kalor

导航

 

2013年3月23日

摘要: 1. 位置->连接到服务器,填入共享IP地址下的相关文件夹,then点击连接;2. 列出某个IP 地址所提供的共享文件夹smbclient -L IP地址 -U username%password 阅读全文
posted @ 2013-03-23 22:17 kalor 阅读(180) 评论(0) 推荐(0) 编辑
 
摘要: ubuntu登陆界面进不去 2012-05-25 10:33:31分类: LINUXubuntu登陆界面进不去,密码也是正确的。回想一下可能是我刚刚改了一下/etc/profile环境变量的问题吧。1,因为不小心在 etc/environment里设在环境变量导致无法登录不要在 etc/environment里设置 export PATH这样会导致重启后登录不了系统在登录界面 alt +ctrl+f2进入命令模式,如果不是root用户需要键入root, then 输入passord然后在命令行中输入/usr/bin/sudo vi /etc/environment由于环境变量更改,原先能够直接 阅读全文
posted @ 2013-03-23 13:40 kalor 阅读(1652) 评论(0) 推荐(0) 编辑
 

2013年3月19日

摘要: 最佳设计是回归产品本身最近在朋友的推荐下买了个靠谱的VPN,才得以到墙外看看外面的世界。我不只一次的听身边的上过Facebook的朋友说Facebook的体验很差,还不如国内的人人网和QQ空间。其实在我上高中的时候登录过Facebook(那时候还没有被墙),当时我也觉得Facebook的产品很烂。可时隔多年后,再次以一个用户的心态访问Facebook却有不同的感觉。到墙外的这几天,把Google+、Facebook、Twitter、Youtube这几个知名的网站都看了一遍,感觉国外的产品设计思想上跟国内的产品有很大差异,而我自己将这种设计思想称为“回归产品本身”。本来想将题目写成回归用户需求的 阅读全文
posted @ 2013-03-19 12:51 kalor 阅读(259) 评论(0) 推荐(0) 编辑
 

2013年3月13日

摘要: 根据特征向量数学公式定义,矩阵乘以一个向量的结果仍是同维数的一个向量,因此,矩阵乘法对应了一个变换,把一个向量变成同维数的另一个向量,那么变换的效果是什么呢?这当然与方阵的构造有密切关系,比如可以取适当的二维方阵,使得这个变换的效果就是将平面上的二维向量逆时针旋转30度,这时我们可以问一个问题,有没有向量在这个变换下不改变方向呢?可以想一下,除了零向量,没有其他向量可以在平面上旋转30度而不改变方向的,所以这个变换对应的矩阵(或者说这个变换自身)没有特征向量(注意:特征向量不能是零向量),所以一个变换的特征向量是这样一种向量,它经过这种特定的变换后保持方向不变,只是进行长度上的伸缩而已(再想想 阅读全文
posted @ 2013-03-13 22:06 kalor 阅读(289) 评论(0) 推荐(0) 编辑
 

2013年3月12日

摘要: Nutch相关框架安装使用最佳指南(原创)一、nutch1.2步骤和二大同小异,在步骤 5、配置构建路径 中需要多两个操作:在左部Package Explorer的 nutch1.2文件夹上单击右键 > Build Path > Configure Build Path... > 选中Source选项 > Default output folder:修改nutch1.2/bin为nutch1.2/_bin,在左部Package Explorer的 nutch1.2文件夹下的bin文件夹上单击右键 > Team > 还原二中黄色背景部分是版本号的差异,红色部分 阅读全文
posted @ 2013-03-12 16:14 kalor 阅读(557) 评论(0) 推荐(0) 编辑
 

2013年3月11日

摘要: Spectral Clustering Spectral Clustering(谱聚类)是一种基于图论的聚类方法,它能够识别任意形状的样本空间且收敛于全局最有解,其基本思想是利用样本数据的相似矩阵进行特征分解后得到的特征向量进行聚类,可见,它与样本feature无关而只与样本个数有关。一、图的划分 图划分的目的是将有权无向图划分为两个或以上子图,使得子图规模差不多而割边权重之和最小。图的划分可以看做是有约束的最优化问题,它的目的是看怎么把每个点划分到某个子图中,比较不幸的是当你选择各种目标函数后发现该优化问题往往是NP-hard的。 怎么解决这个问题呢?松弛方法往往是一种利器(比如SVM中的松 阅读全文
posted @ 2013-03-11 22:13 kalor 阅读(264) 评论(0) 推荐(0) 编辑
 

2013年3月10日

该文被密码保护。 阅读全文
posted @ 2013-03-10 22:07 kalor 阅读(13) 评论(0) 推荐(0) 编辑
 
摘要: K-means的mapreduce实现 输入:k, data[n]; (1) 选择k个初始中心点,例如c[0]=data[0],…c[k-1]=data[k-1];(2) 对于data[0]….data[n], 分别与c[0]…c[n-1]比较,假定与c[i]差值最少,就标记为i类;(3) 对于所有标记为i点,重新计算c[i]={ 所有标记为i类的data[j]之和}/标记为i类的个数;(4) 重复(2)(3),直到所有c[i]值的变化小于给定阈值。 在一次迭代,第二步是最耗时,比如一亿个样本要聚成一万类,需要一万亿次基本操作。而这一步也是容易进行并行处理的。data[0]与c[0]…c[.. 阅读全文
posted @ 2013-03-10 19:30 kalor 阅读(491) 评论(0) 推荐(0) 编辑
 
摘要: 如果说过去的十年是搜索技术大行其道的十年,那么个性化推荐技术将成为未来十年中最重要的革新之一。目前几乎所有大型的电子商务系统,如Amazon、CDNOW、Netflix等,都不同程度地使用了各种形式的推荐系统。而近来以“发现”为核心的网站正开始在互联网上崭露头角,比如侧重于音乐推荐的八宝盒,侧重于图书推荐的豆瓣等等。那么,一个好的推荐系统需要满足什么目标呢? 个性化推荐系统必须能够基于用户之前的口味和喜好提供相关的精确的推荐,而且这种口味和喜欢的收集必须尽量少的需要用户的劳动。推荐的结果必须能够实时计算,这样才能够在用户离开网站前之前获得推荐的内容,并且及时的对推荐结果作出反馈。实时性也是推荐 阅读全文
posted @ 2013-03-10 10:47 kalor 阅读(232) 评论(0) 推荐(0) 编辑
 

2013年3月9日

摘要: K-means算法的java实现,聚类分析681个三国武将 分类: java算法2012-05-07 16:58991人阅读评论(5)收藏举报算法javastringdistancealignmentoffice一,k-means算法介绍: k-means算法接受输入量 k ;然后将n个数据对象划分为 k个聚类以便使得所获得的聚类满足:同一聚类中的对象相似度较高;而不同聚类中的对象相似度较小。聚类相似度是利用各聚类中对象的均值所获得一个“中心对象”(引力中心)来进行计算的。k个聚类具有以下特点:各聚类本身尽可能的紧凑,而各聚类之间尽可能的分开。 k个聚类具有以下特点:各聚类本身尽可能的紧凑.. 阅读全文
posted @ 2013-03-09 21:26 kalor 阅读(393) 评论(0) 推荐(0) 编辑