daweibalong-CSDN博客

Continuation与CPS（Continuation Passing Style）的理解

Scheme是最早支持Continuation的语言，而Continuation对于初学者来说还是比较难以理解的，以下是我在学习TSPL中Continuation和CPS相关章节时的一些理解。更多Scheme、Continuation、CPS的相关知识到http://www.scheme.com/tspl4/ 查找学习。* Continuation一个表达式的c...

2013-06-05 17:14:08 388

关于Common Lisp的hot update（热更新）

CL的热更新也算是其一大特色了，配合着slime和swank就可以带来不同的编程体验！下面我们就来感受一下它的神奇之处。看下面代码： (defun show (i) (print i))(defun main () (loop for i from 1 to 1000 do (show i) (sleep 1))) 程序结果会是...

2013-04-22 15:06:30 211

pycurl初体验-利用pycurl产生post请求：上传文件

最近有个事情，需求是发送post请求到web服务器，达到文件上传的目的，这个当然是有原因的，因为那个网站没有做批量上传，而需要上传的东西又太多……好了，废话不多说，进入正题：这样的小事情当然还是用python来写比较简单快捷，用到http请求最直接的方式是用标准库里面的urllib和urllib2，但不能满足这次的需求，因为文件上传要将form表单的method设置成multipart/for...

2012-12-14 21:03:25 1386

原创 DV算法模拟，仅供参考

这周网络实验看着孩子们那么苦逼，我真是不忍心，不过还是有比较牛的孩子，老人家落后了啊。因为前几天比较忙，一直再搞论文的实验，所以也没亲自动手做一下，今天刚好有兴致，简单做一下吧，DV算法的简单模拟，没有动态加节点，还有一些问题没有考虑，代码略乱，仅供参考。 /*================================================================...

2012-11-25 19:07:54 1689

Common Lisp状况系统(condition system)的学习和理解

• 状况系统是这样的：底层代码产生状况---》中层代码制定多种恢复策略-》上层代码处理并选择中层的恢复策略• 将从错误中恢复的代码与决定选择如何恢复进行分离，也就是说，错误恢复方法在底层提供了，选择哪个进行恢复的选择权交给高层函数。• 状况系统使得我们在写底层功能函数时只关注函数功能即要完成的事情，而对于错误的恢复方法都在中下层提供，高层拥有最后的选择权。另外，状况系统使得我们在遇...

2012-11-09 18:03:19 319

Machine Learning系列实验--支持向量机SVM

理论部分见：http://www.cnblogs.com/biyeymyhjob/archive/2012/07/17/2591592.html http://blog.csdn.net/sunmenggmail/article/details/7445035 //这个版本的代码仅可以算是初步实现，一些代码优化还有停止条件的选择还有待改进。#include &lt...

2012-11-04 16:31:22 122

初步理解common lisp 宏定义中常用到的反引用与逗号间的关系

在宏定义里面，会经常出现 “`” “,” 的嵌套使用，比较难于理解，下面是书上比较基础的理解：“`“”,”的作用域应该在于他们各自后面紧跟的括号内，直接上例子。例如：`(a ,(loop for i in '(1 2 3) collect `(,i (+ 1 2)))) 第一个“`”对应整个后面的括号，可以看到，在loop语句的括号前面用“,”解开了第一个反引用，...

2012-10-04 17:11:32 161

原创 Machine Learning系列实验--感知机学习

感知机时二分类的线性分类模型，其目的就是寻找通过训练将实例划分为正负两类的分离超平面，其采用的策略是根据现有的超平面和输出值来识别出误分类点，也就是说y*（w*t+b)<=0,并采用随机梯度下降的方法不断修改参数，直至没有误分类点。其实质是最小化误分类点到超平面的距离总和。具体感知机学习的具体算法，包括原始形式和对偶形式。实验采用的是《统计学习方法》中的例2.1： 1）原始形...

2012-08-28 00:12:09 263

随机算法--Las Vegas算法--大数因子分解--Pollard Rho启发式算法（python版）

'''Created on 2012-3-10@author: daweibalong'''from random import randintf=[]def gcd(m,n): if n>0: return gcd(n,m%n) return mdef isPrime(n): if n...

2012-08-24 10:23:18 771

随机算法--Las Vegas--大数因子分解--Pollard Rho启发式算法（c++版）

随机算法里的大数因子分解（Pollard Rho启发式算法)，vc++6.0中实现，写的时候测的数比较小，只用了int，懒得改了，再用的时候再改成更大的数据类型：001 #include<iostream>002 #include<vector>003 #include<algorithm>004 #include<cmath&g...

2012-08-24 10:15:49 323

后缀数组的python模拟--编程珠玑 15.2

今天看了编程珠玑第15章字符串的前两节，对于后缀数组这玩意很感兴趣（以前学的太少了），对于15.2节的求给定文本输入的最长重复子串的问题，顺着作者的思路和其网站（ http://netlib.bell-labs.com/cm/cs/pearls/index.html ）上的代码，用c语言实现了一下，网站上代码如下：#include <stdlib.h>#include ...

2012-08-24 10:11:04 185

关于ctypes调用dll时的参数类型和返回值类型问题

python 调用dll时，一般要指定参数类型和返回值类型:import ctypesll=ctypes.CDLL("pythontest3.dll")path= ctypes.c_char_p("C:\Users\Public\Pictures\Sample Pictures\\a.jpg")path2= ctypes.c_char_p("C:\Users\Publi...

2012-08-24 10:08:04 1553

原创 Python调用C/C++初步

测试库要求做到全部自动化--动态添加新的计算图像指标可以直接不用重写底层java程序……这段时间在学Python，由于Python的ctypes可以试python轻松调用动态链接库，从而调用c/c++程序，于是想到可以在添加指标的时候有管理员再上传相关方法的dll或so文件，由Python进行调用新的指标计算方法进行重新计算。不知效果如何，先测试简单的调用:1、编写test.c...

2012-08-24 10:05:07 86

Machine Learning系列实验--SoftMax Regression

SoftMax回归可以用来进行两种以上的分类，很是神奇！实现过程实在有点坎坷，主要是开始写代码的时候理解并不透彻，而且思路不清晰，引以为戒吧！SoftMax Regression属于指数家族，证明见（ http://cs229.stanford.edu/notes/cs229-notes1.pdf 及http://ufldl.stanford.edu/wiki/index.php/Sof...

2012-08-23 18:15:20 121

Machine Learning系列实验--Logistic function解决分类问题

分类问题的值是离散的，区别于之前的线性回归问题。本次采用Logistic回归来解决分类问题，实验还是参考了pennyliang的http://blog.csdn.net/pennyliang/article/details/7045372#comments。Logistic回归问题的,写出likelihood function，目标是使得l（）最大化。可采用梯度上升方法进行迭代...

2012-08-23 18:13:13 85

Machine Learning系列实验--参数theta的数学求法

梯度下降方法通过学习样本不断修改theta值，使得h(x)不断拟合，今天实验的是一种数学的方式来进行theta值的确定，目的跟之前是一样的，求J(θ)达到最小（极小）值，那么有：令上式等于0，得：下面用昨天的实验进行验证：from numpy import * x=mat('[1,1,4;1,2,5;1,5,1;1,4,2]')y=mat('[19,26...

2012-08-23 18:10:53 209

Machine Learning系列实验--梯度下降（批量梯度，随机梯度）

看了3集斯坦福大学的机器学习课程，很有意思，开始着手回顾以及一些代码的实现，这次做的是批量梯度下降以及随机梯度下降。讲义在 http://cs229.stanford.edu/notes/cs229-notes1.pdf1）批量梯度下降： 2）随机梯度下降：实验内容借鉴了pennyliang 在CSDN上的博文http://blog.csdn.net/pennyliang/article/d...

2012-08-23 18:08:13 184