2015年12月_lionzl

12月 11月 10月 09月 08月 07月 06月 05月 04月 03月 02月 01月

转载 linux下生成core dump文件方法及设置

linux下生成core dump文件方法及设置2015-03-07 14:27 2529人阅读评论(0) 收藏举报目录(?)[-]如何产生Core Dump上手调试GDB 常用操作源自：http://andyniu.iteye.com/blog/1965571core dump的概念：A core dump is t

2015-12-18 11:58:17 556

转载在 Linux 上找出并解决程序错误的主要方法

在 Linux 上找出并解决程序错误的主要方法Steve Best（sbest@us.ibm.com） JFS 核心小组成员，IBM您可以用各种方法来监控运行着的用户空间程序：可以为其运行调试器并单步调试该程序，添加打印语句，或者添加工具来分析程序。本文描述了几种可以用来调试在 Linux 上运行的程序的方法。我们将回顾四种调试问题的情况，这些问题包括段错误，内存溢出和

2015-12-18 11:42:31 1023

转载 Linux调试技术

1.调试技术的几个准则惊喜准则：找到错误是一种惊喜，心理上不要畏惧而是要怀着感恩的心去面对。从小处开始准则：刚开始测试的使用从小处着手，暂时不涉及边界数据，虽然这样可能会掩盖一些Bug，但是这样或许能查到最主要的Bug，例如你的程序包含了一个巨大的循环体，最容易发现的Bug在第一个循环或第二次循环执行的时候。自顶向下准则：优先选择step over而不是step into，以节省时间。Se

2015-12-18 11:34:53 621

转载 Linux内核调试方法总结

Linux内核调试方法总结发表于3年前(2013-03-12 16:25) 阅读（18908） | 评论（3） 48人收藏此文章, 我要收藏赞8linux 调试目录[-]一调试前的准备二内核中的bug三内核调试配置选项1 内核配置2 调试原子操作四引发bug并打印信息1 BUG()和B

2015-12-18 11:27:55 220

转载参数估计(Parameter Estimation)：频率学派（最大似然估计MLE、最大后验估计MAP）与贝叶斯学派（贝叶斯估计BPE）

参数估计(Parameter Estimation)：频率学派（最大似然估计MLE、最大后验估计MAP）与贝叶斯学派（贝叶斯估计BPE）基础频率学派与贝叶斯学派http://www.douban.com/group/topic/16719644/http://www.zhihu.com/question/20587681最大似然估计（Maximum likelihood e

2015-12-13 17:00:58 1006

转载 Relation Extraction中SVM分类样例unbalance data问题解决 -松弛变量与惩罚因子

2015-12-13 16:43:00 571

转载文本语言模型的参数估计-最大似然估计、MAP及贝叶斯估计

以PLSA和LDA为代表的文本语言模型是当今统计自然语言处理研究的热点问题。这类语言模型一般都是对文本的生成过程提出自己的概率图模型，然后利用观察到的语料数据对模型参数做估计。有了语言模型和相应的模型参数，我们可以有很多重要的应用，比如文本特征降维、文本主题分析等等。本文主要介绍文本分析的三类参数估计方法-最大似然估计MLE、最大后验概率估计MAP及贝叶斯估计。1、最大似然估计

2015-12-11 15:11:41 546

转载加密文件系统优势

加密文件系统 2009-12-13 17:45:23分类： LINUX加密文件系统优势1，加密文件转移到别的物理介质上时，没有额外的加密/解密开销。2，支持文件粒度的加密，也就是说，用户可以选择对哪些文件或目录加密。而且，应用程序不用关心文件是否被加密，可以完全透明地访问加密文件。3，无需预先保留足够的空间，用户可以随时加密或恢复文件。4，对单个

2015-12-07 16:49:13 709

转载从结构化风险最小化角度理解SVM

[原]从结构化风险最小化角度理解SVM2013-12-7阅读425 评论0 最近在讨论班上，LXH同学讲到Structural SVM with latent variables,最后大家提出了一个问题：他讲的怎么没体现出SVM的思想啊？？刚开始我也是这么想的，后来想了一下，也许可以换个角度理解SVM。统计学习方法由

2015-12-07 16:37:31 644

转载结构化风险最小、VC维到SVM的理解

支持向量机方法是建立在统计学习理论的VC 维理论和结构风险最小原理基础上。置信风险：分类器对未知样本进行分类，得到的误差。经验风险：训练好的分类器，对训练样本重新分类得到的误差。即样本误差结构风险：置信风险 + 经验风险结构风险最小化就是为了防止过拟合而提出来的策略，贝叶斯估计中最大后验概率估计就是结构风险最小化的一个例子。当模型的条件概率分布、损失函数是对数

2015-12-07 16:23:45 627

转载 MLE和MAP

最大似然估计提供了一种给定观察数据来评估模型参数的方法，即：“模型已定，参数未知”。简单而言，假设我们要统计全国人口的身高，首先假设这个身高服从服从正态分布，但是该分布的均值与方差未知。我们没有人力与物力去统计全国每个人的身高，但是可以通过采样，获取部分人的身高，然后通过最大似然估计来获取上述假设中的正态分布的均值与方差。最大似然估计中采样需满足一个很重要的假设，就是所有的采样都是

2015-12-07 16:21:37 457

转载判别式模型与生成式模型

判别式模型该模型主要对p(y|x)建模，通过x来预测y。在建模的过程中不需要关注联合概率分布。只关心如何优化p(y|x)使得数据可分。通常，判别式模型在分类任务中的表现要好于生成式模型。但判别模型建模过程中通常为有监督的，而且难以被扩展成无监督的。　　常见的判别式模型有：　　　　Logistic regression　　　　Linear discriminant analysis

2015-12-07 16:09:57 347