Posts from September, 2008
No comment yet
September 30th, 2008

鲍尔森的7000亿一揽子计划是正确的,这个计划的宣布本应成为美国此次危机的结束点。而现在如果没有另外的救援计划获得通过,影响将不仅仅是房价暴跌,而是对整个信用市场的重新估值。而基于市场机制总是矫枉过正的历史表现,这一估值会在未来的一段时间内远低于实际价值。而由于美国的金融危机不能顺利解决,中国的情况将会变得更加堪忧。在本来出口就不甚顺畅的今天,美国消费市场的萎缩更是雪上加霜。而在房地产市场价格进入回归周期的现在,扩大内需这一命题本身就存疑。恐怕现在更应该作为对比课题研究的不是80年代末的日本,而是90年代初的阿根廷。

而美国的民意调查也很有意思,对于外国人而言,Obama的外交言论更显得亲善,却得不到美国大众的喜欢。McCain的国内言论更基于切实的数据和眼下的现实,却让Obama的空口许诺占了上风。而一直抱着精英意识的各位,更是在古怪的众议院投票之后一篇争议,却没看到大堆的民意调查显示大众对此却是高兴的。

神奇的或许不是精英意识和主流的格格不入,而是相反。如果抛开网络上的过激言论而回归生活中,会发现更多的人抱着一种更加平和的对待问题心态。卖山芋大叔喜欢希拉里是因为她是个女人,不会那么凶。而我们选希拉里是因为他政治上更成熟。这并没有什么大的不同。同样,在日喀则开旅馆的老板不会在乎ZD,只希望别影响了他们的生意。中国的主流意识或许更关注自身的利益,这好多了。

而主流言论的造势者似乎自身更偏向于精英言论。而意见领袖的意见是否代表本人看法实在是值得商榷。我无意指责背后是否有控制言论的动机,但是这样的行为却不能收到良好的效果。几乎所有的意见领袖都忽略了沉默的大多数。而恰恰是大多数中庸的人而不是少量偏激的人来进行投票。从这一点上看,超女实在不算是民主启蒙,因为这种付费投票实际上是以极低的门槛将沉默的大部分挡在了外面,所以也就无外乎会出现过于偏激的人选。

主流民意并不是根据意见领袖以大众无知作为基础而推论的产物。而这种臆造主流民意而做错事在历史上不是一两次了。

No comment yet
September 21st, 2008

三年又三年了。高中三年的时候,孤注一掷,一条路走到黑,现在想起来方觉得心惊胆颤。当时是不自觉的,反而觉得每每梦想成真时便更有梦幻的感觉了。这三年是摔得比前三年小小的一些用来粉饰的挫折要痛多了,而且往往是带备份的也连带备份一起崩溃掉。因此更加审慎,不再轻举妄动。想来前三年居然有人夸我审慎,真是一种讽刺啊。

小时候和父亲下棋,当我走错一步,看着满盘局势逆转的时候,因约好不能悔棋,便投子认输,一点也不管能不能绝境逢生。是个追求完美的人,如果不能顺顺利利地走下去,还不如推倒重来呢。然而现在走错一步却既不能悔棋,还不能投子认输、推倒重来,于是只能耐心地推挪腾移,希望能看到绝处逢生的妙着。然既不是有那个性子的人,便要更百般努力地改了。

于是现在做事,总是在一个备份上,还加一个存档,还觉得不放心。喜欢规划好好的人,总是喜欢看着事情都按照预料发展,于是Symbian占领市场的时候,Google上市的时候,贝尔斯登被收购、雷曼倒闭的时候,都作为一个旁观者觉得高兴。然而一个个的小意外这三年却搞得手足无措,想来是养成的惯性,总没有规划好那个What if。

我在下一盘很大的棋,变量太多,还不能用Alpha-Beta剪枝,局面估值也没有定数。

No comment yet
September 17th, 2008

本来不想说这事的,因为还有一些细节没有完全想清楚,想清楚了自然有一篇宏文。但是看到大家居然反应这么激烈。本来就是不正常的事情,现在不过是平衡了一下罢了。

No comment yet
September 7th, 2008

也是打压对手的重要武器,但是对以后的企业发展有无影响尚不清楚,慎用。

No comment yet
September 4th, 2008

K-mean algorithm is a typical cluster algorithm when you have numbers of classes to be clustered. More than that, k-mean is a basic algorithm which foster many semi-supervised cluster and flexible cluster algorithms. Recently, k-mean and its derivatives (hierarchical k-mean, approximate k-mean, etc.) dominated the algorithm of visual word discovery. However, k-mean algorithm is a dead way when you try to reach higher accuracy.

K-mean algorithm only applys to simple linear space. At least, in a space with following properties: continuous, defined operators of plus and multiply. The basic definitions only make k-mean executable. K-mean algorithm also implies that the space is isotropic in every direction.

It is a strict assumption k-mean needed. In fact, most manually generated data to test k-mean are in Euclidean space which is well-known for its poor performance in high dimensional circumstance. And unfortunately, most real world problems lay in high dimensional space which we can hardly prove it is linear or has a center.

An ideal cluster algorithm should:

  1. Resist to pseudo-random trap;
  2. With minimum assumption, like only define the distance between each sample;
  3. Executed in reasonable time, better than or at least equal to O(M*N), where M is the number of classes, N is the number of samples.
No comment yet
September 3rd, 2008

每天阅读大量新的文献,还有老知识要补,还有新领域,而且一但不跟,就要更努力才能跟上了。