1亦歌
http://www.1g1g.com
个人感觉这个网站比较炫酷，总会实现这样的效果：一天不经意地点开，突然发现一首天籁之音。酷酷的界面，感觉十分时尚。在实验室网路比较好的时候，基本上很流畅。
问题在于，似乎没有聚类算法或者学习算法分析出users的喜好，只是简单随机罗列歌曲。
2songtaste
http://www.songtaste.com/
这个网站基本上走得是类似douban的歌曲推荐模式。基于假设：大家认为好的那就是好的。不过个人感觉很多事情包括对于音乐的口味，反倒不如douban上那些精英人士推荐的有趣符合我的胃口。
3Midomi
http://www.midomi.com/
这个网站走得是技术路线。不过感觉有些单一。比较有趣的地方在于，通过随意哼
古语言：三个臭皮匠，顶个诸葛亮。很早就想过通过组合弱分类器来实现一个强分类器的问题。当学习到线性分类器以及著名的决策树之类分类器后，很容易联想到高中时代线性规划里面对不少区域的划分。要是能够找到一种方法，组合这些简单的直线方程，不就可以实现“山寨诸葛亮”的理想？
实际上，在Kearns和Valiant在1989年大作中指出了这种算法的可行性。而后，Freund在1990年以及他和Schapire在1994-1996年提出了boosting整个算法思路，似乎这种算法走到了实际应用的开端。然而直到AdaBoost被viola在其人脸识别系统中运用(2001Viola和Jones)，这种方法才彻底开始暴火。在NIPS会议tutorial中，也可以看到Schapire神采奕奕的样子了。
Adaboost实际具体解决了两个问题：
怎么处理训练样本？
在AdaBoost中，每个样本都被赋予一个权重。如果 某个样本没有被正确分类，它的权重就会被提高， 反之则降低。这样， AdaBoost方法将注意力更多 地放在“难分”的样本上。
怎么合并若分类器成为一个强分类器？
强分类器表示为若干弱分类器的线性加权和形式， 准确率越高的弱学习机权重越高。
算法介绍：
机器配置：
Intel T2080 1.73GHz 双核
内存1.5G
操作系统Windows XP sp3
Matlab 2008b （Matlab 7.7.0）
测试程序：
% Purpose :
% Caculate the squares from 1 to 10 000 in the region of int
clear all
clc
maxcount=1;
% runing period
tic;
% using tic/toc to record the time cost.
for jj=1:maxcount
end
ave1=(toc)/maxcount; %direct caculating way without pre defining array
maxco
干干净净地回家了，虽然行囊里面总是会有些瑟瑟的奖状或者纪念品，但是我知道家人需要的不是这些。按某些理论来说，一年一次的面对面的沟通实在是杯水车薪，一句话“抱歉，你讲得笑话我听不懂耶”。
在那依旧潮湿依旧冰冷的株洲站外，吃了美食城的碗热气腾腾的米粉，算是到家后和煜一起的庆祝。总得来说，家乡的饭菜永远是那么的可口，家乡的妹子看上去也别样的标致吧。虽然潮湿，但是我再也不用洗完脸摸些乱七八糟的东西；虽然冰冷，但是来来往往的礼物和饭菜已让我热起来。
然 而，一来二去，我发现了。其实父母已经不再风华正茂，家乡现代化进程中的阵痛让每六个人中有一个多是下岗或者是失业，难怪那备置年货中匆匆过往的人群中鲜 见笑脸，那寒暄过后往往是对生活的抱怨或者感叹。一句春节快乐，新年快乐，或许快乐才是最关键的。可是，本命年中的我或许刚刚才做到修身--不用家里大把 大把钞票。可以自己掏钱，去看场赤壁下、看场疯狂的赛车。可是，想想省吃简用的家人在我要走的最后一天，大把给我硬食物、红包还有希望，我在想我啥时候能 给他们带来满足、带来快乐呢？
早起的鸟儿有虫吃，废话
那个笑话原来是说： 在堪萨斯城有幸听到 80 多高龄的于牧师讲道。他说一年轻人要和一女孩处对象，不知如何和人接洽。于是牧师建议，说圣诞节快到了，你不如买一礼物送她吧。年轻人买了礼物送去，结果被轰走，原来他送了人家一百斤米。女孩说：你当我是饭桶？年轻人改口说：这米是送你哥的。女孩怒不可遏：骂我哥饭桶！你哥才饭桶！你给我把米背回去！！！年轻人只好把米背走，边走边骂自己饭桶。
其实说白了，还是那个“如果你只有一把锤子，你看见的所有将是钉子”。我最近老是中着魔咒般的日子，似乎也开始走上这个路线。不过也许走多了也就好了，就像当年刚刚待北京一年，回家发现开始不适应方言全部的环境一样，总想和人说普通话，回北京又想和人说方言。 末了，为了打发自己在看论文写码累了能有东西陪伴，顺便买了只冰河世纪的抱了只大榛子的松鼠为伴。
motivation
为啥呢？
Introduction
无他，看看是否体温曲线在24小时内有高有低。
discussion and results
按powerful sleep的讲法，白天要有日光照、要有体育锻炼，晚上要有黑屋。注意什么时候入睡，而不是什么时候起床。控制好每天睡觉睡下和起来的时间符合4个周期长度。当然这个周期人人不同。
Sponsored by [模式识别@格致轩 ]http://hi.baidu.com/bittnt
１、一言蔽之
http://hi.baidu.com/bittnt/blog/item/eaccf7541712cd5cd0090634
自负就是惯于吹嘘自己的长处，同情或嘲笑他人的不足，做成功的白日梦，追忆成功往事，厌倦批评自己的谈话，乐于与杰出人物交往而吝于与平凡人物交往。
Gilbert Ryle， The Concept of Mind 1949
２、啥叫风险？
最近的日子里面充满了令人兴奋愉悦的地方，终于弄明白了：
什么叫好？怎么说是好呢？那就是风险最小才是好。
３、我的时间还长着呢？
有的时候总是习惯在新闻和新鲜事情中点来点去，生命在以某个指数模型般地消失，而手头的工作越来越多，多到自己不想动它。ＯＫ，其实看看自己以前的旧文章，原来是这样：
http://hi.baidu.com/bittnt/blog/item/7ef9d7fa1d2928deb58f310d
看看书，喝喝茶，写写字。
这 也许就是普林斯顿的天才们不竭的灵感来源。那个java大概也是这么出来。可惜我
Motivation
不知道有不有这种现象：
买到或借到本书，开始兴致勃勃，一发不可收拾地读下去。结果书上的习题很多都没怎么看，那些公式也好，流程图也罢，不就那么简单，嗯，懂了！其实，当翻过来仔细自己不看答案提示，完成一些题目的时候可能备受打击，那种打击迅速消食阅读理解后快感 。。。于是为了追求完成的快乐，为了追求理解的满足，我们逐渐放弃了做题。想起来的知识，不过翻翻，你看，我这不挺明白的嘛？
看完书，往往就觉得很多想法，很多话，似乎就在嘴边，就在脑子里，却就是不能以流畅的方式表达而出。真要让你用书上讲述的知识解决一些实际问题，却往往感觉无从下手。
Introduction
如果看书尤其是专业和经典的书能和看报纸，读新闻一般愉快，那么我们都可以成为圣人了，马上就看到上帝了(传说中清教徒都是为了接近上帝才搞科研).可是，翻开随机过程也好，还是红楼梦，你真的能够明白？
往往到了考试尽头，似乎通过海量题目的训练，就像愚蠢的反馈的神经网络突然变得灵气肆
问题的疑点是：
只有一个支撑点的东西怎么可以保持直立？对于真实物理世界，这个似乎是不可能事件。
另外，如果那个角度α小于90度，显然这个杆子不可能是无穷的。
考虑到无穷这个情况，或许根本就是不存在的。另外关于漂浮的描述，个人觉得也不是很精确，也许平行的东西也会在|
标签：豆子 |
分类：图像处理、计算机视觉 |
用人民群众喜闻乐见的形式说，那就是：你想去了解地面上一个奇怪的图形的面积，作为农民的你抓起手上袋子中豆子，撒向这个形状。保证豆子铺满面积，同时没有重叠。如果你的豆子足够小，豆子又没有越界或者重叠，ok你可以通过计算出撒出的豆子数量来估计图形的面积。
这算是最通俗的比喻。当然大忽悠就此满足。我不是，所以我不满足。
通过wiki，继续mining。
我手头一幅图像被污染了，有噪声。就此假定这个是加性噪声的话，那么由随机公式出发，我可以得到一个似然函数描述这个画。ok，这算是从贝叶斯中抽象出f(观察到的画 | 原来的画)。
当然我知道原来那幅画大该是啥，那么从贝叶斯出发可以假定有个Ising的模型作为先验知识，就是我能够提前知道的东西。这个东西就是那幅画大致的分布情况。算是我可以知道，f(原来的画)。
那我怎么来认识这个被污染的画呢？尤其是那些污染？常识告诉我，应该
f(原来的画|观察到的画)=f(观察到的画|原来的画)。
这样我就可以把我的原画从被污染的东西里面找到。
用认识论的知识，可以知道，这个形式化的表达
