segment

今日学习内容概览： 今天主要阅读了一篇论文 Temporal Segment Networks：Towards Good Practices for Deep Action Recognition（时间片段网络面向深度动作识别的良好实践） ，这篇ECCV2016的文章主要提出了TSN（temporal segment network）结构，被用来做视频的动作识别。TSN可以看做是双流（Two stream）系列的改进（ 双流网络——论文链接 ）。改论文主要解决了以下两个问题： 如何对长时间视频进行行为判断。 处理数据量少的问题，如何防止过拟合现象。 来源： https://www.cnblogs.com/somedayLi/p/12261644.html

某些大型的蓝牙音箱需要通过点位器调节高低音，高低音调节有硬件调节和软件调节两种方式，软件调节方式是通过调节内部软件eq的方式实现调节频点 低音：80~100HZ 高音10KHZ。 一、通过eq工具调节然后生成对应数组。 const int Seg1Coeff[][9][5] = { //154Hz Low Shelf Q=0.7 }; const int Seg2Coeff[][9][5] = { //90Hz Low Shelf Q=0.7 //segment_2 -12db { {2059346,-1010940,1034485,-2087398,1038993,},//44100 {2022547,-974636,1020892,-2077392,1029499,},//22050 {1951782,-905776,995111,-2056647,1010779,},//11025 {2062380,-1013947,1035611,-2088200,1039769,},//48000 {2028460,-980447,1023068,-2079035,1031036,},//24000 {1963035,-916640,999179,-2060083,1013797,},//12000 {2045316,-997059,1029288,-2083644,1035393,},

，中文文本分类流程： 预处理 中文分词 结构化表示-构建词向量空间 权重策略—TF-IDF 分类器 评价. 二，具体实现 预处理 1.1 打标签： 对评论数据打好标签，这里将汽车评论数据分为正面和负面两类。假设负面标签为0，正面标签为1. 1.2 整理数据集： 一般可分为训练集，验证集和测试集。为什么要这么分，这篇博文给了浅显的解释：训练集、验证集和测试集的意义本试验将数据分为训练集和测试集两类。 1.3 得到训练集预料库： 例如，训练集文本的路径：train_data/train_positive.xlsx , train_data/train_negtive.xlsx… 1.4 得到测试集语料库： 例如，测试集文本的路径：test_data/test_negtive.xlsx , test_data/test_positive.xlsx… 2 中文分词 2.1 概述 第1节预处理中的语料库都是没有分词的原始语料（即连续的句子，而后面的工作需要把文本分为一个个单词），现在需要对这些文本进行分词，只有这样，才能在基于单词的基础上，对文档进行结构化表示。 中文分词有其特有的难点（相对于英文而言），最终完全解决中文分词的算法是基于概率图模型的条件随机场（CRF），CRF的原理我们不细说了，直接调用中文分词的工具，这里用的是python第三方分词库jieba(所采用的算法就是条件随机场)

这是从网上看到的两篇博客感觉挺好的就转过来，留作复习的材料。 转载来源：http://www.cnblogs.com/superbin/archive/2010/08/02/1790467.html 线段树(interval tree) 是把区间逐次二分得到的一树状结构，它反映了包括归并排序在内的很多分治算法的问题求解方式。 上图是一棵典型的线段树，它对区间[1,10]进行分割，直到单个点。这棵树的特点 是： 1. 每一层都是区间[a, b]的一个划分，记 L = b - a 2. 一共有log2L层 3. 给定一个点p，从根到叶子p上的所有区间都包含点p，且其他区间都不包含点p。 4. 给定一个区间[l; r]，可以把它分解为不超过2log2 L条不相交线段的并。 其中第四点并不是很显然，图8.1显示了[2, 8]的分解方式，深灰色结点为分解后的 区间，浅灰色结点是递归分解过程中经过的结点。为了叙述方便，下面称树中的结点 所对应的区间为树中区间。 　　从第3点和第4点可以得出结论：修改一个点只用修改log2 L个树中区间信息，而统计一个区间只需要累加2log2 L个树中区间的信息，且访问的总结点数是O(log L)的。两个操作都很容易实现。 　　动态统计问题I 有一个包含n个元素的整数数组A，每次可以修改一个元素，也可以询问某一个区间[l; r]内所有元素的和。如何设计算法

概要 本篇我们来看看shard内部的一些操作原理，了解一下人家是怎么玩的。 倒排索引 倒排索引的结构，是非常适合用来做搜索的，Elasticsearch会为索引的每个index为analyzed的字段建立倒排索引。 基本结构 倒排索引包含以下几个部分： 某个关键词的doc list 某个关键词的所有doc的数量IDF（inverse document frequency） 某个关键词在每个doc中出现的次数：TF（term frequency） 某个关键词在这个doc中的次序 每个doc的长度：length norm 某个关键词的所有doc的平均长度 记录这些信息，就是为了方便搜索的效率和_score分值的计算。 不可变性 倒排索引写入磁盘后就是不可变的，这样有几个好处： 不需要锁，如果不更新索引，不用担心锁的问题，可以支持较高的并发能力 如果cache内存足够，不更新索引的话，索引可以一直保存在os cache中，可以提升IO性能。 如果数据不变，filter cache会一直驻留在内存。 索引数据可以压缩，节省cpu和io开销。 doc底层原理 前面提到倒排索引是基于不可变模式设计的，但实际Elasticsearch源源不断地有新数据进来，那光是建立、删除倒排索引，岂不是非常忙？ 如果真是不停地建立，删除倒排索引，那ES压力也太大了，肯定不是这么实现的

> 本文由 JavaGuide 读者推荐，JavaGuide 对文章进行了整理排版！原文地址：https://www.wmyskxz.com/2019/07/17/kafka-ru-men-jiu-zhe-yi-pian/ ， 作者：我没有三颗心脏。 # 一、Kafka 简介 ------ ## Kafka 创建背景 **Kafka** 是一个消息系统，原本开发自 LinkedIn，用作 LinkedIn 的活动流（Activity Stream）和运营数据处理管道（Pipeline）的基础。现在它已被[多家不同类型的公司](https://cwiki.apache.org/confluence/display/KAFKA/Powered+By) 作为多种类型的数据管道和消息系统使用。 **活动流数据**是几乎所有站点在对其网站使用情况做报表时都要用到的数据中最常规的部分。活动数据包括页面访问量（Page View）、被查看内容方面的信息以及搜索情况等内容。这种数据通常的处理方式是先把各种活动以日志的形式写入某种文件，然后周期性地对这些文件进行统计分析。**运营数据**指的是服务器的性能数据（CPU、IO 使用率、请求时间、服务日志等等数据)。运营数据的统计方法种类繁多。 近年来，活动和运营数据处理已经成为了网站软件产品特性中一个至关重要的组成部分

链接:https://codeforces.com/problemset/problem/1284/C 题意：定义一个framed segment，在区间[l,r]中，max值-min值 = r - l。求有1-n 组成的序列中，所有framed segment的个数%m 思路：组合数学推一个结论。例如假设1到n组成的序列中，求长度为k的framed segment，那么其一段序列的最大值 - 最小值 = k，例如n = 5,k = 3，这些framed segment 必定是 1 2 3 或者2 3 4 或者 3 4 5，可以观测到其长度为k的framed segment必定是连续的，可以把他们单独算一个整体，这样序列总体长度变为n - k + 1，内部长度为k，内部组合种类就是k!个，总体组合种类就是(n-k+1)！，长度为k的framed segment种类又是（123，234，345）n - k + 1种，所以长度为k的framed segment 最终答案就是(n-k+1)*(n-k+1)!*k!，预处理一下阶乘即可。 AC代码: 1 #include<iostream> 2 #include<cstdio> 3 #include<cstring> 4 #include<algorithm> 5 #include<vector> 6 #include<queue> 7

1、将文件当做直播送至live ffmpeg -re -i localFile.mp4 -c copy -f flv rtmp://server/live/streamName 2、将直播媒体保存至本地文件 ffmpeg -i rtmp://server/live/streamName -c copy dump.flv 3、将其中一个直播流，视频改用h264压缩，音频不变，送至另外一个直播服务流 ffmpeg -i rtmp://server/live/originalStream -c:a copy -c:v libx264 -vpre slow -f flv rtmp://server/live/h264Stream 4.将其中一个直播流，视频改用h264压缩，音频改用faac压缩，送至另外一个直播服务流 ffmpeg -i rtmp://server/live/originalStream -c:a libfaac -ar 44100 -ab 48k -c:v libx264 -vpre slow -vpre baseline -f flv rtmp://server/live/h264Stream 5、将其中一个直播流，视频不变，音频改用faac压缩，送至另外一个直播服务流 ffmpeg -i rtmp://server/live/originalStream