其他

Flexigrid中會出現列選擇的小黑箭頭，有時挺討厭，想去掉。發現沒有控制的地方，於是自己加。在flexigrid.js中增加在定義中增加p = $.extend({ //apply default propertiesheight: 200, //default heightwidth: 'auto', //auto widthstriped: true, //apply odd even stripesnovstripe: false,minwidth: 30, //min width

上會寫的Flexigrid折行顯示時，擷取值有問題，報錯。getRows: function(){//add by jejvar rtnList = new Array();var objRows = $('.trSelected', $(t));if(objRows!=null){for(var i=0;i<objRows.length;i++){ var row = objRows[i]; var rowMap = new Object(); for(var j=0;j<row.

1：一共有N個人臉，每個人臉按照像素從左至右，從上到下，計算出來每個人臉的相像素個數M，則形成人臉矩陣M*N，接著對這個矩陣每行的值減去均值形成新的矩陣，然後對這個矩陣求它的共變數矩陣，繼續對共變數矩陣求前m個值最大的特徵向量（特徵向量是M*1的），然後形成Feature

升級了IE10，發現flexigrid無法顯示資料，提示擷取到了資料，但沒任何報錯任何顯示。如下。跟蹤代碼，發現內部是產生了td,tr和要顯示的資料，但沒有顯示出來。經過實驗和跟蹤，修改如下。在addData中修改$(t).append(tbody);為$(t).append('<table cellpadding=0 cellspacing=0>'+tbody.outerHTML + '</table>');這樣資料就能正常顯示了。

由於學習需要，讀研兩年來基本基本沒再接觸過線代、機率統計、高數這些知識了，最近由於學習需要，才把線代的大學本科時候用的書前後花費了2周左右給複習完了。複習完之後發現只是勾起了一些當年的印象，並不咋深入，有些課後習題還是不會做。導致看一些paper的時候遇到個公式還要思考大半天才反應過來，果斷覺得重新再來一遍，本來這種東西年代久遠沒再複習一遍也就不夠用。 第二次就沒再按照課本一章一章的來，下載了一個學校內網上有的一個考研的線代的視頻，清華大學的我看是03年考研時候的吧，老師講的還不錯，第一章開始就

下午幫朋友調試個ECSHOP的程式，裡面發郵件顯示的是格林尼治時間和中國的當前差了8個小時，顯示不友好。網上幫查詢了下有人遇到這個問題但是沒決絕，晚上看了下ecshop的代碼，發現代碼裡面用gmdate這個就是直接產生的格林尼治時間了，修改地方如下：includs/lib_base.php中搜尋send_mail函數，找到“使用smtp服務發送郵件”這塊中，搜尋“$headers[] = 'Date: '”就可以按到這句話： $headers[] = 'Date: ' . gmdate('D,

局部加權緊接著上面的線性迴歸中參數求解來繼續講吧。還是以上面的房屋價格的預測，它的中心思想是在對參數進行求解的過程中，每個樣本對當前參數值的影響是有不一樣的權重的。比如上節中我們的迴歸方程為（這個地方用矩陣的方法來表示Ɵ表示參數，i表示第i個樣本，h為在Ɵ參數下的預測值）： 我們的目標是讓 最小，然後求出來Ɵ，再代入h中就可以得到迴歸方程了。 但是如果類似以下的樣本，他們的對應圖如下：如果用之前的方法，圖中線為求出的迴歸方程，那麼在x的取值和真實差別很大，這個情況叫做欠擬合。那麼我們怎麼辦呢？我

PCA是一種對高維度資料進行降維的一種方法，為了能夠瞭解PCA的具體過程，一些數學知識，比如：期望，標準差，方差，共變數，特徵值，特徵向量等都是必須瞭解的。不過不要怕，我這裡先一個一個來介紹下這些概念。PCA是一種常用的統計方法，什麼是統計分析的過程？就是用樣本資料的特徵去代表整體資料特徵，而統計就是來分析這個樣本資料的特徵（為什麼要這樣來做？而不是把全部資料拿來分析呢？因為全部資料量太大）1：概念介紹Ø 

 在開始之前簡單介紹一下：小龍服務於一家叫做xx的軟體公司,在裡面是一個Team Dev的PL,直接領導是老徐。          小龍的Team Dev總共有七人,一個最佳的ScrumTeam Dev人數         PL     ： 小龍         成員   ： 賓哥  紅姐(MM) 小美女(MM) 排骨(MM) 小梅(MM) 小梁(MM)          呵呵,看到性別後大家都傻眼了吧,七個人的團隊中有五個MM!這可是事實!是不是有些羨慕呀.   新的開始        

在使用IE中，特別在目前div+css的方式，往往不定義div的高度，這是在添加div內容後，需要擷取div的高度時，往往需要用到offsetHeight。在使用中，有時會碰到offsetHeight擷取到為0的現象，但如果你用各種JS調試工具調試，又能在對象中看到值（如果直接指向offsetHeight是沒值的，但如果是對象查看是有值的，在調試器中斷行符號查看對象就已經重新整理對象了，所以有值。）比如下面片段<!DOCTYPE html PUBLIC "-//W3C//DTD

今天開始讀統計學習方法，昨天看到關於聯合機率分布和條件機率分布竟然忘記完了，上午看了下，下午接著繼續閱讀，看了12頁，即將看到正則化合交叉檢驗來避免過擬合的現象。我現在合上課本把我能能想到的也就是印象最深的複習下吧沒做個備忘：1：統計學習三要素：模型、策略和演算法。模型分兩種條件機率的形式另外一個是決策函數，因為是監督學習最終是為了預測，所以個人感覺就是找到一個合適的數學運算式可以用來做後續的預測；策略就是如何按照什麼樣子的思想來約束這個運算式，讓運算式更為準確的預測。這個上面遇到幾個概念我覺得

前天晚上一朋友請教我這個問題，之前覺得這個問題很簡單，沒坐過實踐，當晚幫他搞，結果按照網上給的文檔來做也是搞不定，今天早上上完課沒啥事，就找來資料再看了一下，終於搞定，記錄下步驟：1：開啟apache的url_rewrite模組，也就是在httpd.conf中去掉這句話的注釋LoadModule rewrite_module modules/mod_rewrite.so2：找到AllowOverride，把AllowOverride None修改成AllowOverride

老闆最新給我的工作就是看看k-svd的東西，對於svd其實都學過，概念很簡單。由於矩陣分解也就特徵值和奇異值這兩種所以一起拿來學習了下做個備忘和補充1：特徵值分解比如AX=lamudaX。這種的含義其實是A對x長度的變化，長度變化量就是lamuda2：奇異值分解中A=UEV'，做個簡單變換AV=UE，其實A對V做的不僅有長度的變化還有方向的變化，對應的方向在U中，長度是E中的對應分量我對於這兩種分解的最大體會也就是在這裡了。對於EVD（特徵值分解）和SVD（奇異值分解）這兩種分解的應用範圍1：E

前幾天討論班我講了基於PCA的Face

比如一個向量X=[1 2 5 0 4 0 2 0 0 8 0 1 0]，想按照X的原來的順序把非0的元素剔除掉，怎麼辦呢？當然你寫程式來做也是個辦法，我這裡給出一個用矩陣運算來做的方法。步驟如下：1：計算X中非0元素的下標，放入在W中，下標從1開始。那麼對應這個X的W就是W=[1 2 3 57 10 12]。2：構建矩陣N，N的行數為X的列數，N的列數是W的列數。然後讓N的全部元素都為03：讓N(W(1,i), i)=1，i的取值範圍是0到W的列數。4：讓X和N相乘，就得到結果了！

正確率、召回率和F值是在魚龍混雜的環境中，選出目標的重要評價指標，本文就針對這三個指標得瑟得瑟。        不妨看看這些指標的定義先：正確率 = 正確識別的個體總數 /  識別出的個體總數召回率 = 正確識別的個體總數 /  測試集中存在的個體總數F值  = 正確率 * 召回率 * 2 / (正確率 + 召回率)       

今天看PC的一個文章的時候作者提到了，我們知道一組數比如求它的標準差，我們知道公式是：分母為什麼是n-1而不是n呢？這個問題需要我們從統計學的知識開始說起來，統計學就是通過對一部分資料（樣本）的觀察分析，來擷取整體資料的特徵。也就是說我們的目的是為了獲得整體資料的資料特徵，而經過實際測試指導，如果是選取的一部分資料這個分母為n-1的時候最能接近整體的真實測量值，如果這個地方選用的整體資料，那麼除以n是精確值。結論：經測試知道，當n為部分樣本資料的時候，分母為n-1的時候最為接近整體資料的真實值。

      近來有一同事(以前在別的公司工作過好幾年)試用期剛滿兩個月就被要求捲鋪蓋走人了，理由跟男女朋友分手的理由一樣：不合適。當那位同事說出“不合適”時，一臉的不愉快、無奈，估計還在琢磨這“不合適”裡面的豐富含義，又或者在不停挖掘著自己哪裡“不合適”。但估計他不會想到這個“不合適”卻是他常常說的“我明白”惹的禍。      態度很重要。領導找談話，每句話還沒有說到一半，就一個“我明白”讓領導把後面的話吞到肚子裡，但執行的時候卻是按個人意願行事的；布置任務時，還沒聽到一半就猛地點頭“我明白”，

接著上次講過的人工智慧入門，對人工智慧做什麼、研究目標有了大概的瞭解。今天繼續深入。1：先回顧下之前講的，人工智慧就是以人工的方式讓機器具備智能。智能是一種行為，這種行為和人的大腦有關，而大腦中主要負責這些行為的是神經元細胞，那麼就是研究大腦中神經元細胞的工作原理，去作用於機器，讓機器具備這種智能行為。2：在大腦中，神經元主要集中在大腦皮層上。大腦皮層是一塊地區，有視覺去、聽覺地區等，每個地區分塊的串連在一起。側面看有6層，每層中有插進去的柱狀組織，稱為神經柱。3：神經柱的工作原理是一層一層網上

剛接觸 jbpm  剛才遇到這個錯誤： closed JbpmContext in different order then they were created... check your try-finally's around JbpmContexts blocks     我百思不得其解 ，網上說是 hibernate的 session沒關閉，在搜尋也就是javaeye那幾個。查看了原始碼 有這句話: if (jbpmContext!=popped) {      throw new