??
改编自下面是证明链接（英文）
http://algoviz.org/OpenDSA/Books/OpenDSA/html/HuffProof.html
====================
设buildHuff是创建哈夫曼树的函数。
引理1：给定W = {w1, w2, w3...,
wn} (n >= 2), 以此集合构建相应的哈夫曼树。令wi, wj 是W中权重最...
分类：
其他好文 时间：
2014-11-18 13:35:03
阅读次数：
350
最近迷上了Nginx,真实麻雀虽小,五脏俱全..功能实在强大..nginx不单可以作为强大的web服务器，也可以作为一个反向代理服务器，而且nginx还可以按照调度规则实现动态、静态页面的分离，可以按照轮询、ip哈希、URL哈希、权重等多种方式对后端服务器做负载均衡，同时还支持后端服务器的健康检查。...
分类：
其他好文 时间：
2014-11-17 17:13:15
阅读次数：
118
一、基于图模型的推荐在不考虑标签时，基于二项图有两种随机游走的图推荐算法：1.probability spreading 随机游走算法，在游走中，每个目标得到权重是基于归属者的边计算出来的。每次传播(item->user->item)后用户Ui的兴趣向量：$$f_j^p=\sum_{l=1}^{n}...
分类：
其他好文 时间：
2014-11-17 15:44:44
阅读次数：
182
算法主要考虑四方面：标题中词语与正文中其他词的关系；句子的长度；句子的位置（一般文章的第二句比第一句要重要，作者往往在这里引入关键要点）；如果文章所在网站某些词出现更频繁，这些词要加权重。一般自动摘要比较常用的一个是摘取文章中的关键词，另一个则是摘取文章中的关键的句子extrank算法-句子的摘取t...
分类：
编程语言 时间：
2014-11-16 22:51:09
阅读次数：
225
SimHash算法：simhash算法的输入是一个向量，输出是一个 f 位的签名值。为了陈述方便，假设输入的是一个文档的特征集合，每个特征有一定的权重。比如特征可以是文档中的词，其权重可以是这个词出现的次数。 simhash 算法如下：1，将一个 f 维的向量 V 初始化为 0 ； f 位的二进制数...
分类：
编程语言 时间：
2014-11-15 11:16:40
阅读次数：
167
人群分类模型
根据用户人群数据记录，建立人群属性分类模型，根绝用户特点，将用户标记为特定类别。据此进行精准定向服务，并进行效果评估。主要分类方法：
1.采用模糊数学综合判定理论，构建关系矩阵，判定类别属性的映射关系。采样真实数据，模拟真实数据分布，统计属性取值的概率分布，作为概率的估计值，另外，将广告类别的点击次数作为权重矩阵R。构建映射关系公式：
R是关系矩阵，W是出现次数矩阵，C是计...
分类：
其他好文 时间：
2014-11-14 19:44:38
阅读次数：
222
css层叠规则及各个选择器的特殊性。1、有！important的规则的权重要高于没有的，有!important的规则优先级最高。2、按特殊性对规则进行排序，各个选择器的特殊性为：内联样式（即在html中声明的css）的特殊性为：1000 ID选择器的特殊性为：100 类属性值（class）、伪类（....
分类：
Web程序 时间：
2014-11-13 22:22:50
阅读次数：
217
以下是Ogre的代码中的详细说明：Renderable是OGRE中所有可渲染对象的抽象接口这个接口抽象出了在渲染管线中的被分组的离散的可渲染对象基本的方法。此接口的实现类必须是基于单一的材质、单一的世界矩阵（或者是一组通过权重混合的世界矩阵），以及单一的渲染操作。通过这个说明，应该能明确的是，Ren...
分类：
其他好文 时间：
2014-11-12 22:29:32
阅读次数：
252
1.1、以下选择器当中权重值最高的是（ ）A、#box .innerB、.a .b .c .d .e .f .g .h .i .j .k .l .m .n .o .p .qC、#box divD、outer .inner1.2、a标签的四个伪类是（按照正确顺序书写）：a:link; 、 a:vis....
分类：
Web程序 时间：
2014-11-10 17:10:09
阅读次数：
795
这段时间在学习css和div，顺便把博客给整了一下，然后不小心就上了FFandIE模板使用排行榜第一，happy一下下。不知道这个算不算排名，还是随机刷新。感觉应该是按流量统计的，这段时间有几篇文章一天可以带来两三百ip，出乎意料，没特意做过优化和外链，只能说博客园的权重太高了，一般的随笔10分.....
分类：
移动开发 时间：
2014-11-08 11:42:01
阅读次数：
250
