用Google Gadgets API为Pattern Recognition Online写了一个iGoogle的小工具, 代码部分很简单就是加载swf文件, 服务器用的还是GAE. 下面给出了添加到iGoogle的链接, 默认窗口比较小, 最大化之后可显示完整界面.

Google AdSense

在本站投放Google广告也有一个半月左右了, Google Adsense的分析报告如下图. 基本上大部分的点击来源于我自己, 闲的时候就点两下, 也不敢多点, Google对于恶意点击是有惩罚的, 轻则降低点击单价, 重则将站点标记为垃圾站点, 所以有一种黑站方法就是连续的点击一个站点的广告(一天100次或更多). 而每天少量的自点击, 相信Google也是支持的, 毕竟Google得靠广告的点击去向发布商收钱. 除了我自己的点击, 剩余的点击我相信应该来源于光临本站的访客的误操作, 而误操作的原因很有可能是鼠标坏了, 因为一个正常人是绝对不会点击广告的. 在这个广告的世界里, 除了广告还是广告, 无论你是在地铁上、公交车上抑或是在洗手间里, 它都能强奸你的视听, 而如果遇到的是恒源祥之类的极品, 那杀伤力就更大了. 所以大多数人遇到广告, 避之犹不及更何况点击了, 而所谓的提高广告点击的做法无非都是在增加访客误操作的几率而已.

Blog – 无可替代

记得有人问过我为什么还在写博客, 当时很装X的说, 哥写的不是博客, 哥是在输出文化. (笑) 我承认自己在说出这番话的时候也喷了, 没办法, 研究生教育就是让你学会怎样把一个简单的东西串联上一堆专业名词说得貌似高深的样子, 显然我还不到家. 其实写博客的目的很纯粹, 就是很随意的写自己的东西, 也不在乎有没有人看, 只要有我一个观众就足够了, 而如果有人觉得写得还不错, 分享一下抑或是做个评论, 可能会让我觉得有一丝成就感.

Hit Counter

GFW的是非

“Facebook的原罪是它能让人认识想认识的人. Twitter的原罪是它能让人说出想说的话. Youtube的原罪是它能让人证明需要证明的现实. 而Google的原罪是它能让人知道想知道的东西.” 前几天GFW再次发威, 使刚发布不到5天的Google问答夭折. 不过Google问答被封印, 多少没有出乎大家的意料, 据说刚上线就有人跑去问”GCD什么时候下台”, 也有人揣测此人是ZF的托, 不过我看也未必, 所谓”禁之愈甚, 求之愈切”, 或许只是憋的太久而且又翻墙无门罢了. 这个事情告诉我们在天朝, 你不但不能知道得太多, 也不要问得太多. 不过GFW的存在也有一定的好处, 就是它为中国IT业的复制模式起到了推波助澜的作用, 像贸易壁垒一般阻挡了Facebook, Youtube, Twitter等web应用, 保护了国内的IT市场. 而带来的负面效应似乎更严重, 我们的民族逐渐丧失创新能力, 这不只是在IT领域, 也包括音乐、文学创作等其他方面. 国内IT业的模式就是复制, 黏贴, 本土化, 就如魔兽世界把毒药改成药膏, 刺客换成潜行者差不多, 国内IT企业之间的差距只是在复制的功力上罢了. 不过这也无可厚非, 想起了”硅谷海盗”中Steve Jobs说的话.

PS: 最近咖啡喝多了, 神经衰弱

很怀念硕士毕业前的我，每天都能很充实地做事情，从一早做到很晚，不知疲倦。现在，虽然也是从一早做到很晚，但效率极其低下，中间总被各种事情打断。有些事情是天上掉下来的，我不得不被打断，但更多的是我自找的，比如周期地check mail，check reader，check bbs，check blog，check cms，check renren，check 241……今天又加上了一个check buzz。天天就在check和reply中度过大半时间，效率当然低下了。 | 转自Sunner’s Blog

最近这段时间做事情的效率真的很低下, 在sunner的博文中找到这么一篇, 发现和现在自己的状态惊人的相似, 每天在check和reply中浪费了很多的时间, 都已经是web2.0向web3.0迈进的时代了, 而我却还在以web1.0的方式check更新, 轮询的效率可想而知. 最近在chrome里添加了一个renren的工具(迷你人人), 导致check renren的次数更频繁了. 看来是时候戒除一下网瘾了, 在工作时间除了GTalk, 屏蔽其他聊天工具和无聊站点.(包括本站)

PS: 前几天安装了人人网开发者的应用, 准备在PROnline所有功能完善后发布到人人上.

前几天在校内上分享了一个”十二星座的编程语言”的帖子, 虽然我不信宿命论和星座论, 也不是语言论者, 不过看到了这种帖子, 还是会把作者的谬论和自己做比对, 不巧的是往往又是那么符合, 哥的世界观崩溃了.

按照SB作者的谬论, 哥被映射到了Matlab(射手座), 不得不说Matlab在做科学计算方面的确很好很强大, 大部分的算法先通过Matlab验证结果, 然后再翻译成其他语言的版本, 不过我对Matlab一直没兴趣, 不知道为什么, 深层次的原因有待进一步发掘. 而Python(天秤座)才是我的…

讲了一堆废话, 发现和题目完全不搭调. 现在开始进入正题, 本篇将使用python的科学计算包NumPy实现主成分分析(PCA)降维方法, 为PROnline系统所使用的特征提取方法之一.(未完成)

PROnline将是一个使用Google App Engine + Flex实现的在线模式识别系统, 最初将实现简单的手写数字识别, 以构建和确定系统的框架, 然后可能会扩展到手写汉字和公式的识别上. (to be continued…)

在发布version0.1之前, 总结一下现在遇到的各种问题:

1. 手写数字样本库的存储. 手写数字样本库来自”The Mnist Database of handwritten digits”, 它包含60,000条训练样本和10,000条测试样本, 本打算把所有样本数据存储到GAE的datastore中, 但datastore数据查询有1000条的限制, 多少让人有点蛋疼, 那就直接以文件的形式保存在服务器上吧.

2. 训练模型的存储. 在GAE服务器上不允许写文件, 所以算法模型的训练过程不能在GAE服务器上进行, 只能先在开发端生成所有算法的训练模型, 然后把整个工程上传到服务器.

3. 手写数字与样本库的数据粗细度不同(如下图). 在目前使用的naiveBayes识别算法下, 不对输入数据做任何处理的话识别率惨不忍睹, 就像国家统计局公布的数据一样扯淡. 人为将输入数据描粗后, 识别率提高了很多. 所以为了使输入手写数字和数据库中的样本有大致一样的粗细度, 需要做Dilation-Erosion(膨胀-腐蚀)操作, 现在的问题是对输入数据做膨胀操作(Flex)呢, 还是对样本数据做腐蚀操作(Python)?

]]> http://icesorrow.wordpress.com/2010/07/03/pattern-recognition-online/feed/ 0 icesorrow input副本 sample副本 http://icesorrow.wordpress.com/2010/06/22/%e4%bd%bf%e7%94%a8python%e5%81%9a%e7%ae%80%e5%8d%95%e8%a7%84%e5%88%99%e7%9a%84%e6%96%87%e6%9c%ac%e8%bf%87%e6%bb%a4/ http://icesorrow.wordpress.com/2010/06/22/%e4%bd%bf%e7%94%a8python%e5%81%9a%e7%ae%80%e5%8d%95%e8%a7%84%e5%88%99%e7%9a%84%e6%96%87%e6%9c%ac%e8%bf%87%e6%bb%a4/#comments Tue, 22 Jun 2010 15:46:00 +0000 icesorrow http://219.223.240.153/lihao/?p=43433 ]]>

当报文内容很多时为了方便用户选择查看有意义的报文, 可以对报文进行过滤. 支持用户输入需要过滤的字符的关键字. 比如输入要过滤的关键字为”nMcuAdrs=0×10301″. 那么对于nMcuAdrs=0×10301的报文则不显示, 仅显示满足关键字过滤规则的报文. 当需要有多个要过滤的关键字时, 需要支持一下的规则:

1. 与 key1 and key2, 表示既要满足关键字key1也要满足关键字key2.
2. 或 key1 or key2, 表示只要满足key1或者kye2任一即可.
3. 支持与和或的组合, 与的优先级高于或. 比如 key1 and key2 or key3, 表示只要满足key1、key2, 或者key3即可
4. 括号的优先级高于and. 比如 key1 and (key2 or key3), 表示满足key1并且满足key2、key3中任一即可.

每一个关键字都用双引号括起来, 比如输入过滤的字符为”nMcuAdrs=0×10301″ and “CmdCode = 0x11ab”, 表示既要满足nMcuAdrs=0×10301也要满足CmdCode = 0x11ab.

上述规定的and、or、()语法和python的算术表达式的语法是一样的, 再结合python的eval函数和正则表达式能够很简单的解决上述文本过滤问题.


import re
def multiple_match(text, message):
def match(string):
return str(bool(re.search(string.group(1), message)))
pattern = re.compile("\"([^\"]*)\"")
return pattern.sub(match, text)

1. text是过滤规则表达式, message是需要过滤的文本(eg. text=”\”hello\” and \”world\”", message=” icesorrow, hello!”)

2. 先从text中提取被双引号引用的keyword, 然后用keyword去message中匹配, 返回一个布尔值的字符串

3. 通过这个函数处理之后会得到 “True and False”(是个字符串), 再使用eval函数就可以得到结果了, 包含括号的语法同样也可以处理

再引入异常处理, 对eval的表达式做语法分析, 以纠正用户输入的文本过滤表达式, 最后的版本如下:


import re
def multiple_match(text, message):
def match(string):
return str(bool(re.search(string.group(1), message)))
pattern = re.compile("\"([^\"]*)\"")
return eval(pattern.sub(match, text))

if __name__=="__main__":
text = "\"hello\" and (\"world\" or \"haolee\")"
message = " haolee, hello!"
try:
print multiple_match(text, message)
except SyntaxError:
print "syntax error: check filter expression"

]]> http://icesorrow.wordpress.com/2010/06/22/%e4%bd%bf%e7%94%a8python%e5%81%9a%e7%ae%80%e5%8d%95%e8%a7%84%e5%88%99%e7%9a%84%e6%96%87%e6%9c%ac%e8%bf%87%e6%bb%a4/feed/ 0 icesorrow http://icesorrow.wordpress.com/2010/06/21/%e5%85%b6%e5%ae%9e%e4%bb%80%e4%b9%88%e4%b9%9f%e4%b8%8d%e6%98%af/ http://icesorrow.wordpress.com/2010/06/21/%e5%85%b6%e5%ae%9e%e4%bb%80%e4%b9%88%e4%b9%9f%e4%b8%8d%e6%98%af/#comments Mon, 21 Jun 2010 15:10:28 +0000 icesorrow http://219.223.240.153/lihao/?p=43429 ]]>

以前让人捧的多了, 渐渐的认为自己是个什么东西

实际上呢? 啥也不是

一向不喜欢依靠别人, 习惯了单枪匹马, 渐渐的完全不会teamwork了

对自己过分的自信, 加上做事拖沓的习惯, 是这次mission failed的主因, 而且身为队长, 没有为全队制定明确的计划, 协调全队的合作更是失责.

——–我在此向两位队友道歉

http://www.google.com/calendar/embed?title=World%20Cup%202010%20South%20Africa&showCalendars=0&mode=WEEK&height=600&wkst=2&bgcolor=%23FFFFFF&src=rp57smf89rsb1hgo09abvq1mhg%40group.calendar.google.com&color=%23B1440E&ctz=Asia%2FShanghai&dates=20100607%2F20100613