grunt1223
- 浏览: 420082 次
- 性别:
- 来自: 杭州
-
最新评论
-
Iuranus：
“查询文本的64位simhash code的所有3位以内变化的 ...
我的数学之美系列二 —— simhash与重复信息识别 -
夜的那种黑丶：
博主，请教一个问题，我利用OpenCV3提取得到SIFT特征， ...
JAVA实现的Locality Sensitive Hash -
夜的那种黑丶：
最近要用到这方面的内容，楼主贴出的代码少了一些工具类吧，求一份 ...
JAVA实现的Locality Sensitive Hash -
wang_zhao：
博主您好 ，能否求一份该博文对应源码，在下学生狗一枚，非常感谢 ...
JAVA实现的Locality Sensitive Hash -
qwertykln：
博主，能不能发一份完整代码给我啊，我现在正在学习这个，邮箱：3 ...
JAVA实现的Locality Sensitive Hash
文章列表
我发现EA的游戏越来越对程序员/宅男的胃口了，呵呵……
回想第一次打红警，好像是初中的时候了
标签云或文字云是关键词的视觉化描述，用于汇总用户生成的标签或一个网站的文字内容。标签一般是独立的词汇，常常按字母顺序排列，其重要程度又能通过改变字体大小或颜色来表现。所以标签云可以灵活地依照字序或热门程度来检索一个标签。大多数标签本身就是超级链接，直接指向与标签相联的一系列条目。
互联网标签云（Tag Cloud）的概念最早由Stewart Butterfield在《Make a Flickr-Style Tag》一文中提出。在那些用户分享频繁的web2.0网站，比如Flickr、Del.icio.us和Technorati中得到了广泛的应用。
简要总结了一下，标签云的作用主要有以下三类：
...
在计算视觉的领域中，Pascal VOC Challenge 就好比是数学中的哥德巴赫猜想一样。Pascal的全称是Pattern Analysis, Statical Modeling and Computational Learning。每年，该组织都会提供一系列类别的、带标签的图片，挑战者通过设计各种精妙的算法，仅根据分析图片内容来将其分类，最终通过准确率、召回率、效率来一决高下。
这项活动从2005年开始，每年的样本数据库都有所不同：
YearStatisticsNew developmentsNotes2005Only 4 classes: bicycles, cars, motor ...
给定两个点p1与p2的坐标，确定这两点所构成的直线，要求对于输入的任意点p3，都可以判断它是否在该直线上。初中解析几何知识告诉我们，判断一个点在直线上，只需其与直线上任意两点点斜率都相同即可。实际操作当中，往 ...
局部敏感哈希——Locality Sensitive Hash是一种常见的用于处理高维向量的索引办法。与其它基于Tree的数据结构，诸如KD-Tree、SR-Tree相比，它较好地克服了Curse of Dimension，能够将KNN的时间复杂度缩减到sub-linear。LSH多被用于文本、多媒 ...
招聘成为了最近整个部门的大事，也成为我绩效考核的一个重要指标。当然，为了完成指标，动员了一切力量来找来简历面试。在此期间，猛然发觉，对工作、职场又有了新的理解。
最近我所收录的3-9年JAVA工作经历、架构师或 ...
2011年，工作重点集中在图片方面，主要包括以下几个方面：
图片质量的提高，水印样式的优化
图片存储优化
图片特征提取、近重复图片检索、物件识别检索
上述研究成果希望能有更多产品、专利的产出
学习方面，主要期待以下方面的成长：
Lucene
Java Advanced Image
一些图像特征提取的算法：SIFT、SURF、MSER等
一些高维向量量化的处理方法：Approximate Kmean Cluster、Locality Sensitive Hash、min-hash、PCA等
命题一：
已知的1000个整数的数组，给定一个整数，要求查证是否在数组中出现？
命题二：
已知1000个整数的数组，给定一个整数，要求查找数组中与之最接近的数字？
命题三：
已知1000个Point（包含X与Y坐标）结构的数组，给定一个Point，要求查找数组中与之最接近（比如：欧氏距离最短）的点。
命题四：
已知1,000,000个向量，每个向量为128维；给定一个向量，要求查找数组中与之最接近的K个向量
对于命题一，如果不考虑桶式、哈希等方式，常用的方法应该是排序后，使用折半查找。
对于命题二，与命题一类似，比较折半查找得出的结果，以及附近的各一个元素，即可。整个过程相当于是把这个 ...
从输入图象到信息获取之间存在着巨大的认知空白，其间需要经过一系列十分复杂的信息处理和理解过程。想象一下，在火车站，我们可以从茫茫人群中精确地找出要迎接的伙伴，这远非现在的机器学习、搜索引擎所能解决的。这再次证明人类视觉系统的强大。对人类视觉过程本质的认识，乃是揭开机器视觉进步的关键。对计算机而言，所有的输入均是矩阵，机器视觉的目的，就是要从这些矩阵中获取有用的信息。
计算机对图像内容的识别，按照难度、应用场景、所使用方法的不同，可以划分为三类：
1、近重复图片检索，主要是查找同源图片的不同版本（光照、旋转、缩放、模糊、logo、水印等、裁剪）
2、场景图片检索，又称物件识别检索，主要是查找在不 ...
这个问题来源于StackOverFlow：
http://stackoverflow.com/questions/1846225/java-priorityqueue-with-fixed-size
为方便各位阅读，我把楼主的问题贴出来：
引用
Hi folks,
I am calculating a large number of possible resulting combinations of an algortihm. To sort this combinations I rate them with a double value und store them in Prior ...
Kmean Cluster是一种机器学习中常用的无监督分析方法，例如，在最近的项目中，要从数以百万、千万计的高维图像特征中提取具有代表性的视觉词，就用到了此类技术。
Kmean并不是一种高效的算法，理论可以证明，在欧几里得空间中的Kmean问题是NP-Hard（即使聚类数仅为2）。假设单个向量维度为d，向量数为n，目标聚类数为k，则算法的时间复杂度=n^(dk+1)*logn。
kmean的示意图如下：
一些启发式的算法对Standard Kmean的效率进行了优化，常见的包括：
基于最大期望的算法（EM algorithm）：采用概率的方式将输入向量分配到各个聚类当中（而非Stan ...
作为东野的成名作，以及乱步小说的获奖作品，这部小说的确没有让我失望。东野的小说，想来给人一种平凡中见真谛的感觉，开始总感觉挺平淡的，最后被当头棒击，这种感觉相当震撼。《放学后》应是一部兼具本格以及社会量大流派特色的小说，既不似岛田庄司那般强调诡计、凝造悬疑气氛，也不想松本清张那样完全抛弃推理手法；更值得一提的是东野细腻的描述人物心理手法，尤其是女性，这一点在《嫌疑人犯X的献身》以及《圣女的救济》中也可见一斑。
《放学后》作为密室杀人，并不见得十分出彩，但其对杀人动机的诠释确实相当精辟，任何在外人看来的小事都可以当做杀人动机。当初乱步奖评审委员中曾有人表示该小说“杀人动机缺乏说服力”，但从我看来 ...
首先我得承认，关注tesseract-ocr， 是冲着下面这篇文章的噱头去的，26行groovy代码破解网站验证码
http://www.kellyrob99.com/blog/2010/03/14/breaking-weak-captcha-in-slightly-more-than-26-lines-of-groovy-code/
当然，看了之后才知道，原来是调用了三方库tesseract-ocr……
http://code.google.com/p/tesseract-ocr/
尽管如此，本着邓爷爷的“不管白猫黑猫，能抓住老鼠的就是好猫”的原则，趁着假期也开始了“文字识别”的初级研究
...
注：本文的主要参考资料为结城浩所著《JAVA多线程设计模式》。
单线程执行模式（Single Threaded Execution Pattern）是最简单的多线程设计模式，几乎所有其他的模式都在不同程度上应用了该模式。先看一个程序，通过它可以体验多线程程序无法正确执行的场景，这里所写的是个关于“只能单个通过的门”的程序：有三个人频繁地、反复地经过一个只能容许单人经过的门，当人通过门的时候，这个程序显示出通过人的“姓名”与“出生地”，其代码如下：
public class Gate {
private int counter = 0;
private String nam ...