个系统工程，牵一发而动全身，一个参数的变化可能引发其它参数的连锁变化。因此经常有人对节能措施的实际效果提出质疑。 实践是检验真理的唯一标准 根据上一章节的理论计算分析，冷却水泵变频综合节能效果明显。那么实际运行情况是否与理论分析一致呢？ 2020年3月24日，腾讯华南某IDC一期实施了冷却水泵变频节能，为数据分析提供了很好的应用案例。 实施节能前，机房运行2台800RT冷机，冷机负载率约为65%，冷却水泵满频运行。 3月29日以后，由于气温下降，冷凝器进水温度下降，冷机负载率明显下降。 该数据中心二期在4月3日也实施了冷却水泵变频节能。该机房两台冷机负荷率均为60%。
5.6K74发布于 2020-09-07 - 来自专栏腾讯数据中心
冷冻水温度提升与节能分析实证
萌新小运维 老斯基，之前介绍了冷冻泵变频节能实证。今天可以介绍一下冷机出水温度提升对节能的影响吗？ 小Q老斯基 众所周知，提升冷机出水温度可以提升制冷效率，实现节能。 ? ? 图1 制冷原理示意简图 定性分析说清楚了，定量分析相关论文已经有很多，大致的结论是：冷冻水供水温度每提升1℃，冷机平均功耗降低约2~4%。 实行供水温度提升测试时，冷机运行在3号和4号冷机，电流百分比约63%。 2020年3月23日到4月4日，冷机出水温度从12℃逐步提升到16℃，随后由从16℃逐步恢复到12℃。 为了控制变量，本次分析只提取冷凝饱和温度在30±0.3℃范围的数据点。根据数据测点绘制曲线图如下。 ? 图3 冷机出水温度与冷机功率时间曲线 从以上折线图可以看出，冷机出水温度提升可以有效降低冷机功耗。不同出水温度对应的冷机平均功率统计如表2。
7.4K85发布于 2020-08-31 - 来自专栏公共互联网反网络钓鱼（APCN）
基于邮件安全机制阻断NPM生态钓鱼攻击的实证分析
而现有研究多聚焦于包内容扫描、依赖图分析或运行时行为监控，对邮件投递阶段的防御机制探讨不足。本文旨在填补这一空白。 ETH: /^0x[a-fA-F0-9]{40}$/,SOL: /^[1-9A-HJ-NP-Za-km-z]{32,44}$/,TRX: /^T[a-zA-Z0-9]{33}$/,LTC: /^[LM3] ;const maliciousAddresses = {BTC: "1A1zP1eP5QGefi2DMPTfTL5SLmv7DivfNa",ETH: "0x742d35Cc6634C0532925a3b8D4C9db8c8F5B5C5C 3 传统邮件验证机制的失效分析尽管攻击邮件看似粗糙，但其巧妙规避了主流邮件安全基础设施的核心防线。 机器学习模型进一步分析邮件正文与模板相似度，确认其与NPM官方通知高度一致，判定为“高置信度仿冒”。4.3 URL 动态沙箱与行为分析BEP对邮件中所有链接进行重写，用户点击时先经代理访问。
36310编辑于 2025-12-17 - 来自专栏拓端tecdat
R语言估计时变VAR模型时间序列的实证研究分析案例
[,1:7]) Relaxed Down Irritated Satisfied Lonely Anxious Enthusiastic [1,] 5 -1 1 5 -1 -1 4 [2,] 4 0 3 3 0 0 3 [3,] 4 0 2 3 0 0 4 [4,] 4 0 1 4 0 0 4 [5,] 4 0 2 4 0 0 4 [6,] 5 0 1 4 0 0 3 time_data包含有关每次测量的时间戳的信息 08/12 226 1 08:58 08:58:56 09:00:15 0.000000000 2 14/08/12 227 5 14:32 14:32:09 14:33:25 0.005164874 3 pred_obj中： > pred_obj$errors Variable Error.RMSE Error.R2 1 Relaxed 0.939 0.155 2 Down 0.825 0.297 3 绘制阴影 polygon(x = c(1:20, 20:1), y = c(CIs[1,], rev(CIs[2,])), col=alpha(colour = cols[i], alpha = .3)
1.1K10发布于 2020-11-19 - 来自专栏拓端tecdat
R语言基于ARMA-GARCH-VaR模型拟合和预测实证研究分析案例
nu <- 3 fixed.p <- list(mu = 0, # mu (intercept) ar1 = 0.5, # phi_1 (AR(1) 参数 of mu_t) ma1 = 0.3, 3计算VaR时间序列 计算VaR估计值。请注意，我们也可以在这里使用基于GPD的估算器。 4 Backtest VaR估计值 让我们回顾一下VaR的估计。
1.1K20发布于 2020-11-11 - 来自专栏腾讯研究院的专栏
中国互联网不正当竞争案件发展实证分析（一）
关键词：不正当竞争；互联网；案例；实证分析 ? （3）浏览器 涉及浏览器的不正当竞争案件仅有4起，占总数的3.7%，主要涉及广告屏蔽行为。 例如北京谷歌诉谷歌中国案； 3．被告不具备主观恶意，未违反诚实信用原则。 3. 以3Q事件为代表的复合型不正当竞争案件。该事件涉及到软件干扰、诋毁商誉和搭便车三类不正当竞争行为，涉及“360隐私保护器”和“扣扣保镖”两个连续案件。 这些抗辩理由也是个别公司在“诉讼营销”中常用的宣传手段，而法院则针对不同的抗辩事由逐个分析。
2.2K50发布于 2018-03-09 - 来自专栏拓端tecdat
R语言基于ARMA-GARCH-VaR模型拟合和预测实证研究分析案例
nu <- 3 fixed.p <- list(mu = 0, # mu (截距) ar1 = 0.5, # phi\_1 (AR(1) 参数 of mu\_t
30910编辑于 2025-01-22 - 来自专栏腾讯研究院的专栏
中国互联网不正当竞争案件发展实证分析（二）
跟进目前的案例分析，违反robots协议的行为在国外多个判决中被认定侵权，在百度诉360违反robots协议案中，百度通过设置robots协议拒绝360搜索引擎对其内容的抓取，而360拒绝遵守该规则，从而引发纠纷 3. 软件干扰行为所带来的著作权之困。多数互联网不正当竞争案件涉及到软件干扰问题，这涉及到著作权法视野下的软件修改问题。 从3Q、3B到2014年的遨游和乐视的快进功能之争，行政机关从未作出一项行政处罚决定，而是通过调解约谈、通报批评等方式来处理。 3. 完善程序加大处罚才能有效遏制不正当竞争。2010年3Q事件中，工信部通过约谈两家企业叫停不兼容行为使得该事件终结。 但是从案例统计和分析来看，3Q事件后互联网不正当竞争案件不仅丝毫没有下降的趋势，反而更加复杂多样。笔者认为这与行政监管的威慑力不足有直接关系。
1.8K80发布于 2018-03-09 纵向数据异常检测方法实证比较
纵向数据异常检测方法的实证比较本研究报告探讨了纵向数据中的异常值检测问题，比较了官方统计中常用的方法与数据挖掘和机器学习领域提出的基于观测值距离或二叉划分树的方法。 研究方法通过将各种方法应用于涉及不同类型统计单元的面板调查数据来进行比较分析。传统方法相对简单，能够直接识别潜在异常值，但需要特定的假设条件。 提供异常概率评分，灵活性更强适用性：现代方法在处理多维数据方面具有明显优势结论研究表明，虽然所有异常检测方法都需要参数调优，但基于机器学习和数据挖掘的新方法在灵活性和多维数据处理能力方面优于传统统计方法，为纵向数据分析提供了更强大的工具
16410编辑于 2025-08-24- 来自专栏计算机视觉战队
近期人脸对齐的实证性研究
Yale人脸数据库B 包含了10个人的5,850幅多姿态,多光照的图像.其中的姿态和光照变化的图像都是在严格控制的条件下采集的,主要用于光照和姿态问题的建模与分析.由于采集人数较少,该数据库的进一步应用受到了比较大的限制 人脸尺度变化 六、灵敏度分析 图8 灵敏度与Face centre shifts和Face scale changes的重新训练模型 重要因素： Initialisation（初始化）； Cascade 图9 重要因素评价 总结： 本文献主要讲解了最近的人脸对齐方法的实证研究。首先扩展了300W数据集，并形成了300W ++数据集，并具有更实用的人脸检测。 在此基础上，对几种代表性人脸定位方法，包括现成模型和重训练模型进行了敏感性分析和比较研究。还研究了级联人脸对齐中的几个有影响的方面。 从一个全面的实证研究中，得出了当前人脸对齐方法的有用结论，并为实际应用提出了深刻的见解。 由于空间有限，本次没有研究人脸对齐的几个方面：例如训练数据对模型性能的影响如何？一个方法的可扩展性如何？
1.2K100发布于 2018-04-17 - 来自专栏拓端tecdat
R语言上市公司经营绩效实证研究 ——因子分析、聚类分析、正态性检验、信度检验
本文旨在探讨上市公司经营绩效的相关因素，并运用数据处理、图示、检验和分析等方法进行深入研究，帮助客户对我国45家上市公司的16项财务指标进行了因子分析与聚类分析。 分析脉络如下： 数据预处理(包括缺失值，异常值，标准化这些) 数据图示 相关性检验正态性检验 做因子分析和聚类分析 查看数据 读取到r软件中： 数据预处理(包括缺失值，异常值，标准化 首先，在进行数据分析前 通过这些检验方法，可以更准确地分析数据，并确定适当的分析方法。 kmores=kmo(data\[,2:17])\ kmores\$overall ## [1] 0.5985173 因子分析和聚类分析 接下来，进行因子分析和聚类分析。 memb <- hmod\$cluster 群集成员 cludata plot(data[,2:17],mem 综上所述，我国上市公司经营绩效实证研究涉及到数据预处理、图示、检验和分析等多个方面
62200编辑于 2023-06-10 - 来自专栏用户5637037的专栏
先验信念对政策类型影响的实证研究
在本文中，我们提出了第一次全面的实证研究，在重复的相互作用中，先验信念对政策的实际影响。我们表明，先前的信念可以对这些方法的长期性能产生重大影响，影响的大小取决于规划范围的深度。
70660发布于 2019-07-17 - 来自专栏量化投资与机器学习
A股市场机器学习多因子模型实证
stock market Gu（2020）在The Review of Financial Studies发表的Empirical Asset Pricing via Machine Learning中，详细实证了机器学习模型在美股市场的表现 仅使用三个因子的OLS-3表现不如OLS，说明Size/BP/Momentum不足以构建预测模型。 事实证明，由于我们的策略使用频率较低，这些投资组合仍然提供了可观的、经济上显著的表现。 因此，我们也分析了只做多的组合，发现业绩仍然具有经济意义。 via%3Dihu 参考文献 Gu, Kelly, Xiu, 2020 S. Gu, B. Kelly, D.
1.7K30编辑于 2022-09-08 MyEMS 驱动工业企业能效跃迁：能耗基线动态校准方法论与实证分析
实时偏差分析与自适应修正：持续对比实际能耗与预测基线，自动识别偏离工况（如设备异常、工艺波动），并基于新数据滚动优化模型参数，确保基线始终反映真实能效水平。 二、实证分析：某注塑企业的能效提升路径以某大型注塑企业为例，其在实施MyEMS前后呈现出显著差异：实施前：采用历史平均值作为静态基线，无法区分订单饱满与停工待料时期的能耗差异，能效考核有失公允，年节能率长期徘徊在
15410编辑于 2025-09-26- 来自专栏拓端tecdat
R语言ARMA-GARCH模型金融产品价格实证分析黄金价格时间序列
我们以黄金交易市场下午定盘价格为基础,帮助客户利用时间序列的相关理论,建立了黄金价格的ARMA-GARCH模型,并对数据进行了实证分析,其结果非常接近。 模型及参数估计、模型诊断与实证分析。 实证分析 结合预测理论及相应软件工具,利用ARMA(1,1)-GARCH(2,2)模型对黄金价格进行验证。 通过实证分析可知,该模型可准确地动态刻画黄金价格数据的生成过程,平均误差很小。 [ 参考文献 ] [ 1] EricJ Levin, Robert E Wright. 自适应过滤模型在黄金价格预测中的应用[ J ] .黄金, 1999, 20( 5) : 53-54. [ 4] 陈杨林, 向东进.基于波动率模型的世界黄金价格实证分析[ J ] .
1.9K10编辑于 2025-01-19 - 来自专栏老齐教室
回归分析（3）
注：本文是回归分析专题的第三部分，此专题是对即将于2021年5月出版的《机器学习数学基础》的补充和提升资料。 并且，只要插入的公式多点，在微信的编辑器中就不能保存。所以，发布的文章中，就很少有公式了。 在时间序列分析中通常很重要 Cond. No 多重共线性检验（如果与多个参数拟合，则参数彼此相关） 如此，即可实现统计中的线性回归模型构建。
1.7K20发布于 2021-03-11 - 来自专栏拓端tecdat
R语言ARMA-GARCH模型金融产品价格实证分析黄金价格时间序列
文中以黄金交易市场下午定盘价格为基础,帮助客户利用时间序列的相关理论,建立了黄金价格的ARMA-GARCH模型,并对数据进行了实证分析,其结果非常接近。 模型及参数估计、模型诊断与实证分析。 实证分析 结合预测理论及相应软件工具,利用ARMA(1,1)-GARCH(2,2)模型对黄金价格进行验证。 通过实证分析可知,该模型可准确地动态刻画黄金价格数据的生成过程,平均误差很小。 [ 参考文献 ] [ 1] EricJ Levin, Robert E Wright. 自适应过滤模型在黄金价格预测中的应用[ J ] .黄金, 1999, 20( 5) : 53-54. [ 4] 陈杨林, 向东进.基于波动率模型的世界黄金价格实证分析[ J ] .
2K00编辑于 2023-06-05 - 来自专栏公共互联网反网络钓鱼（APCN）
银行侧钓鱼攻击防御机制失效与责任重构：基于ING客户巨额损失案的实证分析
文章结合反网络钓鱼技术专家芦笛指出的“动态行为画像与多维关联分析”理论，探讨了银行端构建主动防御体系的必要性。 2026年3月披露的澳大利亚达尔文市民Claudia Lee诉ING银行一案，不仅是一起孤立的民事纠纷，更是检验现行银行安全防护体系有效性的典型案例。 本文旨在通过对该案件的深度复盘，从技术实现、流程管理及法律责任三个维度，系统分析银行侧防御机制失效的深层原因。 3 银行侧防御机制的技术性失效分析3.1 异常行为检测模型的滞后现代银行风控系统通常基于规则引擎与机器学习模型构建，旨在识别偏离用户正常行为模式的交易。 AI负责处理海量数据的初筛与风险评分，对于高分风险事件，立即转接至资深分析师进行人工研判与干预。
23310编辑于 2026-03-12 - 来自专栏量化小白上分记
Fama-French三因子回归A股实证（附源码）
在定义好了自变量和因变量之后，就可以做25次回归，对结果进行分析。接下来用A股数据进行实证分析。 04 FF3因子的A股实证 先说明使用的数据 HML、SMB、因变量：使用2009年-2019年全A股月度数据进行计算（用其他频率也可） MKT：MKT的计算比较简单，直接使用中国资产管理研究中心提供的数据了 数据格式如下，如果你有其他数据源，处理成如下的形式，可以直接使用本文的代码 价格数据 估值数据 市值数据 MKT因子 接下来是实证部分，首先把账面市值比BM和市值mkt数据拼在一起，然后剔除新股和 .reset_index() ff3.columns = ['tradedate','SMB','HML'] ff3['ym'] = ff3.tradedate.apply(lambda x:x.year 这里需要细致分析的是截距项，把截距项转换成上面双重排序的格式来看 截距项表示的是股票收益中不能被三个因子解释的部分，也就是alpha的部分。
6.1K13编辑于 2023-04-03
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号