求问谁知道如何识别.c和.h文件里的数据结构 - 未名空间MITBBS历史存档

国际科技财经博客移民网络热点娱乐民生时事公众号

Redian新闻

>未名空间

>Computation - 科学计算

求问谁知道如何识别.c和.h文件里的数据结构

求问谁知道如何识别.c和.h文件里的数据结构# Computation - 科学计算

s*i2008-09-13 07:09

1 楼

最近想涉及这个领域，看论文abstract都有些迷茫，
以前看有牛人说，现在基本上都是对各种learning method下
的算法小改进，好像没什么更highlevel的东西，
听了还是很迷惑，请达人介绍下吧。

y*t2008-09-13 07:09

2 楼

【以下文字转载自 shopping 讨论区】
发信人: yogurt (yogurt), 信区: shopping
标题: 怎么删除XP 的 back up?
发信站: BBS 未名空间站 (Sat Jul 5 14:49:23 2008)
发现C drive的实际占用量要比显示的少很多，检查发现有6个backup，但是不知
道怎么删除这些backup?请大家指教。
BTW,我的机子是LENOVO X60
3X！

a*y2008-09-13 07:09

3 楼

问题是这样的，我们有几套.c和.h文件，每套文件里其实只定义了一些structures,没
有函数和类，也就是说，这个文件只是用来存储数据结构和一些数据结构的实例，像
一个小的database。我想编一个算法用,在load一套.c和.h文件后（其实就像是一个文
本文件），识别出这个文件里定义的数据结构和那些实例。
请问哪位知道是否有比较好的算法来实现这个功能，谢谢。

h*e2008-09-13 07:09

4 楼

入门的话，先看看经典的书吧，没有基本的了解看paper也没有太大意义。

【在 s****i 的大作中提到】

: 最近想涉及这个领域，看论文abstract都有些迷茫，
: 以前看有牛人说，现在基本上都是对各种learning method下
: 的算法小改进，好像没什么更highlevel的东西，
: 听了还是很迷惑，请达人介绍下吧。

S*I2008-09-13 07:09

5 楼

我的电脑->属性->系统还原->在所有驱动器上关闭系统还原

【在 y****t 的大作中提到】

: 【以下文字转载自 shopping 讨论区】
: 发信人: yogurt (yogurt), 信区: shopping
: 标题: 怎么删除XP 的 back up?
: 发信站: BBS 未名空间站 (Sat Jul 5 14:49:23 2008)
: 发现C drive的实际占用量要比显示的少很多，检查发现有6个backup，但是不知
: 道怎么删除这些backup?请大家指教。
: BTW,我的机子是LENOVO X60
: 3X！

a*y2008-09-13 07:09

6 楼

没人知道吗？

p*w2008-09-13 07:09

7 楼

duda的pattern recognition，大概就有个了解。
想理论深点就看vapnic的统计学习理论，是svm的理论基础，要用svm就不用看了
再看点bayes，markov概率模型，图模型
看一下boosting
差不多了

【在 s****i 的大作中提到】

N*D2008-09-13 07:09

8 楼

Ralf Herbrich has a book, very good, little hard to read. worth reading

【在 s****i 的大作中提到】

l*o2008-09-13 07:09

9 楼

bishop's new book on pattern recognition and machine learning
but not suitable for beginner;
duda's book is the first step.

【在 s****i 的大作中提到】

s*i2008-09-13 07:09

10 楼

thanks you all !!!
but what is the possibility to apply for graduate study in usa in this area,
on condition that i am a new comer?
is that possible?
someone tells me it would be impossible if applying for top 20 school ?
that sounds sad~~

v*e2008-09-13 07:09

11 楼

virtually impossible for top 20

area,

【在 s****i 的大作中提到】

: thanks you all !!!
: but what is the possibility to apply for graduate study in usa in this area,
: on condition that i am a new comer?
: is that possible?
: someone tells me it would be impossible if applying for top 20 school ?
: that sounds sad~~

p*r2008-09-13 07:09

12 楼

之前没做过希望不大，除非你是名校的GPA前几名

area,

【在 s****i 的大作中提到】

b*p2008-09-13 07:09

13 楼

从duda到vapnik跳跃太大了点.
其实从AIMA相关章节开始好了,在看看主教和乔丹的书,
要看懂vapnik得把拓扑实变泛函概率论都打通才行啊

【在 p*********w 的大作中提到】

: duda的pattern recognition，大概就有个了解。
: 想理论深点就看vapnic的统计学习理论，是svm的理论基础，要用svm就不用看了
: 再看点bayes，markov概率模型，图模型
: 看一下boosting
: 差不多了

v*e2008-09-13 07:09

14 楼

主教是Tom Mitchell?

【在 b********p 的大作中提到】

: 从duda到vapnik跳跃太大了点.
: 其实从AIMA相关章节开始好了,在看看主教和乔丹的书,
: 要看懂vapnik得把拓扑实变泛函概率论都打通才行啊

b*p2008-09-13 07:09

15 楼

bishop

【在 v********e 的大作中提到】

: 主教是Tom Mitchell?

v*e2008-09-13 07:09

16 楼

哦，才反应过来，哈哈

【在 b********p 的大作中提到】

: bishop

v*s2008-09-13 07:09

17 楼

r u in computer vision research field?
how can "boosting" be listed after PGM, Markov? emsemble learning is just a
small branch of ML.

【在 p*********w 的大作中提到】

v*s2008-09-13 07:09

18 楼

if u want to choose ML and dig deep, u should be very very strong in
mathematics, esp statistics, optimization, etc.
so many smart guys in this planet r researching ML.
to c how it can be, google one of them,
dahua lin

【在 s****i 的大作中提到】

g*o2008-09-13 07:09

19 楼

借人气问一下，有人参加NIPS workshop吗，寻roommate中.....

a

【在 v****s 的大作中提到】

: r u in computer vision research field?
: how can "boosting" be listed after PGM, Markov? emsemble learning is just a
: small branch of ML.

g*y2008-09-13 07:09

20 楼

我靠，我一开始以为你就是dahua lin呢？
这人狂发CVPR啊。

【在 v****s 的大作中提到】

: if u want to choose ML and dig deep, u should be very very strong in
: mathematics, esp statistics, optimization, etc.
: so many smart guys in this planet r researching ML.
: to c how it can be, google one of them,
: dahua lin

g*o2008-09-13 07:09

21 楼

how did you figure out he is not then? hehe

【在 g******y 的大作中提到】

: 我靠，我一开始以为你就是dahua lin呢？
: 这人狂发CVPR啊。

d*e2008-09-13 07:09

22 楼

看IP，dahua lin现在是18开头

【在 g***o 的大作中提到】

: how did you figure out he is not then? hehe

b*p2008-09-13 07:09

23 楼

dahua lin这种现象级偶像应该没时间来mitbbs把，

v*s2008-09-13 07:09

24 楼

now he turned to journal....
well, cvpr is just tie2 conf.... he had iccv too, which is tie1 !

【在 g******y 的大作中提到】

: 我靠，我一开始以为你就是dahua lin呢？
: 这人狂发CVPR啊。

v*s2008-09-13 07:09

25 楼

haha, i'm also his fan....
csail is a cool place, paradise for all AI guys...

【在 d******e 的大作中提到】

: 看IP，dahua lin现在是18开头

n*s2008-09-13 07:09

26 楼

iccv用得着叹号么，要是有个nature science的你不就得用叹号扫屏了
至于那句关于cvpr的就懒得说你了

【在 v****s 的大作中提到】

: now he turned to journal....
: well, cvpr is just tie2 conf.... he had iccv too, which is tie1 !

s*i2008-09-13 07:09

27 楼

说的很现实啊，！！！
看样子要想大作为，得闷一闷了，
另外，既然和统计相关这么大，
那么统计和cs交叉研究的一定也很广泛咯？
我听说是这样的， ucberkeley很多搞ml的都是statistic的professor，
但是在烂一点（30~50）的学校这个有可能吗？
还是说那些学校的统计都是搞
我的想法是，去差一点的学校，虽然也读cs，
但是我争取读到一个统计的学位，那数学加强些，
否则我想如果一直读cs牛校读下去，估计是被project和reserach任务压着，会很赶
吧。

【在 p*******r 的大作中提到】

: 之前没做过希望不大，除非你是名校的GPA前几名
:
: area,

g*o2008-09-13 07:09

28 楼

don't know much about either of them, but iccv is kind of treated as tier 2
in our lab

【在 n*s 的大作中提到】

: iccv用得着叹号么，要是有个nature science的你不就得用叹号扫屏了
: 至于那句关于cvpr的就懒得说你了

R*n2008-09-13 07:09

29 楼

读一个统计加强不了多少数学，多学些概率还好些，这些和pure math太远了。Bayes
Inference只是learning中一个方向，并不觉得那么多搞统计的跳进来搞出来多少东西
。各种图模型，各种先验假设，很多时候感觉不太solid

【在 s****i 的大作中提到】

: 说的很现实啊，！！！
: 看样子要想大作为，得闷一闷了，
: 另外，既然和统计相关这么大，
: 那么统计和cs交叉研究的一定也很广泛咯？
: 我听说是这样的， ucberkeley很多搞ml的都是statistic的professor，
: 但是在烂一点（30~50）的学校这个有可能吗？
: 还是说那些学校的统计都是搞
: 我的想法是，去差一点的学校，虽然也读cs，
: 但是我争取读到一个统计的学位，那数学加强些，
: 否则我想如果一直读cs牛校读下去，估计是被project和reserach任务压着，会很赶

d*e2008-09-13 07:09

30 楼

如果读applied statistics确实没什么用，里面的Regression,Anova那些东西和ML根本
不搭边。
数学课程有用的很多。比如Real Analysis,Linear Programming,PDE，Advanced
Linear Algebra。而统计的课程，修一修Probability Theory,Probability Model,
Multivariate, Linear Model, Statistical Inference也是很有必要的。
其实不是统计跳到CS来做东西，而是这东西本来就是共有的。
能自学数学的牛人，不修这个学位也罢。对于非牛人，读一个还是能学到不少东西的

【在 R********n 的大作中提到】

: 读一个统计加强不了多少数学，多学些概率还好些，这些和pure math太远了。Bayes
: Inference只是learning中一个方向，并不觉得那么多搞统计的跳进来搞出来多少东西
: 。各种图模型，各种先验假设，很多时候感觉不太solid

g*o2008-09-13 07:09

31 楼

are you kidding me?
I would remove Real Analysis and PDE, but add functional analysis and differential
geometry. Besides, why do you list linear programming instead of optimization?

【在 d******e 的大作中提到】

: 如果读applied statistics确实没什么用，里面的Regression,Anova那些东西和ML根本
: 不搭边。
: 数学课程有用的很多。比如Real Analysis,Linear Programming,PDE，Advanced
: Linear Algebra。而统计的课程，修一修Probability Theory,Probability Model,
: Multivariate, Linear Model, Statistical Inference也是很有必要的。
: 其实不是统计跳到CS来做东西，而是这东西本来就是共有的。
: 能自学数学的牛人，不修这个学位也罢。对于非牛人，读一个还是能学到不少东西的

d*e2008-09-13 07:09

32 楼

你这完全是跟我抬杠。
你看applied statistics里学的regression是什么难度的你就知道了。ANOVA就是整天
Design Matrix。
至于说Optimization,Functional Analysis和Differential Geometry，Master Level
是没有这种课程的。

根本
differential
optimization?

【在 g***o 的大作中提到】

:
: are you kidding me?
: I would remove Real Analysis and PDE, but add functional analysis and differential
: geometry. Besides, why do you list linear programming instead of optimization?

g*o2008-09-13 07:09

33 楼

I am just saying these courses are the most useful ones for machine learning
research. Never took applied statistics before, you might be right on the
ANOVA stuff...

Level

【在 d******e 的大作中提到】

: 你这完全是跟我抬杠。
: 你看applied statistics里学的regression是什么难度的你就知道了。ANOVA就是整天
: Design Matrix。
: 至于说Optimization,Functional Analysis和Differential Geometry，Master Level
: 是没有这种课程的。
:
: 根本
: differential
: optimization?

c*h2008-09-13 07:09

34 楼

其实大多数这些方向的人就是不懂优化，也不懂矩阵，知道有些黑盒子可以套就是了
至于几何啊统计啊什么的照葫芦画瓢也就差不多了

learning

【在 g***o 的大作中提到】

: I am just saying these courses are the most useful ones for machine learning
: research. Never took applied statistics before, you might be right on the
: ANOVA stuff...
:
: Level

g*o2008-09-13 07:09

35 楼

K*n2008-09-13 07:09

36 楼

不懂矩阵?你举个例子.和和

【在 c*******h 的大作中提到】

: 其实大多数这些方向的人就是不懂优化，也不懂矩阵，知道有些黑盒子可以套就是了
: 至于几何啊统计啊什么的照葫芦画瓢也就差不多了
:
: learning

d*e2008-09-13 07:09

37 楼

矩阵分解就够学一阵子的了。

【在 K****n 的大作中提到】

: 不懂矩阵?你举个例子.和和

c*h2008-09-13 07:09

38 楼

还有就是解线性方程组，trick太多了
其实PDE搞到最后也就是解一线性方程组，从数值的角度来说

【在 d******e 的大作中提到】

: 矩阵分解就够学一阵子的了。

d*e2008-09-13 07:09

39 楼

我还没修到数值解法那门，还在上PDE

【在 c*******h 的大作中提到】

: 还有就是解线性方程组，trick太多了
: 其实PDE搞到最后也就是解一线性方程组，从数值的角度来说

K*n2008-09-13 07:09

40 楼

一页一页看书能看懂的我觉得都没啥
我是说ml当黑箱可不容易,不啃两本儿书咋行,不至于不懂矩阵
发信人: drburnie (专门爆料), 信区: CS
标题: Re: 达人介绍一下MachineLearning吧
发信站: BBS 未名空间站 (Thu Oct 30 23:03:13 2008), 转信
矩阵分解就够学一阵子的了。

R*n2008-09-13 07:09

41 楼

基本的矩阵应该还是知道的
但是延伸一点就不一定了，不是简单看书就能明白的，很多人发了paper也不见得很明白
比如从矩阵到图论，graph spectral theory，做manifold的用了好多，不过chuang的
那本书应该看懂了前4章的很少
或者衍生到group theory，懂得就更少了

【在 K****n 的大作中提到】

: 一页一页看书能看懂的我觉得都没啥
: 我是说ml当黑箱可不容易,不啃两本儿书咋行,不至于不懂矩阵
: 发信人: drburnie (专门爆料), 信区: CS
: 标题: Re: 达人介绍一下MachineLearning吧
: 发信站: BBS 未名空间站 (Thu Oct 30 23:03:13 2008), 转信
: 矩阵分解就够学一阵子的了。

v*e2008-09-13 07:09

42 楼

是Fan Chung吧。
前些日子还来过我们这儿，牛的

明白

【在 R********n 的大作中提到】

: 基本的矩阵应该还是知道的
: 但是延伸一点就不一定了，不是简单看书就能明白的，很多人发了paper也不见得很明白
: 比如从矩阵到图论，graph spectral theory，做manifold的用了好多，不过chuang的
: 那本书应该看懂了前4章的很少
: 或者衍生到group theory，懂得就更少了

R*n2008-09-13 07:09

43 楼

对，呵呵，是UCSD Math的，去你们那给talk？

【在 v********e 的大作中提到】

: 是Fan Chung吧。
: 前些日子还来过我们这儿，牛的
:
: 明白

i*c2008-09-13 07:09

44 楼

标题: 机器学习推荐论文和书籍
发信站: 水木社区 (Thu Oct 30 21:00:39 2008), 站内
＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝
基本模型:
HMM(Hidden Markov Models):
A Tutorial on Hidden Markov Models and Selected Applications in
Speech Recognition.pdf
ME(Maximum Entropy):
ME_to_NLP.pdf
MEMM(Maximum Entropy Markov Models):
memm.pdf
CRF(Conditional Random Fields):
An Introduction to Conditional Random Fields for Relational Learning.
pdf
Conditional Random Fields: Probabilistic Models for Segmenti

c*a2008-09-13 07:09

45 楼

好奇问问，工业界要ML做什么用呢？

s*i2008-09-13 07:09

46 楼

这个ms很强大~~~

【在 i***c 的大作中提到】

: 标题: 机器学习推荐论文和书籍
: 发信站: 水木社区 (Thu Oct 30 21:00:39 2008), 站内
: ＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝
: 基本模型:
: HMM(Hidden Markov Models):
: A Tutorial on Hidden Markov Models and Selected Applications in
: Speech Recognition.pdf
: ME(Maximum Entropy):
: ME_to_NLP.pdf
: MEMM(Maximum Entropy Markov Models):