Widelab

To 孟澤 :

(1) content-based RS technique： 公式分母的部分( │RT上標u│ )要瞭解清楚是什麼值。

(2) collaborative RS technique： 是一個很方便的方法，先前使用者的喜好選擇若跟目前使用者的選擇相似，就可用來作base。

(3) Hybrid Technique： 公式的ACi值要比別人說明得更清楚是如何計算得到的。

(4) 針對Group規劃是一個很棒的目標。

To 郁堂 :

(1) word和phrase的定義要弄清楚。

(2) chain length的定義是 : (eg.當代表 = 當代  + 代表 , chain length是1)。

(3) 老師說；投影片的內容就是報告內容，報告者要照著投影片內容做解說。

(4) 投影片內容不用放這麼都多字，多放些重點，不要一直看手稿。

(5) 報告時，前後關鍵字的講法要一致。

(6) paper內容要先消化理解。

(7) 地名、人名還有專有名詞是斷詞最容易出錯，試想有沒有辦法只用一套方法來分析來做詞的斷詞分析。

(8) 斷詞的意義要了解。 

 

孟澤 :

　1.evaluation alg : Input : 兩個不路徑的集合 S & S'

　　why S集合還要考慮（依使用者喜好程度跟時間的集合）不符合規定還要考慮進去？

　2.為什麼要用GA alg？　兩種　兩段路交換（似2-optimal）、一段路突變

　3.Define 最後要做到的程度　以及你需要的一些參數（時間、花費、喜好、etc...）

　4.參數要怎麼來（獲得來源？）

　5.怎麼排程？　使用者旅遊的方式、型態？

　6.重新規畫的部分可以考慮進去　演算法

1 看CHO 這篇PAPER，看實驗哪種方法比較好，差別在哪裡

2 真正online不可能用原來pagerank，因為運算複雜，看別人是如何改良

3 a page few outlink ......再去看一下

4 看過的url比下載的多5倍

5 why 只使用2.4byts來儲存?

6 此實驗室說用BFS一樣可以在前幾天將熱門的網頁抓下來

7 10t時間問題，這是指同一個sit，這是為了防止把同一個server弄掛，

   避免在極短時間去抓取同一個server的網頁，policy，想想看

孟澤

A Travel .....

1 記住這個會議以後可以投

2  P集合是對Sk裡所取出來

3 PK應該是只類別,一個景點可能會有多個類別

4 P是不是也可以代表一個目的或景點

5 Q2是認為此景點為什麼東西

6 C為每個主觀評價值大於0的地方

7 ak應該算是客觀的值,為系統設定

8 第一天越早到飯店,就有較多時間遊玩,可是之後越早到飯店的話,應該遊玩時間會變少,因為要休息了

9 實驗部分 : 景點如何取出來(VK) ,樹狀圖如何建??

10 景點的分數給太簡單,不應該只有0和1

11 這是單一景點的,若是環島之類要如何規畫

 

 

卡資:

　　＊沒有路徑的可以作　有路徑的就一定可以做

　　＊鄰居：指的是鄰近Ｘ的點

　　＊找不到的時候怎麼辦？　robot就不動?

 

孟澤

1. "public transport travel planning" 已經達到八把萬次的查詢

2. 文中所指的車子，為使用者自行駕駛，而非大中運輸

3. initiating the STIS service 此方式為一直運算搭何種大眾交通工具，所花的時間會最短
   並且部不只用單一種的交通工具，用混搭方式

4. 當運算時間很長時，就會縮短回應的時間

5. 可以幫使用者產生旅遊路徑

6. 現在規劃大多都是公車站牌為起始點與終點


1. 寫一個程式，拿大四的景點名稱，到google做搜尋，並抓取有多少個pages個數，作為景點的
   分數，並寫入資料庫


2. 規劃路線，平滑點~

孟澤 :

　　Geotagged Photo Recognition using Corrseponding Aerial Photo Multiple Kernel Learning

• 　　Multiple Kernel Learning　公式中Bj如何得到？ Bj為權重值　paper內無提到kernel為何
• 　　如何比較此篇paper沒仔細提到
• 　　空拍圖與平視圖能夠對照比對　經緯度座標更精準
• 　　SIFT方法請讀
• 　　自己論文的主軸　分類　取景點etc...

卡資 :

 　基於大尺度路網路動態路況資訊的車輛路徑規劃演算法

• 　　Heuristic函式　看所有得結點除於他的總距離　會不會算到起點的位置　
• 　　演算法行車路徑　主要道路會有比較高的優先權　會先行探索
• 　　如何挑選upper level 節點
• 　　改變一點？改變多點？

孟澤 (重報) : landmark classiffication in large-scale imagge collections

1. k-maen,一開始的中心的位置隨機?，漸漸往密度高的地方移動，範圍的大小100，以二維座標，找較密集的地方

2. 六千萬張如何變成三千萬張，將差一個街區以上的照片刪除(與實際經緯做比較)，如何知道差一個街區?

3. 因為不知道這群是什麼東西，所以用SIFT此方法，擷取出其特徵

4. TEXTUAL，要有三人以上標是同樣標籤，才會將此圖片歸為此標籤

5. vocabulary，他的建立方式為K-MEAN 和 K-NN ，圖所呈現的結果為越多越好，應該太多時會變差，太少時也會比較差

皓塵 :

1. 編碼問題(文字)

2. 有經緯度的照片並不多，可能要改抓"非立刻"的照片

3. 先找幾個使用者，把有經緯度的照片抓下來，幾千張左右(備案)

4. 抓部落格的照片，比較可能有經緯度的資訊，旅遊類的可能比較多

毅民 : parcahyd an arcthitecture of parallel crawler  based augmented hypertext documens

1. mapping 是只跟URL，分成一塊一塊的

2. EXTERMAL 指的是連到別的SIT，並存到buffer裡，而LOACL為直接抓

3. bad url 為，找不到此網頁或是網頁錯誤

 

 

阿雄：

　　＊要強調是做一個Blog System

　　＊page rank為一個積率的概念，連到一個page機率越高，則分數就越高

　　＊userProfile不需要特別解釋

　　＊先講為什麼要做這件事　在講方法

　　＊cluster放在 userProfile前面講　要先分類才能從userProfile裡得到其歷史訊息　興趣等等

　　＊研究的方向　Blog System

　　＊架構可以提到前面一點說明

大學部：

　　＊對自己的旅程做紀錄

　　＊要加上跟終點的距離

　　＊加入的分數須有道理

卡資 :

 　　車用導航系統可以分成兩種：

 　　　　－自發式：導航機會自動去偵測附近是否有其他導航機，並且自動交換更新訊息。

 　　　　－集中式：統一從中心進行資料更新。

 　　Ａ＊：依照行車距離來做路線的規劃抉擇

 　　Time-dependent　Ａ＊：依照行車時間做路線的規劃抉擇

Travel time reliability：針對路線，不是針對人所以每個人若起點終點一樣擇所顯示的路線都是一樣

ＦＶＤ：車子－車子之間互相傳遞訊息　紀錄的資訊包括：

－路線速度

－位置　,etc...

＊小Ｐ曰：

1.可將人的因素加入考慮之，使得最佳路線的規畫精準度上升

2.ＦＶＤ其交換資訊的時機？　Device是否能購得

3.其演算法　正向算　反向算　好處在什麼地方？

4. Ａ＊其算出來的結果是否為最佳的

5.本篇paper所指的lateness earlyness所代表的意思是？

 

 ＝＝＝＝＝＝＝＝＝分隔線＝＝＝＝＝＝＝＝＝＝

劉彥廷：

小Ｐ曰：

1.高度扭曲的工作量不平衡的狀況下　為什麼global的方式比較好？

2.下禮拜重報

孟澤 : (照片分類)

1. mean shift

照片之分群 : 先找到分群之中心點，在慢慢的位移，直到找到所有照片之中心點

2. 先用k mean 的方法做分類，但因為效果並沒有很好，所以再用ANN的方式來改善

3.實驗，只用文字做分類最好只能到79%,用visual只有57%,混和型86%

4. 由於較有名(TOP 10)照片比較多，所以在做訓練時的效果比較好，所以精準度較高

5. landmark 是什麼? 

6. baseline ,我拿一張照片所猜對之機率

7. visual<visual+時間....

8. human 分類約68%,這是指不給予任何文字描述情形下，只有圖片特徵

   若再加上tag就可以到 76%

9. 所下的視覺特徵的越大(vocabulary sizes ?視覺特徵所用的形容詞),其準確度越高

10. 先用 mean shift，將照片做分群，在取照片的視覺特徵

11. 表格，分類越多，準確率越低;使用越多vocabulary sizes，準確率會提升，但是全部卻比visual的方式更差，有問題

12. 總結，文字加圖片特徵比人高??

 

卡資 : (論文報告)

1. introduction 有點像相關研究

2. 還要重牌一下投影片順序

3. 題目似乎有點大，(集中式路況導航)，作系統+路徑規畫?要著重在哪，或是全都作?

4. 把投影片拆開，改成動機 目的的方式

5. 前面介紹沒對路徑規畫沒講很多

6. 如何收集資料

 

Normal 0 0 2 false false false EN-US ZH-TW X-NONE

孟澤

1 偵測和分析JAVASCRIPT的惡意程式

2 特徵:

一直重新導到不同的網址 (紀錄次數和URL)

 

         JAVASCRIPT通常會用到混淆技巧(函數使用的次數，紀錄函數的長度)

         並沒有把動態語法真正執行出來，再來判斷是否為惡意程式)

 

         根據記憶體漏洞攻擊

        

         攻擊目標大部分為瀏覽器的擴充元件(追蹤擴充元件的個數)

         利用變數OVERFLOW的方式，將原本的CODE覆蓋掉，再用跳躍的函式，跳到想要執行的地方

 

3 擴充元件之記憶體，不安全的API，瀏覽器之記憶體

4 貝式分類

 

大學部四年級

1 台灣地圖太大，點到換顏色

 

                

劉彥廷：

　　一：Middleware - Server與Server之間的中介層　

　　二： Virtual World：　靜態－不會改變狀態的NPC

　　　　　　　　　　　　　動態－玩家

　　三：C++指令中 有buffer功能的指令 - f開頭的都有

　　四：在網路層有RTF System幫你搞定 就不需要再去管理網路層需要做些什麼事

　　五：Delta Update：只需要Update有差別的地方

　　六：三種處理地圖的方式：Zone Server　將地圖切割成很多塊　依照開發者的方式切　static的

　　　　　　　　　　　　　　Instance Server　將一小區塊複製到其他Server　每台Server都有相同區塊（使用率較高的）

　　　　　　　　　　　　　　Replication Server　－　So-call active entities

　　　　　　　　　　　　　　　　　　　　　　　　－　Shadow entities (Read access)

　　七：跨區域的方式：　區塊　－　區塊（同一張地圖）

　　　　　　　　　　　　區塊　－　點（傳送點）

　　　　　　　　　　　　雙向

　＊小Ｐ：希望論文方向注重於切割地圖的方式　朝動態切割的方向去思考　地圖走過的頻率

＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝

Cloud-論文進度報告：

　一：將字典的字全放入記憶體內　再去做比對的動作　這樣就不需要每次比對都要再去讀取一次字典的字

　二：將Total的infi放入記憶體內 這樣hash會快很多 keyvalue是total的兩倍 這樣可以降低碰撞發生

　三：DF WF = 1 的直接刪掉

　四：把info都寫到同一個檔裡

==============================================================================

大學部：

　一：單一景點的分享方式要再深入思考

　二：遊戲分享（整個行程分享）的方式也要再深入思考

　三：程式碼的部分　和介面的圖的部分　需要再加快速度進行　

 

卡資報Paper

一  (第九頁) 為了避免跟別人碰撞

二  (第十一頁) 先走點還是走線

三  為何要把障礙物拿掉，有何好處，涵義；如果起始點在障礙物附近，先移動到頂點

四  小偷偷水果遊戲，會不會造成農夫全部聚集在一起

五  城市遊戲，會不會造成碰撞，當從兩台車中間穿過時，如果不會，又是如何避免

六  此篇有點沒有關聯

=======================================================

大學部

一  把GOOGLE MAP 套用上來

二  是否能不能用中華電信的MAP

=======================================================

皓塵

一  某些機器有問題，都不會動，有五台抓資料

二  看看抓幾個PAGE

三  rgz如何打開，找老師要函式

四  找HTML的如何把內容PASS出來(趴SER)

五  WGET太慢，抓圖程式另外寫

 

六  先抓一些圖試試看，測試準不準

 

七  寫成LIB，或寫成函式

 

八  程式裡面盡量模組化

 

九  如何在LINUX下如何產生LIB

 

十  曝光時間，ISO，光圈，曝光，閃光是否有打開...等資訊留下來

 

============================================

 

一  下禮拜換劉彥霆和蕭學長報告

 

二  下禮拜RFID投影片要上傳

 

三  英文PAPER要趕快寫

 

• 主頁面
• 文章彙整
• 資料夾
• 網站連結
• 管理介面

«	五月 2012					»
一	二	三	四	五	六	日
	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	31

• 2011-08-16_Widelab會議記錄 ( GRSK ： A Generalist Recommender System )
• 2011_8/2 會議記錄
• 2011-04-27_Widelab會議記錄
• 2011_04_13
• 2011_3_02
• 2010.12.23_LabMeeting
• lab_meeting 2010/11/9
• 2010.11.18_Lab Meeting
• 2010/10/28 meeting
• 2010.10.15_LABMeeting

• 會議紀錄 [15]
• 一般公告 [3]

• RSS 0.90
• RSS 1.0
• RSS 2.0
• Atom