序进的图书主页-查字典图书网

2012-01-27

1.目标导向。

2.学会思考。忙碌不一定有效率。理清内在关联，寻找问题根源。正确的分析判断和选择有时比努力更重要。

3.瓶颈导向。TOC制约理论（发现并改进系统瓶颈）。资源是有限的，要用在刀刃上。君子有所为，而有所不为。持续优化。

4.常规管理。马克·吐温说，常识其实一点都不平常。打破常规，找出不合理的假设因素。敢于挑战权威。

5.化繁为简。无论看起来有多复杂，所有的情况都能成为可被快速改善的对象。复杂的系统往往都存在着内在的简单性。

关键词：依存关系、统计波动、关键链

注：TOC是“Theory of Constraints”的缩写

什么都要讲事实

2012-02-03

分享我学到的三个最重要的东东：
　　
1.一切以事实为基础。
不要盲目地相信经验和直觉，也不要畏惧事实，更不要寻找事实去支撑你的假设，一切都要实事求是！所以要大胆假设，小心求证（细细体会这句话）。
　　
2.太阳底下没有新鲜事。
要懂得利用前辈的成果，不做重复劳动。
　　
3.不要妄想烧干大海。
理清手头需要优先解决的事情，努力的边际收益是递减的，要适可而止，不要吹毛求疵。

读过老庄的果然不同

2013-09-09

主要看了前三编，尤其是“第三编关于创造力与独创性”里的那三篇演讲。

> 直觉是一种敏感。与其说铲除矛盾，倒不如说在整体中发现和谐。

> 直觉与大胆的想象是抽象的补充。

> 假设存在一种什么事物是一个人所不能理解的，他偶尔注意到了这一某物和他理解得很清楚的另一事物的相似性，他通过将两者比较就可以理解他在此刻之前尚不能理解的那一事物。如果他的理解是恰当的而且还不曾有别的人得到这样的理解，那么他就可以宣称他的思维确实是创造性的。

> 创造力需要打破。

> 如果一个人想得到创造力，重要的一点就是要全力以赴埋头干一件事，而不要管其他乱七八糟的东西。换言之，需要的就是那种不达目的绝不罢休的韧性。表现出创造力的物理学家们，通常是以非凡的韧性从事一个特殊课题的研究。他们大多数都有某种理想、某种影象或某种幻想，他们非常顽强地抱住这种东西不放。
有韧性地干一件事情，这本身就意味着一个人知道自己心里有某种矛盾。心里没有某种矛盾就不可能有研究，事实上，这就是研究的本质。换句话说，这个人心里有某个地方是黑暗的、朦胧的、模糊的和迷惑的，因而他就努力在其中寻找光明。于是，一旦当他找到了一线光明，他就努力一点一点地扩大它，逐步驱散黑暗。我认为，这就是创造力显示的典型过程。

> 习惯和模仿会阻碍创造力。

> 逻辑的有效性：演绎逻辑和归纳逻辑都相当不可靠。实际上，科学的发展是通过一连串大胆的越轨行为来实现的，这些越轨行为包括从一些比较不充分的数据和一些本身并不怎么精确的测量结果中发现一条简单的定律。换句话说，这里所指的归纳逻辑包括着比忠实地复制经验更多的什么东西。这是一种从特殊到一般的飞跃，只有发生了这种飞跃，才可能有所发现。

> 在学术研究中，我们必须借助“语言”之类的中介来理解。实际上，没有某种中介，我们就无法理解。事实只是事实，为要突破这一点，就必须把不同的事实收集在一起以产生新的东西，为了说明许多不同的东西的总体“结构”，人们就必须引用概念和定律。创造力就存在于汇总事实以产生新东西的这种工作中。

> 要理解困难事物，可以和更容易理解的事物进行比较。一般来说，我们实际上从来不能只按照一个事实自己来理解这个事实，相反地，我们画表，或者用语言表达它，或者用数学公式来表达它。总之，在任何情况下，我们都是把它比喻成某种别的东西。从狭义上来说，这就是类比。

> 同志社大学的市川龟久弥教授曾经把信息分成两种不同的类型，分别称之为“数字信息”和“概念信息”。

> 等同确认：我觉得没有哪一种关于创造性的理论能够不把类比当作自己的出发点。在实践中，遥远过去的所有思想家都依靠类比来发展任何名副其实的意念。现在我倒认为，在任何关于创造力的考虑中，基本的东西都是叫做“等同确认"的那一智力功能。我并不是想暗示等同确认就等于创造力，但是我确实相信，等同确认两件事物为基本相同的能力在人类智力中具有决定性的意义。

Erlang的设计理念确实很强

2013-09-30

【数据类型篇】

数字(integer + float)和原子(atom)是最基础的常量，说它们最基础，是因为它们没有结构。数字可以计算，原子不可以计算(只能进行比较)。Erlang支持任意长整数的计算，浮点数的计算精确到小数点后16位数，你可以理解为1/(10^16)就是所谓的“1”，在此基础上的任意“长整数”的计算。

元组(tuple)和列表(list)是建立在数字和原子的基础上，有一定结构的常量，你说是数字和原子的结构也对。tuple把固定数目的item聚集在一起，类似C中的array或struct，而list把不定数目的item聚集在一起，类似C中的stack，我们很容易在开头添加或删除item，而保持list类型不变。正因为如此，我们可以用tuple模仿list，从某种程度说，list不过是tuple细分出来的一个常用的结构形式罢了，但在实现上性能可能进行了优化。tuple可以嵌套，类似C中的tree，list也可以嵌套，但是现实意义不是很大。
记录(record)之于元组(tuple)，就好比字符串(string)之于列表(list)。记录是元组的变种，本质上还是元组，字符串是列表的变种，本质上还是列表，它们都是为了更好的可读性而产生的。record在tuple的基础上，对每个item进行命名(关键字与值一一对应)，而无需频繁地在tuple中插入原子增加可读性，这样可以节省大量的成本；string在list的基础上，限制每个item只能是printable character对应的整数，不论是输入字符串还是输出字符串，都变得更加人性化了。至于string为什么不是tuple而是list，可能是因为字符串处理，list相对于tuple来说更加灵活。

在Erlang中，“变量”并不是通常所说的变量，它一旦赋值就不能修改，就好比取名字一样，我们管这个人叫“张三”，就不能等下又管另一个人叫“张三”，这样我们沟通起来就不会产生误会，同样，在Erlang中，进程之间为了沟通起来不会产生误会，一旦“变量”指代了某个常量，它就不能指代为其他常量。所以Erlang的“变量”叫做名字更加贴切，而所谓的“赋值”与其说是一次性赋值，不如说是绑定，而绑定后调用=操作就叫匹配，叫好比有个新的名字，刚开始大家都没有用它来指代某个人，第一次使用=操作后，这个新的名字与某个人发生了绑定，往后再使用=操作，就都是匹配了。同样，与其说=是赋值号，不如说它是绑定号或匹配号。

模块(module)类似Java的package，把多个函数打包在一起，在erl中不能像在module文件中那样直接定义函数，只能创建匿名函数(anonymous function)。
> fun(X) -> X * X end (9).
你也可以绑定该匿名函数到某个变量重复使用。
> Square = fun(X) -> X * X end.
> Square(9).
说到函数的绑定，如果需要绑定某个module的函数到某个变量中，需要用到函数引用(function reference)：fun Mod:Func/Arity(如果引用当前module的函数，Mod可以不写)，在Erlang中，同一个module的两个函数即使名字相同，只要参数的个数不同，就是两个不同的函数。
> Max = fun erlang:max/2.
> max(2, 3).
匿名函数和函数引用，在某种程度上，是同一个概念来的，因为它们都可以作为其他函数的参数，这样就产生了高阶函数，而Erlang之所以叫做函数编程语言(functional programming language)，也正是因为函数的参数还可以是函数。

guard不知道怎么翻译，它是一个关系表达式或BIF(erlang模块的函数)，对于模式匹配(pattern matching)来说，显然它是一个很好的补充。对于函数来说，真正的匹配，不单单是一个模式上的匹配，还需要满足其他的条件，而这恰好就是guard的强项，就好象多个保卫(guard sequence)一样，共同保护守卫着模式匹配。在逻辑学上，guard就是一个谓词，guard sequence就是一个没有量词的析取范式，";"就是∨，","就是∧，结果就是true或false。
说到模式匹配和guard，就不得不提到case表达式和if表达式，当函数的部分参数需要进行模式匹配和guard，而其他部分与之无关时，如果使用外部的模式匹配和guard的话，会搞得相当复杂(如clause数增多，逻辑不清晰，出现重复代码，性能下降等)，这时候就可以在内部使用case表达式对这部分参数进行模式匹配和guard，同样，当guard也会引起类似的复杂度时，我们也可以在内部使用if表达式进行描述。可以说，case表达式是模式匹配+guard的一种辅助，而if表达式则是guard的一种辅助，你说if表达式是case表达式的简化版也没错，因为case表达式确实也包含了guard的功能。

binary(二进制)这个类型，顾名思义，就是为了能够把数据粒度细到一个binary(bit)而产生的。我们知道，大的integer为bignum类型，tuple和list有一定结构，空间利用率都不是很高，当存储或传输它们时，就会增加不必要的成本，我们可以通过某个协议(the Erlang external term format)压缩成一串字符(raw data)，而压缩后的类型就是binary了，当存储或传输完后，我们可以再通过这个协议解压还原出最初的数据。Erlang的任何数据类型，通过term_to_binary/1和binary_to_term/1两个函数，都可以与binary进行互换。binary没有嵌套，即没有结构，只是一块扁平化的连续内存空间，它的每个item只能是0～255的整数或字符串，因为0～255的整数和字符都可以用一个字节表示，使得binary的数据粒度细到一个byte(8个bit)，而真正让binary的数据粒度细到一个bit的是the bit syntax，它使得每个item的大小不必是8个bit的倍数，而可以是任意的bit数，只要所有item的bit数加起来是8个bit的倍数即可。

进程词典(process dictionary)是一个小型的key-value数据库，每个进程(process)都有一个。由于我们可以修改每个key对应的value，可能会产生side effect，所以不到万不得已，尽量不要使用，当然啦，如果只是用来存储write-once variable，那是非常合适的。

reference意思为编号或标记，Erlang能够保证make_ref/0产生的任意两个reference都不相同，也就是说，reference是用来产生唯一的标识符的，主要在远程过程调用(rpc)中用来标识消息(message)。

【并发进程篇】

待续。。。

第一至三章评论

2012-04-29

OpenCV（Open source Computer Vision library，开放计算机视觉库）由Intel发起，采用C/C++编写，追求性能优化，跨平台，帮助新生从一个高的起点开始视觉研究，避免闭门造车。
　　
在CentOS-2.6.32中安装OpenCV-2.2.0步骤：
(1)安装相关依赖工程（本人只装了yasm、ffmpeg、cmake和gtk2-devel）
(2)下载OpenCV-2.2.0.tar.bz2，跟普通的tarball安装有点不同：
$tar jxvf OpenCV-2.2.0.tar.bz2
$cd OpenCV-2.2.0
$cmake .
$make
$sudo make install
(3)可能需要的步骤：
(3.1)$sudo cp /usr/local/lib/pkgconfig/opencv.pc /usr/lib/pkgconfig
(3.2)在/etc/ld.so.conf.d目录中添加文件opencv.conf,内容为/usr/local/lib，最好结尾换行，然后执行$sudo ldconfig重新加载配置
　　
简单的例子：加载并显示图像（show.cpp）
#inlcude "cv.h"
#include "highgui.h"
　　
int main(int argc, char * argv[])
{
　　 IplImage *img = cvLoadImage(argv[1]);
　　 cvNamedWindow("Show", CV_WINDOW_AUTOSIZE);
　　 cvShowImage("Show", img);
　　 cvWaitKey(0);
　　 cvReleaseImage(&img);
　　 cvDestroyWindow("Show");
　　 return 0;
}
编译&执行：
$g++ `pkg-config --cflags --libs opencv` show.cpp -o show
$./show p.jpg
如果正确显示图像，那么安装成功
　　
OpenCV的基本结构：CvPoint、CvSize、CvRect和CvScalar，都有同名的生成函数（开头变小写，如cvSize()），使得代码易写易读。
　　
图像的结构层级：CvArr -> CvMat -> IplImage，CvMat派生于CvArr，IplImage派生于Cvmat，OpenCV没有向量结构，可用单列或单行矩阵代替，IplImage图像结构最初为Intel图像处理库（IPL，Image Processing Library）的一部分，而IPL是Intel集成性能基元（IPP，Integrated Pereformance Primitives）的前身，OpenCV的很多函数实际上可调用IPL或IPP中的相同功能函数。
　　
个人以为CvMat矩阵结构和IplImage图像结构要重点拿下，其次是它们的相关操作，至少要知道以下这些函数：
cvLoadImage() & cvReleaseImage()
cvCreateImage() & cvShowImage() & cvSaveImage()
cvNamedWindow() & cvWaitKey() & cvDestroyWindow()
cvPoint() & cvSize() & cvRect() & cvScalar()
　　
看完前三章对我来说够用了，后面章节需要再看吧~