天堂左岸8023

摘要： 对于完全由后台定制的控件，并不是很方便其他人的使用，因为我们常常需要看到控件放到xml界面上的效果，并根据效果进行布局的调整，这就需要一个更加标准的控件制作流程： 我们的自定义控件和其他的控件一样,应该写成一个类，而这个类的属性是是有自己来决定的。 我们要在res/values目录下建立一个attrs.xml的文件，并在此文件中增加对控件的属性的定义。 使用AttributeSet来完成控件类的... 阅读全文

摘要： 一款优秀的移动应用需要具有自己独特统一的风格，通常情况下UI设计师会根据产品需求和使用人群的特点，设计整体的风格，界面的元素和控件的互效果。而原生态的Android控件为开发人员提供的是最基本的积木元素，如果要准确地传递统一的视觉效果和交互体验，对控件的自定义使用是非常有必要的。Android开发也... 阅读全文

摘要： 在复杂Android应用的开发中，资源文件的规范命名非常重要，能帮助设计人员和开发人员减小沟通成本。资源的名字尽量力求准确，可以适当长一些，但换回的价值是值得的。关于WCC的Android开发，资源文件命名规范（v_0.1版）如下：根据Android官方SDK显示：资源文件只能以小写字母和下划线做首... 阅读全文

摘要： Android自动的SensorManager使用起来已经很方便，但由于一些情况我们希望对其中的功能进行封装：只使用个别的sensor，功能相对单一要对sensor返回的raw data进行算法处理方可使用程序中多处频繁调用禁用sensor的数据由于项目需要在很多页面调用手机的方向信息，故而对sen... 阅读全文

摘要： 这篇文章主要内容来自于之前我讲的一个PPT文档，现在将其整理如下。欢迎指正。以下的内容都是来自于我自身的经验，欢迎大家多提自己的建议。 1、一些概念 模式的定义： 每个模式都描述了一个在我们的环境中不断出现的问题，然后描述了该问题的解决方案的核心。通过这种方式，你可以无数次地使用那些已有的解决方案，无需在重复相同的工作。 什么是设计模式？ 设计模式是在某种特别的情况下，针对某种问题的某种... 阅读全文

摘要： 感谢Blog主要从这里翻译过来：对于技术领域众多的预测工具，决策树是其中比较普遍和容易理解的，而决策树中又以分类树和回归树为主要方法，这边文章主要介绍一下他们的使用条件以及算法上的不同之处。不同点1： 分类树主要用于将数据集分类到响应变量所对应的不同类别里，通常响应变量对应两类0 or 1. 如果目标变量对应了2个以上的类别，则需要使用分类树的一个扩展版C4.5（很popular）。然而对于一个二分类问题，常常使用标准的CART算法。不难看出分类树主要用于响应变量天然对应分类的情况。 回归树主要用于响应变量是数值的或者连续的，例如预测商品的价格，其适用于预测一些非分类的问题。【注意：预测源.. 阅读全文

摘要： 因为博士的研究方向最近确定下来会是图像检索相关（希望不会再有变化了），故而决定从最基础的Human Behavior开始着手，首先弄明白人在进行信息获取（Information seek）过程中具体的行为是怎样，会特别是对于网络信息获取过程中的倾向性选择是如何的，评判的标准是怎样的。1. 人类在进行信息搜索的过程中，满足“最省事原理”（principle of least effor），一旦找到还可以接受的结果后，信息搜索的行为就会离开停止。这也是目前search engine的基本原理，满足人类search寻找最相关信息的需求。注意：最相关信息是可以接受的结果的一部分，但不是全部，例如当有相 阅读全文

摘要： 本文转载了文章（沈阳的博客），目的在于记录自己重复过程中遇到的问题，和更多的人分享讨论。程序包：猛戳我物体分类物体分类是计算机视觉中一个很有意思的问题,有一些已经归类好的图片作为输入,对一些未知类别的图片进行预测。下面会说明我使用OpenCV实现的两种方法，第一种方法是经典的bag of words的实现；第二种方法基于第一种方法，但使用的分类方法有所不同。在此之前，有必要说明一下输入的格式，输入训练数据文件夹，和CalTech 101的组织类似。如下所示，每一类图片都放在一个文件夹里，文件夹的名字就是类别的名字，不需要特别的说明文件。test/ category1/ im... 阅读全文

摘要： 主要参考维基百科Bag of Word在DLP领域里，bow(bag of word)是一个稀疏的向量，向量的每个元素记录词的出现次数，相当于对每篇文章都关于词典做词的直方图统计。同样的道理用在computer vision领域，图像由一些基础的特征构成，每幅图像就是对这些特征的一个统计分布，在做图像分类时会假设相似图像他们的特征统计分布也符合一定的模型。于是从这句话里就可以把以bow模型的图像分类问题分解成以下几步：1.1 特征检测； 1.2 特征描述；1.3码本生成（bow向量）2.1 生成模型（Generative model）2.2 判别模型（Discriminate model）1. 阅读全文

摘要： 终于有时间把这篇博客给补上了，理论知识我会在另外一片数学知识中讲到。写了一个静态的方法，GPU实现的方便并不难（比起来DirectCompute里的复杂配置，amp的确提供了异常方面的接口）。具体代码见下，我会做一些讲解。View Code static void HoughFitPlanGPU(float* pXData, float* pYData, float* pZData, int count, PlanParameters& planParam) { concurrency::array_view<const float, 1> xdata(count, pXD 阅读全文