Changkun Ou欧长坤

模版链表 上周抽时间写了个模版链表，写完后发现编译过不了，开始我还以为是Xcode的问题，后来换成windows下发现还是不行，最后才知道，我

概述 整个暑假都在做Tracking，其中最为重要的核心就是均值漂移了，均值漂移算法指的是一个迭代的步骤，即先算出当前点的漂移均值，移动该点到其漂移均值，然后以此为新的起始点，继续移动，知道满足一定条件结束。所以，均值漂移实际上是一种在一种数据的密度分布中寻找局部极值的稳定的方法。如果分布连续，那么处理则变得非常容易，在这种情况下本质上只需要对数据的密度直方图应用爬山算法。更加准确的说，均值漂移是与核密度估计的规则有关的算法。而所谓“核”，实际上是一个如同高斯分布的局部函数。如果在充足的点处拥有足够合适的带权重和尺度的核，数据的分布则可以完全根据这些核来表示。然而又与核密度的估计不同，均值漂移仅仅估计数据分布的梯度。如果变化为0的地方则表示是这个分布的峰值（当然，也有可能是局部的）。当然在附近或其他尺度上还是有可能有峰值的。

今天有人问我这个问题，就抽零碎时间在手机上敲敲我的看法。 数学界从来不缺天才，数学界从来不缺重大的突破。就我大学一年零碎所了解到的（以前高中还

前段时间做Tracking，了解到Kalman滤波，感觉很不错。wikipedia上内容有点多，整理过后发现只有五个核心公式。 原理 Kalman滤波器不断把协方差递归，估算出最优值，并且保留了上一时刻的协方差（Kalman增益），因此它的运行很快，可以随不同的时刻而改变他的值。 首先，我们要引入一个离散控制过程系统，该系统可以用一个线性随机微分方程来描述： $$ \begin{equation} X(k)=AX(k-1)+BU(k)+W(k) \end{equation} $$ 加上系统的测量值： $$ \begin{equation} Z(k)=HX(k)+V(k) \end{equation} $$ 上面式子中，$X(k)$是$k$时刻的系统状态，$U(k)$是$k$时刻对系统的控制量。$AB$是系统参数，对于多模型系统，他们为矩阵。$Z(k)$是$k$时刻的测量值，$H$是测量系统的参数，对于多测量系统，$H$为矩阵。

之前一直对内存分配上的“stack”和"heap"理解虽说明白但不是很调理。今天写个文章来整理一下。 简单来将，stack上分配的内存系统自动释放，heap上分配的内存，系统不自动释放，哪怕程序退出，那一块内存还是在哪里。所以stack一般指的是金泰分配的内存，heap上一般是动态分配内存。 由于malloc系统函数的内存就是从堆上分配内存，从堆上分配的内存必须手动释放（free）。否则会出现内存泄露。当出现内存泄露时，系统可分配的内存会随着malloc的进一步使用而越来越少，直至系统崩溃。

首先，我们需要创建一个MFC的项目。 创建完成后，我们点击下一步来到如图所示的设置界面，选择单个文档，取消文档/视图结构支持，取消使用 Unicode 库。 点击下一步，选择无数据库支持。再点击下一步，主要框架仅勾选最小化框和系统菜单，并选择使用菜单栏和工具栏，然后直接点击完成。

笔者初次配置Mac下的OpenCV过程中花了很多精力，出现了很多状况，这些状况在互联网上根本不存在统一说法甚至没有，关于Mac下的OpenCV的各类文献都年代久远且OpenCV更新换代较快导致它们都严重过期。本文则希望能够帮助初次配置OpenCV for Mac少走弯路。 本文平台：Macbook Air 2013 OS X 10.8.4, OpenCV 4.6.1 本文时间：2013-08-26 方法已经过期, 可供观赏, 请不要模仿

条件收敛和一致收敛 无穷级数理论作为一种工具很有它发明（我们不去讨论它到底是发明还是发现）的必要性。 而一致收敛的引入在现在的数学分析教材上已经变得彻底避而不谈。我们先来讨论一下条件收敛引入的必要性。 我们先来看一个例子，我们知道： $$ f(n) = 1 - \frac{1}{2} + \frac{1}{3} - \cdots + \left( -1 \right)^{n+1}\frac{1}{n} + \cdots = \ln 2 $$ 我们把左边的式子做一些小小的变动，我们把交换一些项的顺序那么：

我发现我这人好像特别好这口，大一生活已经过去了，回头想想高考填志愿似乎还是昨天的事情，转眼就要开始迎接学弟学 妹们了。我想是时候该模糊的简短的总结总结这一年的所谓风雨兼程了。

我对陈老爷子的了解不过是在各大社交网络上道听途说，不过足矣让我产生对他老爷子的无比敬意，因此我还是想写一篇日志来记一记。 “这是我们三个学期的