原创 matlab小技巧

1.对于两个unique的矩阵， sum(ismember(A,S))找两个矩阵相同元素的个数； C=[A,B]; size(C,2)-size(unique(C,2));有同样的作用,但是后者快很多。数据大的时候优势非常大。

转载 winzip15.0注册码

用户名：Juzhaofeng授权码：MPZRP-Y7LWW-K1DKG-FM92E-2C5F5-ZEKFF

原创 image compositing servey

1983  A multiresolution Spline with Application to Image Mosaics Peter J.BurtThis article states a methods of image composting, mainly based on multiresolution and spline anylisis. When we first get

原创 对image compositing近几年技术发展的总结

1983  A multiresolution Spline with Application to Image Mosaics Peter J.BurtThis article states a methods of image composting, mainly based on multiresolution and spline anylisis. When we first get

1. Transfusive Image Manipulation:We present a method for consistent automatic transfer of edits applied to one image to many other images of the same object or scene. By introducing novel, content-

原创 siggraph asia 2012 outline

1. Transfusive Image Manipulation:We present a method for consistent automatic transfer of edits applied to one image to many other images of the same object or scene. By introducing novel, content-

转载 UIUC某童鞋收集的代码合集

Jia-Bin Huang童鞋收集，此童鞋毕业于国立交通大学，之前拍过很多CVPR举办地科罗拉多州的照片，这里大多为matlab code,link: https://netfiles.uiuc.edu/jbhuang1/www/resources/vision/index.html包括：Feature Extraction：SIFT [1] [Demo program][

翻译 How to do reserch

1. consider very carefully the advantage of making  your contribution  by doing 'testing-out' research for your PhD.好好考虑通过反复试验得出结果对领域作出贡献的好处。——实验中出好idea2. From observation and discussion with  you

原创 马上就要去香港了，列一下想做的事情

9月14号，电池充好电到深圳下午五点直接大巴到香港。购置日用品，买电话卡，办银行卡，买笔记本电脑。10月20号到11月10号。花一周时间去粤西玩一遍。计划买一辆sp8，火车，自驾结合。9-10月必须准备好路线，准备好自驾的设备，需要到网上学习。如果时间充裕就一路骑自行车过去。坚持每天背英语单词。和大家多多交流，多向学长请教。其他计划未定，待补充。

原创 SVMの核函数

下面就网上流行的SVM教程中的错误部分给予说明：http://www.blogjava.net/zhenandaci/archive/2009/02/13/254578.html在上面的链接里就SVM的2次规划问题的得到给了详尽的解释，但是是错误的。我先转引原文的解释：在二元的线性分类中，这个表示分类的标记只有两个值，1和-1（用来表示属于还是不属于这个类）。有了这种表

转载 RGB-HSV转换

先来了解一些概念：1.RGB是一种加色模型,就是将不同比例的Red/Green/Blue混合在一起得到新颜色.通常RGB颜色模型表示为:2.HSB(HSV) 通过色相/饱和度/亮度三要素来表达颜色.  H(Hue):表示颜色的类型(例如红色,绿色或者黄色).取值范围为0—360.其中每一个值代表一种颜色.  S(Saturation):颜色的饱和度.从0到1

转载 神经网络（1）

IBM讲神经网络的http://www.ibm.com/developerworks/cn/linux/other/l-neural/index.htmlThreshold logic unit 这样的输入可以看成一个向量：1, X 2, ..., X n, theta, t>，这里 t 是一个目标或者正确分类。神经网络用这些来调整权系数，其目的使培训中的目标与其分类相匹配

转载 如何阅读paper

该部分的内容主要为北京某研究院一个无名前辈于水木清华上的作品，稍有修改。　　做学问的最大功课就是读paper. 从浩如烟海的文献里面找出自己有用的东西.这并不是一件容易的工作. 有些人做得非常出色。　　　　入门宜缓 　　　　在选择研究方向的时候,还是要三思而行. 多读这方面的survey, review 和tutorial 之类的文章. 弄清楚这个方面目前研究的状况,是已经比较

转载 如何写高水平的SIGGRAPH 论文——周昆博士讲座摘记

HOW TO CHOOSE A          SIGGRAPH TOPIC  ==========================3 things in mind :* A good story ,well motivated* novel visual effects* high performance (100*)to get          ：acadamic

原创 compuer vision

Computer vision is, in some ways, the inverse of computer graphics. While computer graphics produces image data from 3D models, computer vision often produces 3D models from image data. There is als

原创 Computer vision(1)

Computer vision is, in some ways, the inverse of computer graphics. While computer graphics produces image data from 3D models, computer vision often produces 3D models from image data. There is als

转载 计算机视觉（1）

Computer vision is, in some ways, the inverse of computer graphics. While computer graphics produces image data from 3D models, computer vision often produces 3D models from image data. There is als

原创 信息论中entropy的概念和 algorithmatic information content(KCC)

entropy:熵,在宇称对称时递减的量.在信息论中有了新的定义.在Data Compression(David Salmon)中称为surprises.衡量一段文章信息的多少.我们有公式:H = −s*SUM(1,n ; Pi *log2(Pi)),单位是比特位(bit),Pi是第i个符号出现的概率.s是一个时间单元传送的符号数目,H是一个时间单元传输的信息总量-log2(P

原创 programming collective intelligence(三) discovering group : pydev+eclipse+beautifulSoup+PIL

聚类的算法没什么可说的。重点说一下用beautifulSoup抓取网页时遇到的问题。问题1：这个问题折腾了很久，抓取到的网页中文都是乱码，非常的蛋疼。用了网上各种的方法均没有用。最后发现是ecilipse环境是GBK的，网页抓的数据室utf-8的。把工程属性中的编码改为utf-8，成功。网上说遇到GBK的网页很容易出现乱码，要用decode,encode解决。暂时没有用到。

原创 programming collective intelligence reading tips (2)

Making recommendation心得总结:这一章主要讲了基于 人相似 和 物相似的两种推荐方法。从根本上讲：人和物是两个对等的类。一个人对某个物品评分，和某个物品被人评分其实是双向关系。所以广义上来讲，不用区分主动和被动。所以对一个人推荐某些物品，和给物品指派给某些人是完全对称的。所以对于一般的推荐系统可以采用两种思路设计：常规思路：给人推荐物品：1，找到和你相似

原创 programming collective intelligence 读书笔记（一）：配置eclipse+pydev环境,运行delicious模块

快考toefl了，又产生了考前综合症，只能看看 programming collective intellifence放松放松。。哎革命尚未成功，同志还需努力，什么时候不用再去考试。。闲话不说了，在programming collective intelligence 这本书中，有大量的python的实例。不得已，得了python的开发平台。工欲善其事，必先利其器。最好的选择：eclips

原创 拓扑空间——感悟大道无形，感悟数学本源

拓扑空间：给定集x,它的一个子集族J称为x上的一个拓扑结构,简称拓扑,是指J满足下列三个条件：①空集和x本身是J的元;②J内任意有限多个元的交仍是J的元；③J内任意多个元的并仍是J的元。集x连同它上面的一个拓扑J,构成一个拓扑空间,简称空间。J的元叫x的开集,开集的补集叫闭集。任何集x上总可以赋予拓扑。例如，x的一切子集组成的族就是x上的一个拓扑, 叫离散拓扑，对应的空间叫离散空间;另一个

转载 不上大学，可能缺少的是什么？

本来是转载自阳志平《不上大学，可能缺少的是什么？》，当然原文以及其评论有正面的，当然有负面的。大体意思是不上学，可以通过这些自愿使得自己成功。但是这里我理解的话，大学培养的更重要的是一个人的思维以及觉悟，资源和工具都是为我所用的，在有了觉悟的基础上，下面的资源似乎才变得更加有用。如果不上大学，你会面临一些什么样的问题？人际：由于中国的畸形发展模式，资源日益集中到

原创 期望，方差，协方差，最小二乘法，最小均方差，最大似然方程，线性回归 的区别及联系

当你做数据挖掘的时候真的是不能不看重数学：期望：平均值方差：偏移的平方平均，公式是:   SUM((xi-x均)^2)/n  = 1/n*(SUM(xi^2)-1/n*(SUM(xi)^2))  等号后面的式子尤其重要，后面会说到协方差：两个变量变化趋势的同步性：SUM((xi-x均)*(yi-y均))/n = 1/n(SUM(xi*yi)-SUM(xi)*SUM(yi)/n)  等号

转载 BT、VeryCD倒下了，但是后继有种

BT、VeryCD倒下了，但是后继有种从 FeedzShare 来自: 乐淘吧-淘快乐 - FeedzShare   发布时间:2011年10月26日,  已有 5 人推荐许多人在VC资源关闭后都很迷惘：何处觅种？正所谓是一个VC倒下了，千千万万个资源又站起来了下面就是一些依旧健在的资源站国外:

转载 《Google时代的工作方法》读书笔记（1）

《Google时代的工作方法》读书笔记（1）从 战隼的学习探索 作者：warfalcon今天分享的笔记是作者是Google公司前任首席信息官道格拉斯。梅里尔写的《Google时代的工作方法》，下面第一次阅读的短评：#每天一本书#2011年9月18日，275天,《Google时代的工作方法》，评分3.5。全书从他自身的经历出

原创 信息论？最大熵？编码？排序？——好晕。。。。

以前帮学长做毕设写算术编码的时候，粗略地接触过熵的概念。至于信息论这么重量级的名词基本碰到都果断绕开。今天看到刘未鹏的博客中的文章“数学之美番外篇：快排为什么那样快”。我学到了不少，但是有了很多疑问：          首先：排序每次的比较尽量排除一半的可能性，就好比用svm在复杂解空间中找到有效地分类（均分）方法。而排序算法的下限O(n*log(n))=O(log2(P(n,n)))的近似，

原创 看wiki“History of artificial intelligence”有感

看了刘未鹏的推荐，我花了半天时间看了这条wiki：http://en.wikipedia.org/wiki/History_of_artificial_intelligence#cite_note-26正如刘未鹏所说，确实大气磅礴，文中索引了大量牛人的研究成果，描述他们在摸索中挣扎前进的过程。文中从希腊神话讲起，谈到了人工智能研究的起源和动机。然后讲到50年代的正式开展，接着两次兴衰，直到

转载 四元数最清晰的讲解

zz 学习quaternion的一点点笔记2007-08-06 13:51在3D程序中，通常用quaternion来计算3D物体的旋转角度，与Matrix相比，quaternion更加高效，占用的储存空间更小，此外也更便于插值。在数学上，quaternion表示复数w+xi+yj+zk，其中i,j,k都是虚数单位：i*i = j*j = k*k= -1i*j = k, j*i =

转载 四元数的优点和缺点

四元数有一些其他角位移表示方法所没有的优点：1.平滑插值：slerp和squad提供了方位间的平滑插值，没有其他方法能提供平滑插值。2.快速连接和角位移求逆：四元数叉乘能将角位移序列转换为单个角位移，用矩阵做同样的操作明显会慢一些。四元数共轭提供了一种有效计算反角位移的方法，通过转置矩阵也能达到同样的目的，但不如四元数来得容易。3.能和矩阵形式快速转换：四元数和矩阵的转换比欧拉角与矩阵

转载 我的名字叫做王小寒。我是个猥琐男。——警醒

我的名字叫做王小寒。我是个猥琐男。是的，你没有看错，我是个猥琐男。我自己知道，别人也知道。只是没有人会说出来而已。每当我想到，我是个猥琐男，并且，我知道，这样的命运将永远和我的灵魂纠缠在一起的时候，我的心里充满了痛苦和忧伤。--------我 出生在中国一个极为普通的北方二线城市中一个极为普通的家庭。我的父母都是普通人，无钱无权无势。小时候，我就听父母说，要好好读书，这样的话，我就

原创 关于C++和DX9的总结（2）：索引三角形的正确编码；灯光和材质；鼠标拾取正确写法；“link错误2005:YY already defined in XX.obj” 的解决方法

题目写的太简短不能起到概括文章的作用。网上充斥着大量的不负责任的复制粘贴，还有著名的翁云兵的3D程序入门小的错误，导致了很多人在DX开发中不得不花更多的时间。1。索引三角形：函数: DrawIndexedPrimitive(D3DPRIMITIVETYPE type,,INT initvertexID,UINTMinIndex,,UINTNumVertices, UINTStart

原创 关于C++和 dx9的一点总结（1）

事件1：最近遇到了很怪异的情况，用vs2010写点程序，在debug版本下调试，竟然发现watch里只能看到一小部分变量。思前想后不能找到原因。最后发面工程属性里optimization赫然勾选了O3代码优化。原来选择优化模式竟然会使得debug失效。。。OMG。事件2：最近发现用vs编写代码，不再有方便的自动补全库函数的功能，写程序非常之蛋疼。工程设置均没有问题。最后发现问题出在我这个工程是

原创 C++编译优化代码选项带来的调试烦恼

事件1：最近遇到了很怪异的情况，用vs2010写点程序，在debug版本下调试，竟然发现watch里只能看到一小部分变量。思前想后不能找到原因。最后发面工程属性里optimization赫然勾选了O3代码优化。原来选择优化模式竟然会使得debug失效。。。OMG。事件2：最近发现用vs编写代码，不再有方便的自动补全库函数的功能，写程序非常之蛋疼。工程设置均没有问题。最后发现问题出在我这个工程是

原创 看论文——专业词汇中英文对照：不断补充

regressive model：所谓回归模型其实没有那么复杂，就是递归模型。Moving-average model：一种线性regressive model，用均值加白噪的线性组合      generate modelAutoregressive model:俗称 AR,有AR(1)，AR(2).....线性的regressive model+白噪，1,2..表示递归几层。Aut

原创 example based motion planning

有人研究这个方向么?可以一起讨论.

原创 HMM模型

HMM模型有个很好的文章:http://www.suzker.cn/computervision/the-hmm-model.html我也转发了.语音识别中用的最广泛的模型,正是原文中所列问题的第二种:HMM将涉及以下三个问题：给定一个观察到得序列O，及参数lambda，求出P(O|lambda)，即发生这种观察序列的可能性。对应上面例子中，即是我给定一个最终确定了的水

原创 policies learning with ε-regression SVM or continuous k-nearest neighbor

今天来说一下各种learning在高维连续空间的应用。policies learning 经常是被用到离散空间中的规则学习。对于高位的连续的，可以在生成规则后用ε-regression SVM和k-nearest neighbor。前提是生成的规则是基本平滑的。待续。。。

原创 markov chain（马尔科夫链）——状态空间就是永恒的时间

对于马尔科夫链只是很浅薄的认识了，说一下我的认识吧：马尔科夫链就是第n+1个随机变量只受第n个随机变量的取值影响。这句话也不好理解，通俗点说就是：没有记忆的，没有学习能力的，靠查表法决策的系统。这不就是计算机么。。。计算机不就是一个markov链么。对，现在的科技在怎么发达，也只是在计算不同的maekov链。对，markov链中的表，就是带规则的状态空间。有句话说，规则是死的，

原创 大数定理证明

chebyshev's inequality:P(|X-e|>=a)0证明：要证明的是：P(|X-e|>=a)对不等式后面缩放：构造E(Y)及要找一个Y,满足E(Y)>=a^2*P(|X-e|>=a)找个等于的:这样缩放是等价的，比较容易成功：Y=a^2 当 |X-e|>=a;其他情况Y=0;则Y得证；The law of big number: