原创 HTTP(GET和POST訪問URL) -- wininet

string CNet::GetUrlHost(string strUrl) { string strRtn; if(strUrl.empty()) return ""; int length = strUrl.length()

原创 Kaldi在虛擬機裏面安裝

虛擬機: Ubuntu 14.04     Ubuntu下載地址   gcc 建議安裝4.8以上版本 ,登陸最好是root, 廢話不多說,開始,首先安裝虛擬機,  虛擬機安裝  , 完成的示意圖,快捷鍵Ctrl+Alt+t打開終端:

原创 C++ STL 源碼分析

點擊打開鏈接

原创 UE破解版安裝

UltraEdit64位破解版下載 :http://download.csdn.net/download/hq354974212/9799445 激活前:必須斷網 激活步驟:(以下圖片沒有正常顯示,請點擊進去,就可以看見) 1.

原创 機器學習筆記三 - 局部加權迴歸、最小二乘的概率解釋、邏輯斯蒂迴歸、感知器算法

第3個視頻的筆記如下,主要的內容包括局部加權迴歸、最小二乘的概率解釋、邏輯斯蒂迴歸、感知器算法

原创 HTTP -- KeepAlive

1、什麼是Keep-Alive模式? 我們知道HTTP協議採用“請求-應答”模式,當使用普通模式,即非KeepAlive模式時,每個請求/應答客戶和服務器都要新建一個連接,完成 之後立即斷開連接(HTTP協議爲無連接的協議);當使用Kee

原创 SourceTree 免註冊

最近忙着公司項目,用到了git,客戶端使用sourcetree來管理代碼,老版本的source用起來卡,所以下載了新版本sourcetree,截圖一下 這裏在下載安裝sourcetree到簡單,但是安裝打開後會提示你Atlassian

原创 新的方向

換到一家新公司後,學習方向完全改變了,原來是做C++(前端吧),現在要開始學習Linux和Kaldi了,同時還是要學習shell和python,機器學習和深度學習,可能也要學習統計,總之,這次的工作方向會是很有意思的,也是需要自己多下功夫

原创 機器學習筆記七 - 最優間隔分類器、原始/對偶問題、svm的對偶問題

本篇筆記針對ML公開課的第七個視頻,主要內容包括最優間隔分類器(Optimal Margin Classifier)、原始/對偶問題(Primal/Dual Problem)、svm的對偶問題,都是svm(support vector m

原创 機器學習筆記八 - SVM(Support Vector Machine,支持向量機)的剩餘部分。即核技法、軟間隔分類器、對SVM求解的序列最小化算法以及SVM的一些應用

本篇對應斯坦福公開課的第8個視頻,主要講述了SVM(Support Vector Machine,支持向量機)的剩餘部分。即核技法(Kernels)、軟間隔分類器(softmargin classifier)、對SVM求解的序列最小化算法

原创 機器學習筆記一二 - 線性規劃 梯度下降 正規方程

這裏的筆記是對應斯坦福大學機器學習公開課,吳恩達老師所講的,這裏的筆記也是非原創,我自己也在不斷學習! 第1-2個視頻的筆記如下,主要的內容包括線性規劃、最小二乘法,求解最小二乘法的梯度下降算法與正規方程組算法。

原创 機器學習筆記六 - 樸素貝葉斯的多項式事件模型、神經網絡、支持向量機的函數間隔與幾何間隔

本篇筆記針對斯坦福ML公開課的第6個視頻,主要內容包括樸素貝葉斯的多項式事件模型(MultivariateBernoulli Event Model)、神經網絡(Neural Network)、支持向量機(Support Vector M

原创 字符串和編碼(ASCII 、Unicode、UTF-8)

計算機只能處理數字,如果要處理文本,就必須先把文本轉換爲數字才能處理。最早的計算機在設計時採用8個比特(bit)作爲一個字節(byte),所以,一個字節能表示的最大的整數就是255(二進制11111111=十進制255),如果要表示更大的

原创 機器學習筆記 (一) 監督學習、無監督學習

監督學習(Supervised Learning) 在監督學習中,給定一組數據,我們知道正確的輸出結果應該是什麼樣子,並且知道在輸入和輸出之間有着一個特定的關係。這麼說可能理解起來不是很清晰,沒關係,後面有具體的例子。 監督學習的分

原创 TCP/IP -- 物理層

物理層是TCP/IP 網絡模型的第一層,它雖然處於最底層,卻是整個通信系統的基礎, 正如高速公路和街道是汽車通行的基礎一樣。理層爲設備之間的數據通信提供傳輸媒體及 互連設備,爲數據傳輸提供可靠的環境。 目錄 物理層功能 物理層關心的內容