摘要: GNU C的一大特色(却不被初学者所知)就是__attribute__机制。__attribute__是用来设置函数属性(Function Attribute)、变量属性(Variable Attribute)和类型属性(Type Attribute)。__attribute__书写特征是:__attribute__前后都有两个下划线,并切后面会紧跟一对原括弧,括弧里面是相应的__attribute__参数。__attribute__语法格式为:__attribute__ ((attribute-list))其位置约束为:放于声明的尾部“;”之前。1 设置函数属性(Function Attri 阅读全文
posted @ 2013-02-25 14:43 J_Outsider 阅读(488) 评论(0) 推荐(0) 编辑
摘要: VA_LIST 是在C语言中解决变参问题的一组宏他有这么几个成员:1) va_list型变量:#ifdef _M_ALPHAtypedef struct { char *a0; /* pointer to first homed integer argument */ int offset; /* byte offset of next parameter */} va_list;#elsetypedef char * va_list;#endif2)_INTSIZEOF 宏,获取类型占用的空间长度,最小占用长度为int的整数倍:#define _INTSIZEOF(n) ( (sizeof( 阅读全文
posted @ 2013-01-19 13:06 J_Outsider 阅读(1426) 评论(0) 推荐(0) 编辑
摘要: 对大多数不从事Linux平台C语言开发的人来说,GNU gcc的一套工具和Linux平台的共享库的使用还是十分陌生的,其实我也不太熟悉,姑且写点基础知识,权当做备忘吧。 一、GNU gcc的编译工具用法我们先来写一个简单的C程序:hello.c#include <stdio.h> void print_hello() { printf("Hello World\n"); } int main(int argc, char argv[]) { print_hello(); return 0; }定义了一个print_hel... 阅读全文
posted @ 2012-12-29 18:58 J_Outsider 阅读(1225) 评论(0) 推荐(0) 编辑
摘要: 前段时间由于收集视频数据的需要,自己捣鼓了一个YouKu视频批量下载的程序。东西虽然简单,但还挺实用的,拿出来分享给大家。 阅读全文
posted @ 2012-04-11 20:06 J_Outsider 阅读(9519) 评论(0) 推荐(2) 编辑
摘要: BBF(Best Bin First)是一种改进的k-d树最近邻查询算法。 阅读全文
posted @ 2012-04-08 18:19 J_Outsider 阅读(14039) 评论(0) 推荐(4) 编辑
摘要: 上一篇较详细地介绍了k-d树算法。本文来讲解具体的实现代码。 阅读全文
posted @ 2012-04-05 01:19 J_Outsider 阅读(7042) 评论(10) 推荐(2) 编辑
摘要: k-d树(k-dimensional树的简称),是一种分割k维数据空间的数据结构。主要应用于多维空间关键数据的搜索(如:范围搜索和最近邻搜索)。 阅读全文
posted @ 2012-04-02 18:27 J_Outsider 阅读(92559) 评论(15) 推荐(22) 编辑
摘要: 今天在用OpenCV实验Image Pyramid的时候发现一个奇怪的问题,就是利用C++函数imread读取图片的时候返回的结果总是空,而利用C函数cvLoadImage时却能读取到图像。 阅读全文
posted @ 2012-03-26 18:38 J_Outsider 阅读(104539) 评论(12) 推荐(5) 编辑
摘要: 一直想找个时间来学Python,这次遇到一个收集网页信息的任务,终于可以给自己个借口来学学了。一开始还觉得又要重新学习一门新语言是很麻烦的一件事。后来被我应证了Python真的很简单(当然这是建立在你能顺利搭好环境,找到对应的模块才,环境配置网上到处都是,我在这就不多说了) 下面就通过我这个简短的例子来向大家展示一下Python的美吧: 程序任务:收集视频网页上视频的缩略图,保存到本地文件。 环境:Eclipse+PyDev 版本:Python3.2.2+BeautifulSoup4import urllib.request,sysimport itertools,refrom b... 阅读全文
posted @ 2012-03-07 23:12 J_Outsider 阅读(838) 评论(1) 推荐(1) 编辑
摘要: MAP(Mean Average Precision):单个主题的平均准确率是每篇相关文档检索出后的准确率的平均值。主集合的平均准确率(MAP)是每个主题的平均准确率的平均值。MAP 是反映系统在全部相关文档上性能的单值指标。系统检索出来的相关文档越靠前(rank 越高),MAP就可能越高。如果系统没有返回相关文档,则准确率默认为0。例如:假设有两个主题,主题1有4个相关网页,主题2有5个相关网页。某系统对于主题1检索出4个相关网页,其rank分别为1, 2, 4, 7;对于主题2检索出3个相关网页,其rank分别为1,3,5。对于主题1,平均准确率为(1/1+2/2+3/4+4/7)/4=0 阅读全文
posted @ 2012-02-25 20:35 J_Outsider 阅读(30249) 评论(3) 推荐(4) 编辑