解决word中分栏与脚注的冲突

2011 年 11 月 28 日 工具 5 Comments 被围观 627 次

word中存在很令人头疼的一个问题，就是在页面插入分节符进行分栏后，在前一节插入脚注后会将下一节挤到下一页。解决办法呢要分情况讨论了（以下均以word2007说明）。

Read More

管理好你的论文

2011 年 10 月 30 日 科研 7 Comments 被围观 1,105 次

论文读的多了，如何管理好一大堆论文就成了个问题。我的情况是这样的，平时使用两台机器，实验室里的机器是ubuntu系统，自己的笔记本是windows 7系统，经常是在这台电脑把A文章读了一半，换到另一台电脑时继续读A时，不得不重新下载或手工的拷过去，前面作的注释也丢了，甚是麻烦。一开始还勉强忍受着，但忍受的结果就是越来越麻烦，经常搞不清读过的论文在哪台机器上。最终，还是找了一个自认为不错的解决方案：SpiderOak+Jabref+Evernote。

Read More

Structured Learning和Structured SVM的学习（下）

2011 年 10 月 06 日 科研 1 Comment 被围观 935 次
  • 经验损失不为0的情况

在上面的部分中，经验损失为0意味着我们得到了一个完全符合训练样本要求的discriminative function f，即\(\forall ({x_i},{y_i}),f({x_i}) = {y_i}\)。然而，多数时候，我们无法得到满足前面式子中所有约束的可行解。因此，我们还是借鉴SVM 的思想，在优化问题中加入松弛变量，这样就使模型不必完全拟合训练集中的样本，从而得到下面的优化问题：

Read More

Structured Learning和Structured SVM的学习（上）

2011 年 09 月 23 日 科研 5 Comments 被围观 1,440 次

以前就听说过Structured Learning，但只知道其大体的概念。听师兄说现在用的挺多的，于是前一段时间断断续续的看了有关这方面的一些资料，在此总结一下。

在利用机器学习方法建模时，我们往往是寻找一个映射函数 f：X -> Y，将输入X 映射为输出Y。输入X的形式是多种多样的，但在“常规”的机器学习方法中，输出Y是一个number或者一个label，比如分类、回归、分布密度估计的各种方法。而Structured Learning中，Y不再局限在一个number，而可以是complex structured object，比如说是一副image，一个image region，一个label sequence，或是parse tree 等等。个人感觉，structured learning使我们能更加直接的解决问题，它提供了一种框架是我们能直接得到具体问题中想要的输出。理论上，感觉你可以把任何输出都作为一种结构。

Read More

对Kernel Method的一点理解

2011 年 08 月 30 日 科研 3 Comments 被围观 1,863 次

对于kernel的概念，之前有所了解，但还是很模糊。最近看了一篇相关的tutorial——“Kernel Method in Computer Vision”，作者是Christoph Lampert（cvpr2008 best paper得主）。文章写得清晰流畅，读后对核方法以及SVM有了更深的理解，收获颇丰。

Read More

PProcess：一个Python中的并行计算模块

2011 年 08 月 16 日 技术 1 Comment 被围观 842 次

当我们处理大量数据时，很多情况下，多个任务之间是相互独立并且可以同时进行的。当多个处理器可用时，我们也希望能利用并行计算技术充分利用硬件资源，提高效率。

在Python中，有多种选择来实现并行计算。在前一段时间的实验中，我分别尝试了两个并行计算库：Parallel Python和PProcess。两者都是Python中进行分布式计算的开源模块，能够将计算压力分布到多核CPU上。对于前者，优点是网上有很多介绍其使用的资源，包括这片中文的Tutorial；但缺点是，使用相对复杂，比如在使用时必须自己处理模块间的依赖关系。在实验中，我最终选择了PProcess这个并行计算模块，它最大的优点就是使用简单，同时从实验过程中来看，计算效率也是挺高的。

Read More

过去的两个月

2011 年 08 月 14 日 生活 Leave a comment 被围观 581 次

转眼间，距离上篇博文已有两个月的时间。我还没想好如何写下这段日子，它就这么匆匆溜走了。

Read More

Structured SVM

2011 年 06 月 09 日 科研 3 Comments 被围观 1,240 次

最近看东西，接触了一些有关Structured SVM的研究应用。 Structured SVM可以理解为对传统SVM的一种扩展。所谓structured，是体现在svm的output上。传统的svm的输出是单变量，比如预测class label或者regression value等等。而structured svm允许学习一个分类器来产生structured output label。比如说可以用在句子分词上，输出是句子分词后的结构。还有用在排序上，输入是查询和相关的文档，输出的是这些文档的一个ranking。

Read More