摘要: #include #include #include #include #include using namespace boost; using namespace std; class point {public: point(int a=0,int b=0):x(a),y(b) {}... 阅读全文
posted @ 2014-05-16 17:43 liuzhijiang123 阅读(125) 评论(0) 推荐(0) 编辑
摘要: 对内存管理的数据结构初始化由start_kernel开始,它的流程如下所示start_kernel( ){ setup_arch( );//负责特定于体系结构的相关数据的设置 setup_per_cup_areas();// build_all_zonelists( );//建立结构和内存域的... 阅读全文
posted @ 2014-05-14 11:32 liuzhijiang123 阅读(754) 评论(0) 推荐(0) 编辑
摘要: 内存管理是内核最复杂同时也是最重要的一部。其特点在于非常需要处理器和内核之间的协作。首先内存划分为结点,在内核中表示为pg_data_t,每个结点划分为内存域。 以下的所有数据结构或代码都做了不同程度的精减,一方面是为了保留相关代码,除去细枝末叶,另一方面是为了美观。 结点的数据结构为typedef... 阅读全文
posted @ 2014-05-13 09:10 liuzhijiang123 阅读(768) 评论(0) 推荐(0) 编辑
摘要: SMO算法是SVM的重要部分.分类函数记为\(\vec{u} = (\vec{w},\vec{x}) - b\)SMO算法分为两个部分,第一部分是求\[\Psi(\vec{\alpha}) = \frac{1}{2}\sum_{i = 1}^{N}\sum_{j = 1}^{N}y_{i}y_{j}... 阅读全文
posted @ 2014-04-12 14:40 liuzhijiang123 阅读(676) 评论(0) 推荐(0) 编辑
摘要: 题目: 求 \(\log_{10}x\)解法: 因为 \(10^y = x\), 所以 \(y = \log_{10}x\), 那么 \(y\) 为一个实数, 记为 \[y = n + 0.d_1d_2d_3\ldots d_k \ldots\]即有 \(10^{n + 0.d_1d_2d_3\ld... 阅读全文
posted @ 2013-12-25 10:45 liuzhijiang123 阅读(1129) 评论(0) 推荐(0) 编辑
摘要: 在windows在使用latex多有不便,跟emacs不能很好地集成,虽然有auctex这个插件,但使用的也不是很得心应手下,所以就尝试在linux下使用latex。在linux下使用latex最初遇到的麻烦就是字体的问题。由于使用的是《LaTeX入门》的第一个示例,所以tex文件的第一句话便为\documentclass[UTF8]{ctexart}。在windows下可以运行正确,但在linux下运行错误,因为有的字体没有,记得有simsun.ttf等字体都有缺,因为这些字体是windows平台的,所以没有。后来参加别人的方法。将windows平台的字体c:\windows\fonts\目 阅读全文
posted @ 2013-11-06 17:29 liuzhijiang123 阅读(7831) 评论(1) 推荐(0) 编辑
摘要: 问题描述:在windows环境下实现一种简单的线程池,用可以简单地向线程池提交任务函数和参数。一些常量定义:/***************************************************************************常量的定义***************************************************************************/#ifndef __CONSTANT_H#define __CONSTANT_H#define NAME_LEN 1024#define TRUE 1#define FALSE 阅读全文
posted @ 2013-10-28 20:15 liuzhijiang123 阅读(298) 评论(0) 推荐(0) 编辑
摘要: 令$S$是一个非平凡的训练集,并且令: \[ R=\max_{1 \le i \le l}||x_i|| \] 假定存在向量$w_{opt}$,满足$\|w_{opt}\|=1$并且对$1 \le i \le l$有: \[ y_i(\langle \bm{w}_{opt} \cdot \bm{x}_i \rangle + b_{opt}) \ge \gamma \] 则$S$上在线感知机算法的误分次数最大为: \[ \left(\frac{2R}{\gamma}\right)^2 \]补充说明:样例$(\bm{x}_i, y_i)$对应于超平面$(\bm{w}, b)$的(函数)间隔是: \ 阅读全文
posted @ 2013-10-27 17:48 liuzhijiang123 阅读(2317) 评论(0) 推荐(0) 编辑