文章
thetruthaboutsessions 择译
cookie get parameter cookie+fingerprint generated by user agent
cookie get parameter cookie+fingerprint generated by user agent
web.py0.3 版本 tutorial 示例
我承认我看中文了。。。中文安装指南导向的是 web.py 0.2 版本的 tutorial 翻译，版本有点旧，且 0.3 与 0.2 的 tutorial 不兼容。 首先是下载压缩包，然后解压，最后 sudo ./setup.py （我用的是 ubuntu ） 示例代码如下，主要是 run 方法的方式有点不同。 好简洁的一个 web app，感觉比 java servelet 的一大堆概念要清晰多了。
我承认我看中文了。。。中文安装指南导向的是 web.py 0.2 版本的 tutorial 翻译，版本有点旧，且 0.3 与 0.2 的 tutorial 不兼容。 首先是下载压缩包，然后解压，最后 sudo ./setup.py （我用的是 ubuntu ） 示例代码如下，主要是 run 方法的方式有点不同。 好简洁的一个 web app，感觉比 java servelet 的一大堆概念要清晰多了。
apache-tomcat-6.0.26 的 cgi 配置过程
这东西折磨我太久了，写篇笔记。 Apache 的目录很好认，我下的是 zip 绿色版，解压开就看见 running 这个说明文件了，建议大家读读。 conf 目录是放置配置文件的，bin 则是可执行文件的位置，只需双击 startup.bat，即可启动 Apache。 要运行 cgi，主要是改两个文件，一个是 web.xml，一个是 context.xml。 context.xml 主要是改这么一行： 直接在 context 后加上 privileged 就可以了，用于放行可执行文件。 …
这东西折磨我太久了，写篇笔记。 Apache 的目录很好认，我下的是 zip 绿色版，解压开就看见 running 这个说明文件了，建议大家读读。 conf 目录是放置配置文件的，bin 则是可执行文件的位置，只需双击 startup.bat，即可启动 Apache。 要运行 cgi，主要是改两个文件，一个是 web.xml，一个是 context.xml。 context.xml 主要是改这么一行： 直接在 context 后加上 privileged 就可以了，用于放行可执行文件。 …
MatlabCell 功能
最近完成模式分类的作业，需要大量使用 matlab, 期间发现了一个问题，是 matlab 代码的复用程度。 在面向过程编程里， 基本的复用单位是函数，程序的复杂度籍此下放到函数的接口上。设计好函数间的接口，基本上就成功了一半。在面向对象编程里， 基本的复用单位是对象，对象使得数据具有了一定程度的自维护。而在 matlab 里， 我很长时间都没有找到方向，因为我搞不清楚复用的单位是什么。 matlab 中，基本的单位是矩阵，针对矩阵系统有一大堆的函数供你调用。但是，想自己写程序还是有一定的麻烦 …
最近完成模式分类的作业，需要大量使用 matlab, 期间发现了一个问题，是 matlab 代码的复用程度。 在面向过程编程里， 基本的复用单位是函数，程序的复杂度籍此下放到函数的接口上。设计好函数间的接口，基本上就成功了一半。在面向对象编程里， 基本的复用单位是对象，对象使得数据具有了一定程度的自维护。而在 matlab 里， 我很长时间都没有找到方向，因为我搞不清楚复用的单位是什么。 matlab 中，基本的单位是矩阵，针对矩阵系统有一大堆的函数供你调用。但是，想自己写程序还是有一定的麻烦 …
浅论函数式语言的环境，兼谈闭包
函数式语言与命令式语言的一个根本不同，就是下面这个两个数交换的例子居然是正确的： a=1 b=2 a,b=b,a print a ,b 输出 2 1 究其原因，是环境造成的。什么是环境呢？通俗点讲，你可以将环境看成是一个栈，栈单元的内容就是各个变量的值。可见，上述 a 和 b 赋值时的环境均是 a=1，b=2。再看一个 lisp 的例子： 设环境 r 为 r=( (X.(A B)) (Y.(C D))) 则 r((EXPR (X Y) (CONS X Y)) (CDR Y) (CAR X)) …
函数式语言与命令式语言的一个根本不同，就是下面这个两个数交换的例子居然是正确的： a=1 b=2 a,b=b,a print a ,b 输出 2 1 究其原因，是环境造成的。什么是环境呢？通俗点讲，你可以将环境看成是一个栈，栈单元的内容就是各个变量的值。可见，上述 a 和 b 赋值时的环境均是 a=1，b=2。再看一个 lisp 的例子： 设环境 r 为 r=( (X.(A B)) (Y.(C D))) 则 r((EXPR (X Y) (CONS X Y)) (CDR Y) (CAR X)) …
最近要跟函数式语言干一仗！
本来打算先征服 ML（meta language）的，结果可耻地失败了，并且归结为译者水平太低。 然后拿了本《Lisp 语言》回来看，语言很平实，的确比较适合我，可惜作者马希文教授已经作古了，天妒英才啊。 但是看完表之后还是卡住了，思维的转变的确不是一朝一夕的事。不过马教授比 ML 作者出色的地方，是开卷即讲述 s 表达式的概念，教你分清原子与 s 表达式。然后介绍简写法，流畅地引入了表的概念。而且表的描述非常生动（没有右支是非 nil 原子结束的 s 表达式），接下来的 …
本来打算先征服 ML（meta language）的，结果可耻地失败了，并且归结为译者水平太低。 然后拿了本《Lisp 语言》回来看，语言很平实，的确比较适合我，可惜作者马希文教授已经作古了，天妒英才啊。 但是看完表之后还是卡住了，思维的转变的确不是一朝一夕的事。不过马教授比 ML 作者出色的地方，是开卷即讲述 s 表达式的概念，教你分清原子与 s 表达式。然后介绍简写法，流畅地引入了表的概念。而且表的描述非常生动（没有右支是非 nil 原子结束的 s 表达式），接下来的 …
RBF、K-NN 与 Decisiontree
要做一个 classifier，的确不易。面对需要训练的 classifier，是否 training error 越少越好呢？显然不是，因为虽然 training error 降低了，但 test error 不见得就会降低，实际表现为一个拐点。如下图： 为了平衡 error 的权重，我们引入了额外的函数 lambda*，训练效果由 error 和 lambda* 共同评价。下面讨论一下 lambda 的取值： （存疑） 因此，我们采取多个函数综合评估的方式进行，即 RBF（radial …
要做一个 classifier，的确不易。面对需要训练的 classifier，是否 training error 越少越好呢？显然不是，因为虽然 training error 降低了，但 test error 不见得就会降低，实际表现为一个拐点。如下图： 为了平衡 error 的权重，我们引入了额外的函数 lambda*，训练效果由 error 和 lambda* 共同评价。下面讨论一下 lambda 的取值： （存疑） 因此，我们采取多个函数综合评估的方式进行，即 RBF（radial …
java 路径设置
这个问题简直是痛中之痛，为什么如此现代，标榜人性化的 java 居然会让我等在环境变量的设置上反复煎熬？！ 在 path 变量中 （没有则新建），添加 新建 CLASSPATH 变量 , 添加 文件名保存为 Hello.java，当前目录进入命令行，输入命令： javac Hello.java java Hello 今天花了差不多一个小时，正常编译通过，就是因为敲了 “java Hello.class”，所以一直报错 could not find main class program will …
这个问题简直是痛中之痛，为什么如此现代，标榜人性化的 java 居然会让我等在环境变量的设置上反复煎熬？！ 在 path 变量中 （没有则新建），添加 新建 CLASSPATH 变量 , 添加 文件名保存为 Hello.java，当前目录进入命令行，输入命令： javac Hello.java java Hello 今天花了差不多一个小时，正常编译通过，就是因为敲了 “java Hello.class”，所以一直报错 could not find main class program will …
最长公共子序列 --- 从动态规划说起
我比较不长记性，你要我马上写一个动态规划给你是比较有难度的。在我眼里，动态规划就是一个优化程序的手段，适合于有大量重复子计算问题的时候用，原理就跟缓冲有点像，把需要重复计算的东西都放进内存里，需要的时候通过索引之类的东西直接查询，节省重新计算的时间。 下面来看一幅图： 假设要从 A 到 H，在这个带权图中求最短路径。那么有： min(H)=min(min(F)+FH,min(G)+GH) min(F)=min(min(D)+DF,min(E)+EF) …
我比较不长记性，你要我马上写一个动态规划给你是比较有难度的。在我眼里，动态规划就是一个优化程序的手段，适合于有大量重复子计算问题的时候用，原理就跟缓冲有点像，把需要重复计算的东西都放进内存里，需要的时候通过索引之类的东西直接查询，节省重新计算的时间。 下面来看一幅图： 假设要从 A 到 H，在这个带权图中求最短路径。那么有： min(H)=min(min(F)+FH,min(G)+GH) min(F)=min(min(D)+DF,min(E)+EF) …
JavaScript 中的闭包
一看到闭包这个词，我就会想起线性代数中的封闭空间，也就是说，这个空间中的所有向量，无论经过何种运算，最终结果还是会落在该空间中。那么 JavaScript 中会不会也是类似的概念呢？ 我们来看一个定义： 所谓闭包，指的是一个拥有许多变量和绑定了这些变量的环境的表达式（通常是一个函数），因而这些变量也是该表达式的一部分。 这说明了，JavaScript 中的闭包是包含了上下文的函数，也就是说，这个函数的作用基础，是它所处的环境，这是不能超越的，跟线性代数是不是有一点似曾相识的感觉呢？ 换个角度看， …
一看到闭包这个词，我就会想起线性代数中的封闭空间，也就是说，这个空间中的所有向量，无论经过何种运算，最终结果还是会落在该空间中。那么 JavaScript 中会不会也是类似的概念呢？ 我们来看一个定义： 所谓闭包，指的是一个拥有许多变量和绑定了这些变量的环境的表达式（通常是一个函数），因而这些变量也是该表达式的一部分。 这说明了，JavaScript 中的闭包是包含了上下文的函数，也就是说，这个函数的作用基础，是它所处的环境，这是不能超越的，跟线性代数是不是有一点似曾相识的感觉呢？ 换个角度看， …
StandardML 语言（一）
在 Windows 平台下推荐使用 Moscow ML 解释器，主要是安装比较方便，其他有 Standard ML of New Jersey, 安装后需要设置环境变量（即 bin 目录所在位置）。 要引用系统模块，请使用 load “module”, 例如： -load “Math”; -Math 4.0; 函数名后需要空一格。 从 C/C++ 语言转来的同学，请多多练习 andalso 与 orelse，另外，条件表达式 if E then E1 else E2 else 部分必须存在（即 …
在 Windows 平台下推荐使用 Moscow ML 解释器，主要是安装比较方便，其他有 Standard ML of New Jersey, 安装后需要设置环境变量（即 bin 目录所在位置）。 要引用系统模块，请使用 load “module”, 例如： -load “Math”; -Math 4.0; 函数名后需要空一格。 从 C/C++ 语言转来的同学，请多多练习 andalso 与 orelse，另外，条件表达式 if E then E1 else E2 else 部分必须存在（即 …