Do Better

1、构建一个三维场景 可利用glut提供的各种简单形体来搭建，或者读入别的模型，并加入光照效果 2、用键盘操作一个物体（如一艘飞船，或一个机器人），在三维场景中漫游 视点可以放在物体上，或跟随物体，利用gluLookAt()函数来实现对视点的控制

实现了机器人的一只手臂，由上臂、下臂、五根手指共同组成，通过A、S、D、F、G键向上旋转，通过a、s、d、f、g键向下旋转，通过方向键left和right转向，通过up和down实现放缩。 效果图可先见本人博客

在太阳系程序的基础上添加光照效果 - 宇宙中加一盏泛光 - 太阳自发光 - 太阳系中加一艘飞碟，飞碟沿着椭圆轨道绕地球或太阳运行，其上有一个spot light始终照耀着地球 程序为博主个人独自编写，切勿用于商用

采用全局变换的思路实现的太阳系模型，功能有：三个球体、一个表示太阳、一个表示地球、一个表示月亮；地球不停地绕太阳旋转，月亮绕地球旋转，期间它们三者都发生自转。之后扩展功能如下：地球有两个月亮，画上轨道线，使轨道倾斜，放缩效果

基于自编写的类Fourinone，实现了消息队列（MQ）的发送/接收、主题订阅两种经典消息服务模式，之后讨论了消息队列在解耦、冗余、扩展性、灵活性、可恢复性、顺序保证、缓冲、异步通信方面的优势，最后总结了消息队列的应用场景。

本demo实现的是基于bow原理对图片进行分类，并实现对选取得测试集进行查找 BoW(Bag of Words)词袋模型最初被用在文本分类中，将文档表示成特征矢量。它的基本思想是假定对于一个文本，忽略其词序和语法、句法，仅仅将其看做是一些词汇的集合，而文本中的每个词汇都是独立的。简单说就是讲每篇文档都看成一个袋子（因为里面装的都是词汇，所以称为词袋，Bag of words即因此而来），然后看这个袋子里装的都是些什么词汇，将其分类。如果文档中猪、马、牛、羊、山谷、土地、拖拉机这样的词汇多些，而银行、大厦、汽车、公园这样的词汇少些，我们就倾向于判断它是一篇描绘乡村的文档，而不是描述城镇的。 serachFeatures.py中，前面主要是一些通过parse使得可以在敲命令行的时候可以向里面传递参数，后面就是提取SIFT特征，然后聚类，计算TF和IDF，得到单词直方图后再做一下L2归一化。一般在一幅图像中提取的到SIFT特征点是非常多的，而如果图像库很大的话，SIFT特征点会非常非常的多，直接聚类是非常困难的(内存不够，计算速度非常慢)，所以，为了解决这个问题，可以以牺牲检索精度为代价，在聚类的时候先对SIFT做降采样处理。最后对一些在在线查询时会用到的变量保存下来。对于某个图像库，我们可以在命令行里通过下面命令生成BoF。 query.py只能每次查找一张图片，并返回与之匹配度（递减）最接近的6张图片

《阿里巴巴 Java 开发手册》是阿里巴巴集团技术团队的集体经验总结，经历了多次大规模一线实战的检验及不断的完善，反馈给广大开发者。现代软件行业的高速 发展对开发者的综合素质要求越来越高，因为不仅是编程知识点，其它维度的知识点也会影响到软件的最终交付质量。比如：数据库的表结构和索引设计缺陷可能带来软 件上的架构缺陷或性能风险；工程结构混乱导致后续维护艰难；没有鉴权的漏洞代码易被黑客攻击等等。所以本手册以 Java 开发者为中心视角，划分为编程规约、异常日志、MySQL 数据库、工程结构、安全规约五大块，再根据内容特征，细分成若干二级子目录。根据约束力强弱及故障敏感性，规约依次分为强制、推荐、参考三大类。对于规约条目的延伸信息中，“说明”对内容做了引申和解释；“正例”ᨀ倡什么样的编码和实现方式；“反例”说明需要ᨀ防的雷区，以及真实的错误案例

该书籍为区块链领域的经典书籍，对于读者前期知识储备要求较小，属于科普性读物，对于入门刚接触区块链的同学，它是一本不错的读物