原创 Ubuntu使用技巧

1. 設置軟件更新源:      默認的軟件更新源是美國的,速度較慢,可以切換到國內的鏡像源:      a. 打開Ubuntu Software Center;      b. 選擇Edit-->Software Sources;   

原创 STL常用算法

簡介 STL算法部分主要由頭文件, , 組成。要使用STL中的算法函數,必須包含頭文件,對於數值算法必須包含。中則定義了一些模板類,用來聲明函數對象(又名仿函數)。 STL中算法大致分爲四類: 不改變序列算法:指不直接修改其所操作的

原创 模板之特化與偏特化

C++模板 C++模板提供了對邏輯結構相同的數據對象通用行爲的定義。這些模板運算對象的類型不是實際的數據類型,而是一種參數化的類型。C++模板分爲類模板和函數模板那。 類模板示例: template <class T> class

原创 new、placement new、delete、placement delete

new表達式 c++提供了new關鍵字和delete關鍵字,分別用於申請和釋放內存空間,其中new表達式的語法如下: new new-type-id (optional-initializer-expression-list) new

原创 STL六大組件

STL提供六大組件、彼此可以組合套用: 容器(container):各種數據結構,如vector,list,deque,set,map用來存放數據。從實現的角度來看,STL容器是一種class template。 算法(algori

原创 機器學習公開課-筆記2-線性迴歸、梯度下降和正規方程組

迴歸分析: 是研究一個變量關於另一個(或一些)變量的具體依賴關係的計算方法和理論。 一些符號: m: 訓練數據的大小 x: 輸入變量,是向量 y: 輸出變量,是實數 (x,y): 一個訓練實例 x(i),y(i

原创 windows下git bash中文亂碼問題解決方法

進入git安裝目錄,通常是C:\Program Files (x86)\Git\ 1. 編輯etc\gitconfig文件,在文件末尾增加以下內容: [gui] encoding = utf-8 #代碼庫統一使用utf-8 [i18

原创 高通thermal-engine配置文件格式

         本文基於高通msm8939/8994平臺文檔及源碼。  說明文檔:                vendor/qcom/proprietary/thermal-engine/readme.txt;          源

原创 在windows7上安裝使用opengrok

單就代碼索引和瀏覽功能來說,opengrok比source insight要好用些。下面簡單記錄下在win7上怎麼安裝使用opengrok。 1.軟件安裝 1.1  安裝JDK 安裝: 下載地址:http://www.oracle.c

原创 python文件和目錄操作方法大全

一、python中對文件、文件夾操作時經常用到的os模塊和shutil模塊常用方法:1.得到當前工作目錄,即當前Python腳本工作的目錄路徑:os.getcwd() 2.返回指定目錄下的所有文件和目錄名: os.listdir() 3.

原创 obj-y, obj-m

obj-y += foo.o: 把由foo.c或者foo.s文件編譯得到的foo.o,並連接進內核 obj-m += foo.o: 表示該文件作爲模塊編譯 除了y,m以外的obj-x形式的目標則不會被編譯

原创 LINUX 手動建立SWAP文件及刪除

原文:http://blog.itpub.net/7728585/viewspace-670175/ 1. 確定swap文件的大小,單位爲M。將該值乘以1024得到塊大小。例如,64MB的swap文件的塊大小是65536。 2. 在

原创 MathWorks機器學習簡介-2

應用無監督學習 何時考慮無監督學習 無監督學習適用的場景是,您想要探查數據,但還沒有特定目標或不確定數據包含什麼信息。這也是減少數據維度的好方法。 無監督學習技術分類 絕大多數無監督學習技術是聚類分析的形式。 在聚類分析中,根據某些相似

原创 linux磁盤相關操作

查看哪些磁盤掛載着: sudo fdisk -l Disk /dev/sdd: 21.5 GB, 21474836480 bytes 255 heads, 63 sectors/track, 2610 cylinders, total

原创 MathWorks機器學習簡介-1

機器學習簡介 機器學習是什麼 機器學習教計算機執行人和動物與生俱來的活動:從經驗中學習。機器學習算法使用計算方法直接從數據中“學習”信息,而不依賴於預定方程模型。當可用於學習的樣本數量增加時,這些算法可自適應提高性能。 機器學習算法可從