javawork

自己编写的用java编写的java小游戏，里面还有一些不足之处，不足之处希望大家提出，予以改正！用法：通过鼠标相应消息，实现图片块的移动。

这是一个用swing写的注册界面，用来学习swing非常的不错。(This is a swing write register interface for learning swing very good.)

绘制百度地图的自我规划路线图，为百度地图演示(Self-planning road map for drawing Baidu map, demo for Baidu map)

maven是java项目管理工具，比ant更强大(maven is a java project management tools, more powerful than the ant)

This class represents a currency as identified in the ISO 4217 currency codes.

springMvc+myBatis框架搭建，以及简单的例子运行(springMvc+myBatis frame construction, and operation of a simple example)

资源描述TF-IDF（term frequency–inverse document frequency）是一种用于资讯检索与资讯探勘的常用加权技术, TFIDF的主要思想是：如果某个词或短语在一篇文章中出现的频率TF高，并且在其他文章中很少出现，则认为此词或者短语具有很好的类别区分能力，适合用来分类。TFIDF实际上是：TF * IDF，TF词频(Term Frequency)，IDF反文档频率(Inverse Document Frequency)。TF表示词条在文档d中出现的频率。IDF的主要思想是：如果包含词条t的文档越少，也就是n越小，IDF越大，则说明词条t具有很好的类别区分能力。如果某一类文档C中包含词条t的文档数为m，而其它类包含t的文档总数为k，显然所有包含t的文档数n=m + k，当m大的时候，n也大，按照IDF公式得到的IDF的值会小，就说明该词条t类别区分能力不强。但是实际上，如果一个词条在一个类的文档中频繁出现，则说明该词条能够很好代表这个类的文本的特征，这样的词条应该给它们赋予较高的权重，并选来作为该类文本的特征词以区别与其它类文档。这就是IDF的不足之处。这里采用了外部插件IKAnalyzer-2012.jar，用其进行分词，插件和测试文件可以从这里下载

很经典的一本书 这个作者写的书我都很喜欢(Is the classic book of the author of a book I liked)

tcl generator that generate tcl code automaticaly

【实例简介】Android studio 使用Service及BroadcastReceiver实现音乐播放器