其他

VC下有了graphics.h相容庫，開源倡議有很多如鵬網的會員問過“VC、C-Free下怎麼編譯不了用graphics.h編寫的程式？”。這是因為graphics.h是TurboC下的函數庫，不是C語言標準的庫，VC、MinGW沒有提供對其的支援，所以如果需要編譯用graphics.h、bios.h等編寫的程式還是用TurboC吧。不過這一切即將改變。剛才上網發現了一個人編寫的graphics.h相容庫。轉自：http://hi.baidu.com/yangw80/blog/item/63ff

編者按：《聖經》中說，“今日乃主所創”，人生中，真正令人不安靜的其實是對昨天的悔恨和明天的恐懼。那麼，不如靜下心來好好的品味現在。 Relish the MomentTucked away in our subconsciousness is anidyllic vision. We see ourselves on a long trip that spans the moment. We are traveling by train.Out the windows, we drink in

本方法是筆者多年國內外學習英語的經曆並結合語言專家們的教學經驗總結出來的，只是提高口語和聽力，適合那些有一定英語基礎，想提高口語，但不想花錢留學又不想上昂貴的英語培訓班的人。另外其中有些方法會比較特別，顛覆傳統的學習方法，可能不適合所有人，一般來說每天堅持本方法練習3到6個月就會有效果，如果仍然沒有，那很可能本方法不適合你。 首先在介紹方法之前，我先給英語口語水平分3個層級。level0，level1和level2。無論剛開始學ABC還是大學過了四，六級，大部分人的口語level都是0，是的別不

如果遇到這個問題： patch.exe -p1 < xx.patch Assertion failed: hunk, file ../patch-2.5.9-src/patch.c line 354 可以用這個命令來patch patch -i xx.patch --verbose

大家容易混淆的幾個標頭檔----------------------------------------------------------------------------------------------------------------------------------------------------<string>是C++特化的字元容器，內含string類。<string.h>是標準C提供的字元處理函數集。面向char

中秋之際，得留下點東西紀念一下才行。主要說一下條件數學期望（Conditional Expectation）吧。以前本科的時候學過這玩意兒，但是當時理解太膚淺。今天看了一遍別的書，頗有心得。理科生講究定義明確，概念清晰，下面就從定義開始。Definition：    The conditional expectation of X given Y=y is:    ①E(X|Y=y) = ∑xf(x|y)   for discrete case    ②E(X|Y=y) =

傅立葉變換在影像處理中有非常非常的作用。因為不僅傅立葉分析涉及影像處理的很多方面，傅立葉的改進演算法，比如離散餘弦變換，gabor與小波在影像處理中也有重要的分量。印象中，傅立葉變換在影像處理以下幾個話題都有重要作用：1.映像增強與映像去噪絕大部分噪音都是映像的高頻分量，通過低通濾波器來濾除高頻——雜訊; 

演算法是內功，學習起來需要曠日持久、小火慢熬，所以需要不斷的努力。1.瞭解：瞭解各種演算法和資料結構的基礎知識，但對他們的具體應用範圍一頭霧水。2.掌握：能夠清楚明白各種演算法的優劣，並開始學會比較他們的應用情境。3.選擇：至此各種結構與演算法已經在我們的錦囊裡了，碰到問題時要學會從中拿出合適的。4.擴充：根據具體問題對現有演算法進行簡單的擴充和改造，並進行效率分析。5.設計：能為現實生活中複雜的問題設計全新的資料結構或演算法來解決。

只是拿來的文章,留個存檔,可不保證能用使用已有的cookie訪問網站import cookielib, urllib2ckjar = cookielib.MozillaCookieJar(os.path.join(’C:\Documents and Settings\tom\Application Data\Mozilla\Firefox\Profiles\h5m61j1i.default’, ‘cookies.txt’))req = urllib2.Request(url, postdata,

嵌套類是獨立的類，基本上與它們的外圍類不相關，因此，外圍類和嵌套類的對象是互相獨立的。巢狀型別的對象不具備外圍類所定義的成員，同樣，外圍類的成員也不具備嵌套類所定義的成員。嵌套類的名字在其外圍類的範圍中可見，但在其他類範圍或定義外圍類的範圍中不可見。嵌套類的名字將不會與另一範圍中聲明的名字衝突。嵌套類定義了其外圍類中的一個類型成員。像任何其他成員一樣，外圍類決定對這個類型的訪問。在外圍類的 public 部分定義的嵌套類定義了可在任何地方使用的類型，在外圍類的 protected

備份過去，砥礪未來。Keep your ambition in mind

百度搜尋文法在網上看到的，感覺蠻實用的，收藏啦。。百度產品-網頁搜尋-進階搜尋1. 減除無關資料 要搜尋關於“武俠小說”，但不含“古龍”的資料，可使用如下查詢：“武俠小說 – 古龍”。2. 並行搜尋 要查詢”圖片”或”寫真”相關資料，無須分兩次查詢，只要輸入“圖片 | 寫真”搜尋即可。百度會提供跟”|”前後任一關鍵詞相關的網站和資料。3. 相關檢索 如果您無法確定輸入什麼關鍵詞才能找到滿意的資料，可以請先輸入一個簡單詞語搜尋，百度會在搜尋結果頁面的底部為您提供“相關搜尋”做參考，這些“相關搜尋”

  模式識別又常稱作模式分類，從處理問題的性質和解決問題的方法等角度，模式識別分為有監督的分類（Supervised Classification）和無監督的分類(Unsupervised Classification)兩種。　　模式識別(Pattern

問題：獨立任務最優調度，又稱雙機調度問題：用兩台處理機A和B處理n個作業。設第i個作業交給機器A處理時所需要的時間是a[i]，若由機器B來處理，則所需要的時間是b[i]。現在要求每個作業只能由一台機器處理，每台機器都不能同時處理兩個作業。設計一個動態規划算法，使得這兩台機器處理完這n個作業的時間最短（從任何一台機器開工到最後一台機器停工的總的時間）。研究一個執行個體：n=6, a = {2, 5, 7, 10, 5, 2}, b = {3, 8, 4, 11, 3, 4}.分析：當完成k個作業，

１．女人如果因為覺得一個男生帥就跟嫁給他，這是好色；男生因為女生漂亮而娶她，是審美。 　　２.為什麼你不要自傲和自卑？ 　　你可以說自己是最好的，但不能說自己是全校最好的、全北京最好的、全國最好的、全世界最好的，所以你不必自傲；同樣，你可以說自己是班級最差的，但你能證明自己是全校最差的嗎？能證明自己是全國最差的嗎？所以不必自卑。 　　３.年紀大了，人們看重不再是外表，不是你帥不帥，而是看你的內心的魅力：你的氣魄、氣概。 　　４.這個世界上有很多天才，天才是用來欣賞的，不是用來攀比的。

   別人做的歸納，系統多了~~ 一 ：關於指標和堆的記憶體配置 先來介紹一下指標 ：　指標一種類型，理論上來說它包含其他變數的地址，因此有的書上也叫它：地址變數。既然指標是一個類型，是類型就有大小，在達內的伺服器上或者普通的ＰＣ機上，都是４個位元組大小,裡邊只是儲存了一個變數的地址而已。不管什麼類型的指標，char * ,int * ,int (*) ,string * ,float * ，都是說明了本指標所指向的地址空間是什麼類型而已，瞭解了這個基本上所有的問題都好象都變的合理了。 在C++

學習OpenCV的三種境界：（1）乘客級。不會造飛機，會坐飛機也行。將劉、於書中的代碼跑一遍；（2）廚師級。吃自助餐。把OpenCV當成菜或佐料，自己烹調；（3）天師級。做張天師，這時OpenCV不過是一個披著畫皮的女鬼。以前就看過這段話，今天看Opencv裡面決策樹的演算法，搞的快崩潰了了，各種巧妙的東西，各種記憶體的分配，各種簡潔又複雜的演算法........都有TBB的加速，崩潰到無語。感覺好吃力，雖然使用和剖析Opencv源碼有了不算短的時間了，但看的越多，發現Opencv的東西越多越深

今晚寫程式沒多久，程式也沒任何報錯和warning，但運行後映像窗戶馬上消失，無法顯示，調程式浪費了一個多小時，遇到千奇百怪的問題，徹底抓狂，最後在程式沒修改的情況下換上我筆記本運行，經完全沒錯！調試的時候報的問題一個是First chance exception，有時還會莫名出現R6025-pure virtual function call，不穩定~對於第二個問題，即R6025，一般認為是視窗沒銷毀造成的，但我用的是C++版本，不用手工銷毀視窗，他居然報錯~不理解對於第一個問題，查了些資料，

VC維是統計學習理論中的一個核心概念，它是目前為止對函數集學習效能的最好描述指標。VC維對於一個指示函數集來說，如果其生長函數是線性，則它的VC維為無窮大；而如果它的生長函數以參數為h的對數函數為上界，則函數集的VC維是有限的且等於h。由於VC維是研究人員Vapnik和Chervonenkis在1958年發現的，所以，就取他們兩人名字的首字母來來組成了這個名字。研究人員通過分析得出結論：經驗風險最小化學習過程一致的必要條件是函數集的VC維有限，且這時的收斂速度是最快的。這樣的解釋或許不那麼直觀，

維基上的解釋：矩物理意義矩特徵主要表徵了映像地區的幾何特徵,又稱為幾何矩.其中零階矩m00反映了靶心圖表像的面積,一階矩反映了靶心圖表像的質心位置,二階矩又稱慣性矩,三階矩主要表現了目標對其均值分布偏差的一種測度,即扭曲度,四階矩在統計學中用於描述一個分布的峰態。在看Opencv中Camshift演算法的時候不明白他為什麼那樣求主方向軸及外接矩形的長度和寬度，網上搜來搜去沒有關於此的好的解釋，找來了其演算法實現參考的著名論文Computer Vision Face Tracking For