<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[rushwolfbupt的专栏]]></title><description><![CDATA[机器学习，图像，nlp的业余爱好者]]></description><link>https://blog.youkuaiyun.com/rushwolfbupt</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; rushwolfbupt]]></copyright><item><title><![CDATA[pca 的理解]]></title><link>https://blog.youkuaiyun.com/rushwolfbupt/article/details/7977835</link><guid>https://blog.youkuaiyun.com/rushwolfbupt/article/details/7977835</guid><author>rushwolfbupt</author><pubDate>Fri, 14 Sep 2012 11:42:44 +0800</pubDate><description><![CDATA[前两天转了一篇leftnoeasy的pca代码，总觉得写的不够详细，今天自己再写写


pca 要叫主成分分析，顾名思义就是把主成份给找了出来。主成份的表现形式就是主成份之间的方差最小，也就是说数据在主成份方向投影后误差最小。
比如说一维的数据

红色的线就是所有蓝点的主成份方向，蓝点投影到红线上误差最小，方差越大
至于想leftnoeasy说所的，维度的数据之间的方差最大。则意味着]]></description><category></category></item><item><title><![CDATA[leftnoeasy 写的lda和pca]]></title><link>https://blog.youkuaiyun.com/rushwolfbupt/article/details/7892686</link><guid>https://blog.youkuaiyun.com/rushwolfbupt/article/details/7892686</guid><author>rushwolfbupt</author><pubDate>Tue, 21 Aug 2012 18:27:24 +0800</pubDate><description><![CDATA[觉得写的还不错，pca方面粗糙了一些。




版权声明：

    本文由LeftNotEasy发布于http://leftnoteasy.cnblogs.com, 本文可以被全部的转载或者部分使用，但请注明出处，如果有问题，请联系wheeleast@gmail.com

前言：

    第二篇的文章中谈到，和部门老大一宁出去outing的时候，他给了我相当多的机器学习的]]></description><category></category></item><item><title><![CDATA[linux 下解决 google music 乱码]]></title><link>https://blog.youkuaiyun.com/rushwolfbupt/article/details/5636609</link><guid>https://blog.youkuaiyun.com/rushwolfbupt/article/details/5636609</guid><author>rushwolfbupt</author><pubDate>Mon, 31 May 2010 14:57:00 +0800</pubDate><description><![CDATA[<br />输入命令：
<br />
sudo gedit /etc/fonts/conf.d/49-sansserif.conf
<br />
原文的内容是：Html代码 <?xml version="1.0"?>  <!DOCTYPE fontconfig SYSTEM "fonts.dtd">  <fontconfig>  <!--
   If the font still has no generic name, add sans-serif
  -->      <match targ]]></description><category></category></item><item><title><![CDATA[formula YUV2RGB  RGB2YUV]]></title><link>https://blog.youkuaiyun.com/rushwolfbupt/article/details/5418590</link><guid>https://blog.youkuaiyun.com/rushwolfbupt/article/details/5418590</guid><author>rushwolfbupt</author><pubDate>Fri, 26 Mar 2010 10:27:00 +0800</pubDate><description><![CDATA[http://www.fourcc.org/fccyvrgb.phpRGB/YUV Pixel ConversionI recently received an email from Mike Perry thoroughly explaining this whole issue. For the definitive answer, please look he]]></description><category></category></item><item><title><![CDATA[OCI在VS下的配置]]></title><link>https://blog.youkuaiyun.com/rushwolfbupt/article/details/5331724</link><guid>https://blog.youkuaiyun.com/rushwolfbupt/article/details/5331724</guid><author>rushwolfbupt</author><pubDate>Sat, 27 Feb 2010 11:15:00 +0800</pubDate><description><![CDATA[1，将oracle/ora92/oci/include 目录拷贝到工程目录名下，在additional Include Directory下输入include； 2.将 oracle/ora92/oci/lib 下的oci.lib拷贝到工程目录名下,在Additional Dependencies 下添加lib; 3，在要用到OCI的程序里添加#include; over]]></description><category></category></item><item><title><![CDATA[VS 调试心得]]></title><link>https://blog.youkuaiyun.com/rushwolfbupt/article/details/5217493</link><guid>https://blog.youkuaiyun.com/rushwolfbupt/article/details/5217493</guid><author>rushwolfbupt</author><pubDate>Wed, 20 Jan 2010 15:47:00 +0800</pubDate><description><![CDATA[很多时候总觉得调试的时间比写代码的时间还要多，有时候调出一个bug比写1000行代码还要恶心。 总结一下调试的方法，省的自己忘了，哦，不能说自己容易忘。否则就真的容易忘。标记一下而已。 没有逻辑，随便扯，反正主要是自己看的。 1.调用堆栈  call stackvs中有这么一个框框，里面显式的所有函数都是还没有执行返回语句（void也是有返回的哦），从下往上是调用顺序，]]></description><category></category></item><item><title><![CDATA[给C/C++程序员的建议]]></title><link>https://blog.youkuaiyun.com/rushwolfbupt/article/details/5190455</link><guid>https://blog.youkuaiyun.com/rushwolfbupt/article/details/5190455</guid><author>rushwolfbupt</author><pubDate>Thu, 14 Jan 2010 16:26:00 +0800</pubDate><description><![CDATA[1，C++里几乎不需要用到宏，用const火enum定义明显的常量。用inline避免函数的额外开销，用template去刻画一族函数或者类型，用namespace去避免名字冲突。类也可以。 2，不要在你需要之前申明它，什么时候用什么时候申明（当年从C++转C的时候吃了老苦了）； 3，不要用malloc（），new可以做的很好，对于realloc（），可以试一试vector； ]]></description><category></category></item><item><title><![CDATA[SVM入门]]></title><link>https://blog.youkuaiyun.com/rushwolfbupt/article/details/5182414</link><guid>https://blog.youkuaiyun.com/rushwolfbupt/article/details/5182414</guid><author>rushwolfbupt</author><pubDate>Tue, 12 Jan 2010 17:45:00 +0800</pubDate><description><![CDATA[原帖http://www.blogjava.net/zhenandaci/   （一）SVM的八股简介支持向量机(Support Vector Machine)是Cortes和Vapnik于1995年首先提出的，它在解决小样本、非线性及高维模式识别中表现出许多特有的优势，并能够推广应用到函数拟合等其他机器学习问题中[10]。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]]></description><category></category></item><item><title><![CDATA[fstream用法]]></title><link>https://blog.youkuaiyun.com/rushwolfbupt/article/details/5172803</link><guid>https://blog.youkuaiyun.com/rushwolfbupt/article/details/5172803</guid><author>rushwolfbupt</author><pubDate>Mon, 11 Jan 2010 09:44:00 +0800</pubDate><description><![CDATA[ofstream是从内存到硬盘，ifstream是从硬盘到内存，其实所谓的流缓冲就是内存空间; 在C++中，有一个stream这个类，所有的I/O都以这个“流”类为基础的，包括我们要认识的文件I/O，stream这个类有两个重要的运算符： 1、插入器(　　向流输出数据。比如说系统有一个默认的标准输出流(cout)，一般情况下就是指的显示器，所以，cout2、析取器(>>) 　　从流中输入数据。比如]]></description><category></category></item><item><title><![CDATA[Link error 2001]]></title><link>https://blog.youkuaiyun.com/rushwolfbupt/article/details/5148589</link><guid>https://blog.youkuaiyun.com/rushwolfbupt/article/details/5148589</guid><author>rushwolfbupt</author><pubDate>Thu, 07 Jan 2010 10:45:00 +0800</pubDate><description><![CDATA[error LNK2001: unresolved external symbolvc   2008-05-10 22:58   阅读491   评论0  字号： 大  中  小引自：http://hi.baidu.com/onlywater/blog/item/5e7e9010097f0704203f2e26.html第一：nafxcwd.lib(appc]]></description><category></category></item><item><title><![CDATA[新年快乐]]></title><link>https://blog.youkuaiyun.com/rushwolfbupt/article/details/5126500</link><guid>https://blog.youkuaiyun.com/rushwolfbupt/article/details/5126500</guid><author>rushwolfbupt</author><pubDate>Sun, 03 Jan 2010 23:57:00 +0800</pubDate><description><![CDATA[新年第一个目标：上班的时候好好干活！下班的时候好好玩！]]></description><category></category></item><item><title><![CDATA[Merry Christmas]]></title><link>https://blog.youkuaiyun.com/rushwolfbupt/article/details/5071627</link><guid>https://blog.youkuaiyun.com/rushwolfbupt/article/details/5071627</guid><author>rushwolfbupt</author><pubDate>Thu, 24 Dec 2009 20:57:00 +0800</pubDate><description><![CDATA[As days go away , fingers can not reserve any,only can do is make time colorful! ]]></description><category></category></item><item><title><![CDATA[Cstring,char*,string 转换 ]]></title><link>https://blog.youkuaiyun.com/rushwolfbupt/article/details/5050538</link><guid>https://blog.youkuaiyun.com/rushwolfbupt/article/details/5050538</guid><author>rushwolfbupt</author><pubDate>Mon, 21 Dec 2009 20:53:00 +0800</pubDate><description><![CDATA[第一部分为ASCII码环境下（VC 6.0）下Cstring Cstring to const char * 1> 传给未分配内存的const char* （LPCTSTR）指针.    CString cstr(asdd);   const char* ch = (LPCTSTR)cstr;   ch指向的地址和cstr相同。但由于使用const保证ch不会修改，所以安全2>传给未分]]></description><category></category></item><item><title><![CDATA[HMM]]></title><link>https://blog.youkuaiyun.com/rushwolfbupt/article/details/5050459</link><guid>https://blog.youkuaiyun.com/rushwolfbupt/article/details/5050459</guid><author>rushwolfbupt</author><pubDate>Mon, 21 Dec 2009 20:37:00 +0800</pubDate><description><![CDATA[爱情的隐式马尔可夫模型爱情的隐式马尔可夫模型(Love in the Hidden Markov Model) 这段时间一直在折腾Hidden Markov Model, 在经过无数次抓狂后,终于有所掌握,特意记录下来,一来为了增强自己的记忆,而来也希望能带动一下大家的学习兴趣. 我尽量去以简单诙谐的语言来描述表达不求大家都掌握,旨在以一种不那么枯燥的方式,去说明数学之美.]]></description><category></category></item><item><title><![CDATA[Viterbi算法（转）]]></title><link>https://blog.youkuaiyun.com/rushwolfbupt/article/details/5048789</link><guid>https://blog.youkuaiyun.com/rushwolfbupt/article/details/5048789</guid><author>rushwolfbupt</author><pubDate>Mon, 21 Dec 2009 16:04:00 +0800</pubDate><description><![CDATA[先用一句话来简单描述一下：给出一个观测序列o1,o2,o3 …，我们希望找到观测序列背后的隐藏状态序列s1, s2, s3, …；Viterbi以它的发明者名字命名，正是这样一种由动态规划的方法来寻找出现概率最大的隐藏状态序列（被称为Viterbi路径）的算法。 Viterbi译码主要针对卷积码进行译码按最大似然准则进行译码例如输入序列u=（1011100）输出编码序列为(11]]></description><category></category></item><item><title><![CDATA[数据结构基础知识]]></title><link>https://blog.youkuaiyun.com/rushwolfbupt/article/details/5040629</link><guid>https://blog.youkuaiyun.com/rushwolfbupt/article/details/5040629</guid><author>rushwolfbupt</author><pubDate>Sat, 19 Dec 2009 22:17:00 +0800</pubDate><description><![CDATA[时间复杂度和空间复杂度     同一问题可用不同算法解决，而一个算法的质量优劣将影响到算法乃至程序的效率。算法分析的目的在于选择合适算法和改进算法。一个算法的评价主要从时间复杂度和空间复杂度来考虑。                         1、时间复杂度                        （1）时间频度一个算法执行所耗费的时间，从]]></description><category></category></item><item><title><![CDATA[Newton-Rapshon 迭代法]]></title><link>https://blog.youkuaiyun.com/rushwolfbupt/article/details/5032690</link><guid>https://blog.youkuaiyun.com/rushwolfbupt/article/details/5032690</guid><author>rushwolfbupt</author><pubDate>Fri, 18 Dec 2009 15:50:00 +0800</pubDate><description><![CDATA[一部分是网上的　牛顿迭代法（Newtons method）又称为牛顿-拉夫逊方法（Newton-Raphson method），它是牛顿在17世纪提出的一种在实数域和复数域上近似求解方程的方法。多数方程不存在求根公式，因此求精确根非常困难，甚至不可能，从而寻找方程的近似根就显得特别重要。方法使用函数f(x)的泰勒级数的前面几项来寻找方程f(x) = 0的根。牛顿迭代法是求方程根的重要方法之一]]></description><category></category></item><item><title><![CDATA[PCA]]></title><link>https://blog.youkuaiyun.com/rushwolfbupt/article/details/5025707</link><guid>https://blog.youkuaiyun.com/rushwolfbupt/article/details/5025707</guid><author>rushwolfbupt</author><pubDate>Thu, 17 Dec 2009 15:23:00 +0800</pubDate><description><![CDATA[主成分分析(principal component analysis)是将分散在一组变量上的信息集中到某几个综合指标(主成分)上的探索性统计分析方法。以便利用主成分描述数据集内部结构，实际上也起着数据降维的作用。http://www.miforum.net/nosa/expl/ppc.htmhttp://www.cad.zju.edu.cn/home/chenlu/pca.htm//介绍原]]></description><category></category></item></channel></rss>