动态规划作为一类重要的算法问题，但在日常普通的编程中一般不会见到，大学课程中的数据结构与算法课也不会详细讲解，但是对于很多oj题目中是必备的知识。动态规划看名字让人摸不着头脑。我最初对其的了解来自于老师在求“斐波那契数方法中非递归解法”稍微的一提，老师当时是说：对于已经计算出的结果，把它存下来为以后使用。这个想法在求斐波那契数列时自然十分好理解，然而其运用于其他问题时，方法却没有那么明显易懂。下面以一个运用动态规划的简单例子：求最大连续子序列。给定K个整数的序列{ N1, N2, ..., NK }，其任意连续子序列可表示为{ Ni, Ni+1, ..., Nj }，其中 1 <= i Read More
图像的卷积：一幅图像与一个矩阵做卷积，矩阵必须为m*n的（矩阵中必须有中心点），将图像中的点与这个矩阵的中心点对应，对于m*n个位置，相对应的两点分别相乘，再把这m*n个乘积相加除以m*n，所得结果即为结果图像中相应的点。如下图：核函数（SVM中）：解决线性不可分问题的基本思路——向高维空间转化，使其变得线性可分。计算方面我们只关心那个高维空间里内积的值，那个值算出来了，分类结果就算出来了。核函数的基本作用就是接受两个低维空间里的向量，能够计算出经过某个变换后在高维空间里的向量内积值。范数(norm)：对于向量v，它的lp Norms为：当v是向量之差时，其与l1距离，l2距离等是一个意思：K Read More
这几天接触了一些关于图像分类的论文，发现其中大多都用到了SVM，于是上网找了一些SVM的资料，得出一些理解。维基百科上用这句话来描述SVM：支持向量机将向量映射到一个更高维的空间里，在这个空间里建立有一个最大间隔超平面。在分开数据的超平面的两边建有两个互相平行的超平面。分隔超平面使两个平行超平面的距离最大化。假定平行超平面间的距离或差距越大，分类器的总误差越小。其实这句话不太完整：这是对于线性不可分的情况，而对于线性可分情况，就不用第一步“支持向量机将向量映射到一个更高维的空间里”了。更完整的SVM简述：支持向量机是一个二类分类器（至少最初是这样），它对于线性可分情况，在这个空间里建立有一个最 Read More
最近在win平台上用opencv，每次新建项目都要配置包含目录、库目录、连接器依赖项等等项目属性，觉得很不方便，于是想在vs2010中应该有比较智能的方式。到网上一查，查到个“导出项目模板”功能，觉得应该行了吧？不行，发现那一项总是灰色不可用状态。仔细一查，发现原来因为C++不支持。。。继续寻找解决方法。发现有人说新建一个“自定义向导”（在新建项目那里）也可以实现类似功能。这下应该有谱了。新建“自定义向导”项目,不要选择UI，完成后项目中有个default.vcxproj，心想把这货改成我想要的项目属性应该妥妥的了，动手更改项目xml文件（我配置opencv需要的项目属性）。改完后心想这下应该 Read More
前几天在课上老师展示了一下另类的交换变量：x=x^yy=x^yx=x^y交换x，y的值注：x，y不能指向同一实例 Read More
hadoop的配置，个人感觉是非常容易出问题。一个原因是要配置的地方多，还有个原因就是集群配置要在几台机器上都配置正确，才能保证配置好hadoop，跑起任务。经过昨晚加今天上午的折腾，总算成功配好了集群模式，其中苦不堪言啊，中间好几次都想要放弃。这里总结了一下配置的几个要点，分享给大家，以使大家少走冤枉路。1.基本配置安装JDK1.6（这是必须的吧，无须解释）下载Hadoop包下载后放在用户主目录下解压配置JAVA_HOME路径conf/hadoop-env.sh将# The java implementation to use. Required.# export JAVA_HOME=/us Read More
split是分隔字符常用的方法，也是jdk里一个较新加入，并鼓励使用的分隔字符串方法，先查看jdk文档中的定义：public String[] split(Stringregex)根据给定正则表达式的匹配拆分此字符串。 该方法的作用就像是使用给定的表达式和限制参数 0 来调用两参数 split 方法。因此，所得数组中不包括结尾空字符串。 例如，字符串 "boo:and:foo" 使用这些表达式可生成以下结果： Regex结果: —— { "boo", "and", "foo" }o —— { "b&quo Read More