无知的我

基于opengl的小车漫游场景实现，小车模型通过3dmax创建并导入，并通过键盘控制小车移动。-Opengl-based car walkthrough scene, the car modeled by the 3dmax and import to the scene, and use keyboard to control the car movement.

压缩包内为ast2500开发手册文档，主要介绍MDS工具的使用，方便用户进行ast2500应用开发。

百度百科全部词条，包含最新的百度百科全部词条，dic格式，解压后用notepad打开即可

zynq开发板linux移植资料，包括从官网上下载的东西以及个人编写的文档

intel固件烧写工具，在linux下可以烧i210和i350网卡固件mac地址，也可以烧写固件，非常好用

人工智能课程总结 转眼之间，研一的上半学期就要结束了，陪伴了自己一学期的人工智能课也在今天结束了最后的考试。回顾这半个学期来学习人工智能的感受，确实还是有点可说的东西。 我记得自己第一次听AI这个名字是上大二时一个北航软件学院朋友提起的，他特别想去微软做AI方面的研究，然后他热情的向我介绍了这个领域是多么多么好，当时的自己完全没有印象，只觉得可能和机器人有关，AI的目的就是做出和人类一模一样的机器人。现在看来自己当初的想法是多么的幼稚可笑。等到了大三的时候，软件学院正好开设了这门课，我便抱着好奇的心态选了这门课，无奈当时授课老师胡晶晶讲解极其乏味，也没有教材，每节课上课就照着PPT念，完

The Number Sense pdf清晰版 刘未鹏推荐...............

该资源为银河麒麟下适配的mellanox网卡驱动，先安装deb文件夹内的依赖包，再安装kylin4.0.2里面的deb包即可。

ACM编程题模板，其中包含各种算法，来源王道论坛，希望对搞ACM的同学有帮助

标 题: 【原创】基于WinPCap的网络协议开发 - 炮王（超级打炮机）发送数据包（03） 作 者: 加百力 时 间: 2009-05-18,16:55:36 链 接: http://bbs.pediy.com/showthread.php?t=89175 【文章标题】: 基于WinPCap的网络协议开发 - 炮王（超级打炮机）发送数据包（03） 【文章作者】: 加百力 【软件名称】: WinPCap 【下载地址】: http://www.winpcap.org/ 【内部编号】: MASSADA 0029 【编写语言】: C++ 【使用工具】: VS2005 【操作平台】: Windows

本软件为chrome浏览器的插件，需要chrome的beta版或者开发版的环境来运行。如果没有，可运行Chrome_16.0.912.63_XiaZaiBa.exe进行安装。 也就是说你需要先按照beta或者开发版的chrome浏览器，然后才能安装插件。 插件安装方法: 将 文艺青年搜索引擎_V2.crx 用鼠标拖入打开的chrome，点击继续即可,之后将在右上角出现插件图标，点击则进入引擎。 软件使用注意： 建议使用校内网的马甲账号，因为为了增大相册可见性的概率，软件将自动添加所搜索的大学，这导致新鲜事里会出现一大堆“成为某某大学的粉丝”的后果。

该示例提供了中断处理的详细代码，含驱动程序和应用程序。用户可以直接调用接口进行中断函数的处理。

使用说明: 本程序为绿色软件,解压即可使用 请先尝试直接运行"SinaWeiboBackup.jar"文件 如果双击jar文件之后无法运行而是自动用解压软件打开, 请先解压出来后尝试双击"启动.bat"来运行 如果以上两个方法皆无法运行程序 这说明你的电脑缺少java的运行环境 请到以下地址下载jre http://www.java.com/zh_CN/ 安装后就可以运行本程序了.. 更新说明: ----------2011-05-13 V1.5---------- *修复因为新浪页面变动导致页面抓取失败的问题. *优化了一些流程 ----------2011-05-02

mtd_tools针对gcc-linaro-5.2-2015.11-2-x86_64_arm-linux-gnueabihf.tar，已经全部编译好，tar包直接解压就可以使用。使用前请确保编译器一致。

ANSJ分词JAR包，Github上面已经找不到了，这是孙健老师通过QQ发给我的，很是感谢，关于ANSJ更多请看 http://blog.csdn.net/blogdevteam/article/details/8148451

自己用爬虫抓取的百度百科分类词条，分好类的

爬取的搜狐新闻数据，一共有12个类别，分好类了

具体描述请看这里http://ansjsun.github.io/ansj_seg/ 这是最新的ANSJ版本，需要配合另一个tree-split jar包使用，请从这里下载：http://maven.ansj.org/org/ansj/

爬取的虾米网全部专辑列表，包括作曲，专辑名称等等

豆瓣网电影人名数据爬取，得到的是全网段的数据

JAVA JSON jar包，调用如下：JSONObject record = new JSONObject(lines); JSONArray dataarray =record.getJSONArray("data"); JSONObject _dataarray =dataarray.getJSONObject(0); String content =_dataarray.get("co").toString(); String title =_dataarray.get("t").toString();

斯坦福算法分析与设计公开课part2，课程地址：https://class.coursera.org/algo2-002/class

百度词条爬虫程序，爬取词条的摘要。

IKAnalyzer分词工具，包括lucene库和百度百科词条。

最近学习hadoop，发现Hadoop不提供编译后的hadoop-eclipse插件，于是就自己动手编译了hadoop-eclipse-plugin-1.1.0.rar插件 Hadoop1.1.0是beta版本，有兴趣的朋友可以下载装装，感受下MapReduce编程框架

ANSJ最新版，把两个包添加到工程下，另外创建library文件夹，加入两个字典文件，最后把library.properties添加到src目录下即可。感谢孙健老师。

机器学习课件和大作业，研究生课程和大作业，授课老师为李侃老师。

coursera上面的自然语言处理课件，英文版

布朗大学Philip Klein教授授课，讲述矩阵分析的应用，用python进行编程。

自己收集的一些分词工具，包括中科院的ictclas，ansj，fudanNLP等等，相信对搞自然语言处理的有帮助

课程地址：https://class.coursera.org/algo-004/class/index，Algorithms: Design and Analysis, Part 1 by Tim Roughgarden 授课老师魏讲解很到位，内容很具体。

包括coursera上面斯坦福机器学习公开课讲义pdf,ppt，还有自己总结的学习笔记，可以参看我的博客：http://blog.csdn.net/jj12345jj198999

基于OpenCV的双目测距系统，在ubuntu下用QT进行开发，dyb，大哥，周博童鞋原创

https://www.coursera.org/ 上面印度理工大学开设的公开课讲义和作业，包括mapreduce，贝叶斯分类，贝叶斯信念网等

计算机视觉课件，全英文课件。讲课内容比较全，最后开卷考试。

算法导论课件

最近一直在学coursera上面web intelligence and big data这门课，上周五印度老师布置了一个家庭作业，要求写一个mapreduce程序，用python来实现。 具体描述如下： Programming Assignment for HW3 Homework 3 (Programming Assignment A) Download data files bundled as a .zip file from hw3data.zip Each file in this archive contains entries that look like: journals/cl/SantoNR90:::Michele Di Santo::Libero Nigro::Wilma Russo:::Programmer-Defined Control Abstractions in Modula-2. that represent bibliographic information about publications, formatted as follows: paper-id:::author1::author2::…. ::authorN:::title Your task is to compute how many times every term occurs across titles, for each author. For example, the author Alberto Pettorossi the following terms occur in titles with the indicated cumulative frequencies (across all his papers): program:3, transformation:2, transforming:2, using:2, programs:2, and logic:2. Remember that an author might have written multiple papers, which might be listed in multiple files. Further notice that ‘terms’ must exclude common stop-words, such as prepositions etc. For the purpose of this assignment, the stop-words that need to be omitted are listed in the script stopwords.py. In addition, single letter words, such as "a" can be ignored; also hyphens can be ignored (i.e. deleted). Lastly, periods, commas, etc. need to be ignored; in other words, only alphabets and numbers can be part of a title term: Thus, “program” and “program.” should both be counted as the term ‘program’, and "map-reduce" should be taken as 'map reduce'. Note: You do not need to do stemming, i.e. "algorithm" and "algorithms" can be treated as separate terms. The assignment is to write a parallel map-reduce program for the above task using either octo.py, or mincemeat.py, each of which is a lightweight map-reduce implementation written in Python. These are available from http://code.google.com/p/octopy/ and mincemeat.py-zipfile respectively. I strongly recommend mincemeat.py which is much faster than Octo,py even though the latter was covered first in the lecture video as an example. Both are very similar. Once you have computed the output, i.e. the terms-frequencies per author, go attempt Homework 3 where you will be asked questions that can be simply answered using your computed output, such as the top terms that occur for some particular author. Note: There is no need to submit the code; I assume you will experiment using octo.py to learn how to program using map-reduce. Of course, you can always write a serial program for the task at hand, but then you won’t learn anything about map-reduce. Lastly, please note that octo.py is a rather inefficient implementation of map-reduce. Some of you might want to delve into the code to figure out exactly why. At the same time, this inefficiency is likely to amplify any errors you make in formulating the map and reduce functions for the task at hand. So if your code starts taking too long, say more than an hour to run, there is probably something wrong.

coursera公开课上面的Data Analysis课件，在线课堂地址：https://www.coursera.org/course/dataanalysis

coursera上面的公开课课件，地址是 https://class.coursera.org/bigdata-002/class/index

SQL Server 2005数据挖掘与商业智能完全解决方案，老师推荐的是这本书，学习数据挖掘可以看看