SZ 博客

忠于理想 忠于技术

0%

发表于 更新于 分类于 阅读次数：

背景

​ 某次试验含有97传感器需要从中识别某个突变信号。这些传感器可能包含多种传感器以及一些异常传感器（输出一堆无效异常号）。实验要求识别精度较高这里对应用的逐步逼近法特征识别算法做个简单介绍。

阅读全文 »

发表于 更新于 分类于 阅读次数：

简介

​ 在频域的滤波，有些时候简单的高通滤波、低通滤波并不能很好的解决问题。比如有一种业务场景： 某次实验需要用到几个传感器在实验开始前启动传感器，一秒后启动实验装置，实验持续一秒。如此、我们就可以确定传感器数据中前一秒的数据全为无效信号即可定义为全为杂波、传感器数据中第二秒的数据为有效信号与无效信号的一个叠加信号。也就是说将第二秒的叠加信号减去第一秒的无效信号即为有效信号。改文档详细介绍这种滤波算法的过程以及优劣。

阅读全文 »

发表于 分类于 阅读次数：

最近给函数打log时，想指出加入Log的地方，包括时间、文件名、函数名、行号，这样以后找起来会比较容易。通过设这logging的fomatter可以实现，但每次都做太费劲了，于是找了个得到这些信息的方法，也是使用了logging里面的做法，通过异常得到执行信息。

1
2
3
4
5
6
7
8
9
10
# -*- coding: utf-8 -*- 
import sys
import time
def findcaller():
    try:
        raise Exception
    except:
        f = sys.exc_info()[2].tb_frame.f_back
    return '%s, %s, %s, %s, ' % (str(time.time()), f.f_code.co_filename, f.f_code.co_name, str(f.f_lineno))
print findcaller()

操作说明:(居然还有这种操作？)

通过异常然后通过向上查找的方式，找到调用的信息，得到执行信息。

参考&引用

http://blog.sina.com.cn/s/blog_6200c1440100xvrp.html
http://www.cnblogs.com/njucslzh/archive/2012/09/17/2688932.html

发表于 分类于 阅读次数： 
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
<?php
$data = array();//方法1：
/**
 * 获取客户端IP地址
 * @param integer $type 返回类型 0 返回IP地址 1 返回IPV4地址数字
 * @return mixed
 */
function get_client_ip($type = 0) {
  $type       =  $type ? 1 : 0;
  static $ip  =   NULL;
  if ($ip !== NULL) return $ip[$type];
  if (isset($_SERVER['HTTP_X_FORWARDED_FOR'])) {
      $arr    =   explode(',', $_SERVER['HTTP_X_FORWARDED_FOR']);
      $pos    =   array_search('unknown',$arr);
      if(false !== $pos) unset($arr[$pos]);
      $ip     =   trim($arr[0]);
  }elseif (isset($_SERVER['HTTP_CLIENT_IP'])) {
      $ip     =   $_SERVER['HTTP_CLIENT_IP'];
  }elseif (isset($_SERVER['REMOTE_ADDR'])) {
      $ip     =   $_SERVER['REMOTE_ADDR'];
  }
  // IP地址合法验证
  $long = sprintf("%u",ip2long($ip));
  $ip   = $long ? array($ip, $long) : array('0.0.0.0', 0);
  return $ip[$type];
}
$data['ip'] = get_client_ip();
$jos = json_encode($data);
echo "var CLIENTIP='$jos'";
?>
阅读全文 »

发表于 更新于 分类于 阅读次数：

很久之前就开始尝试对博客的算法模块进行编写。然而在实际中深深的感觉到门槛陡峭、基础不扎实导致进展缓慢。从“贝叶斯”、“决策树”开始尝试最终选择了经典的最小二乘法作为基础算法理解的开始。在工作期间时间几乎都是碎片化的。对于一些数学理解、公式的解析没有整块的时间十分困难。这部分工作就应该穿插在学校时代的数学学习当中。也希望看到这篇博客的同学尽早确定方向并对一些基础数学和算法部分进行整理和汇总。莫要浅尝辄止知其然而不知所以然。

阅读全文 »

发表于 分类于 阅读次数：

在 sklearn中，随机森林的函数模型是：

1
2
3
4
5
6
RandomForestClassifier(bootstrap=True, class_weight=None, criterion='gini',
            max_depth=None, max_features='auto', max_leaf_nodes=None,
            min_samples_leaf=1, min_samples_split=2,
            min_weight_fraction_leaf=0.0, n_estimators=10, n_jobs=1,
            oob_score=False, random_state=None, verbose=0,
            warm_start=False)
阅读全文 »