其他

瀏覽了一些大牛的機器學習類技術部落格，總結下典型的內容如下：1、書籍閱讀筆記2、paper閱讀筆記及分類調研總結3、 technical note及tutorial 閱讀筆記4、典型疑難問題學習心得總結5、研究計劃及學習記錄（每日更新）6、月份總結及學期總結7、Coursera網路課程學習筆記8、經典學習資料總結9、出國開會記錄及生活隨感部落格對於知識學習、技術積累和交流探討都很重要，以後還是要經常更新，唯寫長文太耗費時間，還是短平快經常更新好。

穿越沙漠Time Limit:1sMemory limit:32MAccepted Submit:205Total Submit:304一輛吉普車來到x公裡寬的沙漠邊沿A點，吉普車的耗油量為1升/公裡，總裝油量為500升。通常，吉普車必須用自身油箱中的油在沙漠中設定若干個臨時儲油點，才能穿越沙漠的。假設在沙漠邊沿A點有充足的汽油可供使用，那麼吉普車從A點穿過這片沙漠到達終點B，至少要耗多少升油。請編寫一個程式，計算最少的耗油量（精確到小數點後3位）。（1）假設吉普車在沙漠中行進時不發生故障；（2

CREATE PROCEDURE [dbo].[pro_CURSOR]ASBEGIN--聲明一個遊標DECLARE MyCURSOR CURSOR FOR SELECT userid,depid FROM users--開啟遊標open MyCURSOR--聲明兩個變數declare @userid varchar(50)declare @depid varchar(50)--迴圈移動fetch next from MyCURSOR into @userid,@depidwhile(@@fetc

聲明：本文轉載自http://blog.csdn.net/yangliuy/article/details/8296481#comments，是北大楊柳同學對Gregor Heinirich的一篇Note"Parameter estimation for text

 轉自 http://shell909090.com/blog/2011/09/%E5%AF%86%E7%A0%81%E7%AE%A1%E7%90%86%E8%A7%84%E8%8C%83/下面是貝殼自己總結的密碼管理規範，大家可以參考一下。

由於CSDN密碼泄露事件大家紛紛關注起自己的互連網帳號安全，隱患早已有之，只是這次暴露大了。下面分析下明文存放密碼動機分析。轉自

引言：這篇論文是我最近讀到的將機器學習/資料採礦演算法引入到SNS網路隱私保護領域中的一篇經典論文，感覺模型比較有新意，實現了自動化的使用者隱私權設定分析，使用者只需要對很少朋友根據自己的隱私偏好打上存取控制標籤，分類器就可以對其他大部分朋友的存取權限做自動分類，並且達到了很高的準確率，大大減輕了SNS使用者手動隱私權設定的負擔。該論文發表於WWW10'及CCS10‘,我將全文翻譯並加入了自己的理解性注釋，發布到自己的部落格上與國內網友共用，最近打算將這個項目實現並且深入做下去，目前的進展見博文

二叉樹的建立、刪除及三種遍曆的C++實現教材上的Tree類寫法太累贅，不實用，將樹節點直接寫成結構體即可要理解結點的含義以及根結點的重要意義#include <stdio.h>#include <stdlib.h>//用CPP檔案編寫，否則編譯出錯，需要加struct且delete不識別struct TreeNode {int val;TreeNode * left, * right;};TreeNode * insertTree(TreeNode * root,int

根據二叉樹的前序和中序序列來重建二叉樹，輸出其後序序列這是面試筆試中經常遇到的問題關鍵要理解在前序和中序序列中找左右子樹的前序和中序序列的方法，利用遞迴實現另外字串的標準庫函數要活用#include <iostream>#include <string>using namespace std;struct TreeNode{char val;TreeNode *left,*right;};TreeNode * bulidTree(string pre,string in)

 這是北信夏令營原題B題，難怪ACMER都可以飛速AC掉，他們做的都是已經做過的題，能不快嗎？直接貼考試時的代碼了#include <stdio.h>int n,a[102]={0},i,j,changdu,count=0,jiange;void main(){scanf("%d",&n);while(n--){scanf("%d",&changdu);for(i=1;i<=changdu;i++){a[i] =

首先自我檢討一下，最近忙一些雜事導致OJ與紅寶進度嚴重滯後，今後要學會專註，迴避一些不必要的事情。為了準備12日的校賽做了這題，動態規劃，在網上看到的很經典的解法摘錄如下： l 題目分析：將n條直線排成一個序列，直線2和直線1最多隻有一個交點，直線3和直線1和直線2最多有兩個交點......直線n和其他n-1條直線最多有n-1個交點,由此得出n條直線互不平行且無三線共點的最多交點數:max=1+2+...+(n-1)=n(n-1)/2;設數組     g[1..max],g[i]=0;   //

     這題調試了很久，開始自己試圖按照自己的理解實現prim演算法，但是總是出錯。後來參考了網上的演算法模板，總算把此題解決。演算法模板可以用，但不可以濫用，最好是理解使用的細節，程式碼程式庫不在多，好用是關鍵！   基本演算法是：修好的路的邊權值賦為0，再用prim求最小產生樹輸出權值。#include <iostream>#define MAXN 200#define inf 10000typedef int elem_t;using namespace

Sentiment Classification調研這是近期對Sentiment Classification重要論文的初步調研，只涉及了幾篇論文，總結的都是比較基礎通用的方法，主要是基於Pang Bo的相關研究工作總結，下面是自己總結的大綱，是英文版的。Baseline Algorithm•      Produce a list of sentiment words byintrospection and rely on them alone to classify the

Extraction of Entities and Relations調研，後面將推出基於Stanford Parser 的具體實現Phrase Dependency Parsing•      A lot of product features are phrases•      Phrase dependency parsing  extends traditional dependency parsing tophrase level•      Relation extraction

最近做一個項目需要對給定的文本中的句子做Parse，根據POS tag及句子成分資訊找出詞語/短語之間的dependency，然後根據dependency構建句子的parse tree. 需要用到Stanford Parser和OpenNLP 中的Shallow Parser，這兩個Parser都用JAVA實現，提供API方式調用，可以根據句子輸出文法解析樹。下面總結兩類Parser的作用及JAVA程式調用方法。1 Shallow ParserShallow

機率圖模型（Probabilistic Graphical Model）系列來自Stanford公開課Probabilistic Graphical Model中Daphne Koller 老師的講解。（https://class.coursera.org/pgm-2012-002/class/index）主要內容包括（轉載請註明原始出處http://blog.csdn.net/yangliuy）1.     貝葉斯網路及馬爾可夫網路的機率圖模型表示及變形。2.     Reasoning 及

1、問題描述做關係抽取就是要從產品評論中抽取出描述產品特徵項的target短語以及修飾該target的opinion短語，在opinion mining裡面屬於很重要的task，很多DM、NLP相關的paper在做這方面的工作。基本的思路是：（1）從sentence的parse tree(比如stanford parser)中選取候選target結點和候選opinion結點，然後對所有的候選target和opinion組合選取features，用SVM進行訓練分類。（2）給定種子opinion

1.鬆弛變數       現在我們已經把一個本來線性不可分的文本分類問題，通過映射到高維空間而變成了線性可分的。就像這樣：       圓形和方形的點各有成千上萬個（畢竟，這就是我們訓練集中文檔的數量嘛，當然很大了）。現在想象我們有另一個訓練集，只比原先這個訓練集多了一篇文章，映射到高維空間以後（當然，也使用了相同的核函數），也就多了一個樣本點，但是這個樣本的位置是這樣的：     

    這個問題最近困擾了我好久，總算意識到問題是出在虛擬機器上，看來與老師同學的交流及上網搜尋資料的能力對於解決一些棘手的技術問題很重要。作為經驗教訓將有關說明轉載如下：MINICOM是LINUX提供的和WEINDOWS超級終端一樣的工具，一般用做串口與開發板通訊，當然有的板子也用USB，但這裡只介紹串口的設定一 VMWARE虛擬機器添加串口（如果沒用虛擬機器可以跳過這步）如果在VMWARE虛擬機器下 一定要記得先確認這步 要不不好使

機器學習- Matlab 編程常用命令預覽--總結自Ng-ML-class Octave/Matlab Tutorial CourseraA、Basic operations and Moving data around1 在命令列模式用shift +　斷行符號即可附加下一行輸出2 length命令apply到矩陣時返回較高的一維的dimension3 help + 命令是顯示命令的簡要協助資訊   doc + 命令 是顯示命令的詳細協助文檔4 who 命令 顯示 當前所有建立的變數