Felix021

可能很多同学不知道Windows是自带这个功能的。至少从WinXP开始就有。操作要领：

0. 批量重命名的文件应该在一个文件夹内。

1. 选择所有需要被重命名的文件。全选（CTRL+A），或拖动/用shift选择选择一个区间，或按住CTRL一个一个点，都可以。

2. 使用鼠标右键选择你希望被重命名的第一个文件，输入新的文件名。注意，新的文件名如果不带编号（如a.txt），那么会按顺序改成 a.txt, a (1).txt ... a (5).txt，如果带编号（如 b (3).txt，注意编号只能用圆括号包起来），则编号会按顺序增加：b (3).txt, b (4).txt ... b (11).txt。

3. 回车，OVER。

功能很贴心，但是半残，有时候不满足要求，在没有安装额外的语言的情况下，可以用类似如下的vbs来应急：

为了论文搞了把机器学习的东西，虽然了解得非常肤浅，但是窥探了一下这个领域也还是很有收获。

对于遇到的问题，传统的思路是通过建模，然后使用对应的算法予以解决。但是对于很多问题，建模本身是不实际的，例如语音识别、计算机视觉等等。而机器学习算法的思路则不同，通过对现有的数据进行分析和统计，得到一组参数来逼近真实的模型，从而能够处理未知的数据。

我的论文里主要是使用SVM来解决简单的二分类问题。SVM，Support Vector Machine的简写，也就是“支持向量机”，很早以前有“听说过”，但是之前完全没有概念。这次在yihong妹妹的推荐下，看了faruto大牛写的《SVM入门精品系列讲解》，能大致在原理上明白svm分类的机制。之所以称faruto为大牛，主要是因为这个讲解系列非常地浅显易懂，没有卖弄玄虚，即使是我这样没学好数学的人，也能够非常容易地弄懂。

由我来归纳的话，svm的基本思路应该是，将每个样本x当作一个N维向量（也就是N维空间中的一个点），通过某种方式找到该空间中的一个超平面w * x + b = 0，将样本分成两类。例如二维空间中的点，可以用一条直线分成两类，而三维空间的点，可以用一个平面来分。由于并不是所有问题中，样本在N维空间中都可以被超平面分为两类，因此通过使用引入核函数将样本映射到更高维的空间、并引入松弛变量以忽略噪音数据等方式，达到对数据进行分类的目的。

可能看起来有点抽象？没关系，把那个系列（并不是很长）看完就懂了，其实不难理解。在此基础上，svm方法还有许多扩充，例如对不平衡样本集的处理、One-Class SVM、在线SVM训练等等。

想要使用svm算法的话，非常幸运，台湾大学林智仁(Lin Chih-Jen)副教授主持的 libsvm 项目提供了c/java/python/matlab 的接口，直接拿来就能用了，非常方便。

在学习svm的过程中，也顺便看了一些其他的机器学习算法，这里也大致列一下。

HMM，隐马尔可夫模型。李开复的主要学术成就（之一?），就是使用了HMM开发出世界上第一个大词汇量连续语音识别系统 Sphinx。根据Google研究员吴军的数学之美 系列三 -- 隐含马尔可夫模型在语言处理中的应用，使用HMM来进行语音识别是李开复的师兄提出的。

HMM算法是基于贝叶斯公式的。贝叶斯公式在机器学习中是一个非常基础的理论。关于这个，推荐阅读《数学之美番外篇：平凡而又神奇的贝叶斯方法》

神经网络算法，通过模拟神经元的工作方式来对数据进行学习，使用多个神经元构成一个网络，并适当加入反馈机制。详情参考神经网络编程入门。

遗传算法，通过模拟染色体复制、基因变异等机制，使状态不断”进化“，从而尽量逼近最优值。详情参考遗传算法入门。

模拟退火，非常简洁、实用的一个算法，基于“爬山算法”（不断逼近离当前点最近的极值，贪心）改进而来，通过引入随机化以获得跳跃到其他极值区域的机会，从而尽可能获得更高的极值点。详情可参考《大白话解析模拟退火算法》。

此外还看到了决策树、K-mean聚类等算法，不过没有细看，只是大致扫了一眼，就不扯了。

以上给出的链接大都是讲解得非常浅显易懂的文章，非常推荐阅读。

163邮箱之所以没落，不是因为腾讯太能抄，实在是因为产品经理太不行啊。

系统中只有“收件箱”里有“举报垃圾邮件”按钮，通过点击这个按钮，可以选择将发件人加入黑名单（拒收）；

而收到的广告和垃圾邮件会被自动分类到对应的文件夹，没有举报按钮。

也就是说，我想要把发件人加入黑名单，只有两种方式：

1. 拷贝发件人地址，进入设置->黑名单，添加

2. 选择“这不是垃圾邮件”，回到收件箱，选择该邮件，点击“举报垃圾邮件”。

建议选择第二种方式，更快，更蛋疼。

p.s. 对于有强迫症的我来说，还需要再进入垃圾邮箱，全选、彻底删除。

数据存在别人那里，总还是不太放心，再加上uyan用起来效果并没有预期那么好，所以决定回归boblog的原始评论系统。

早料到有这么一天的，不过uyan没有提供迁移评论数据的接口，只能自己动手了。

打开chrome的开发人员工具->Network，登录uyan.cc的管理首页，可以看到对 http://uyan.cc/index.php/youyan_admin/getMoreCommentsByDomain/0 的请求，也就是所有通过uyan的评论。把response拷贝出来，大概处理一下，每行一个json object这样，并根据comment_id进行排序（比如 sort -nk4 -t\" replies.php > replies_sorted.txt），然后用一个php脚本转换成对应的sql，最后通过mysql commandline的source命令导入，搞定。

p.s. 刚刚又加了几行代码到 inc/securitycode.php ，把原来的验证码改成表达式格式了，嘿嘿，希望垃圾评论会减少啦～
pps. 又加了几行代码，对评论的回复会有邮件通知啦~

php代码大致如下：

把本博客的留言评论系统替换成友言的，看起来挺好玩的。本篇用于测试。

友情链接一下： http://uyan.cc/

用了一段时间的微信，有一些语音消息，想导出来到电脑上，但是全都是aud扩展名的，没有找到可以用的播放器（QuickTime和Foobar2000都搞不定），格式转换也不行（aud2wav, audacity），估计这个"aud"是另一种"aud"，给微信团队发了消息，木有得到回复，只好自己动手。

真的是动手噢……前一阵买的Edifier M178配有一根公对公的音频线，正好可以用来做LineIn。可是LineIn接口在后面，所以干脆插到前置的Mic口上面（其实我很好奇LineIn和Mic口是不是真的有区别），然后打开GoldWave把声音一段一段录下来。好在这种东西没啥音质可言，能录下来就行。

owali.

Godaddy的虚拟主机用了一年半，不想用了。价格不算很便宜，虽然配置还行，但毕竟是虚拟主机，限制多。

前几天在 czyhd同学 的推荐下，到forum.ubuntu.org.cn去买了那边代购的burstNET的VPS。

是OpenVZ的Linux VPS，很便宜，35/月，1G CPU + 512MB RAM + 20G HDD + 1TB/month 流量。显然是超售的，不过不要紧，够用就行。

说到VPS，现在低价VPS主要就是Xen和OpenVZ型的。

Xen型的VPS虚拟化的层次比较低（内核和硬件之间），所以可用性还较高，可以自己编译安装内核模块，挂载SWAP，而且不容易超售（所以价格偏高一点）。

OpenVZ型的VPS，虚拟化层次比较高（内核和App之间），内核是固定的，没法定制化（比如说没有ppp模块，不能安装PPTP VPN），不能用SWAP，一旦申请的内存超过VPS的内存配额，就会失败。可用性略低一点。不过对于上层用户看来，还是一个完整的机器，而且"重启"速度超快，一般只要两三秒即可。

搞了VPS，有些事情就必须自己考虑了，比如说安全问题，比如说内存资源的管理。

安全上，不想搞太多，禁止ROOT登录，并装了个 denyhosts ，将多次尝试SSH登录失败的IP ban掉。就这样。

按照以前的思路，先搞了个Apache+PHP+MySQL，结果一开机内存就占用250M。原先在Godaddy上面，因为是虚拟主机，所以是不允许程序长时间运行，所以我用Dropbox备份网站的时候，是每隔4个小时跑一次。本以为在VPS上面就没有这个限制了，但是我发现，Dropbox的内存占用非常高……一打开就需要占用150M，并且随着时间增加，占用的内存会不断增加，最终把所有RAM耗尽。

于是需要优化。首先当然是要 Apache 换成nginx。用了论坛上oneleaf提供给VPS的lnmp.sh，很快就换了过来，然后发现内存占用没少……ps aux看了一下，发现php-fpm进程跑了10个，nginx的work也有5个，于是修改/etc/php5/fpm/php5-fpm.conf  把 pm.max_children = 10改成5；修改 /etc/nginx/nginx.conf 把worker_process 5修改成3。重启以后效果显著，内存占用降到了180M。

MySQL也是个内存大户，修改/etc/mysql/my.cnf，将query_cache_size降到8M，key_buffer降到4M，重启后，内存占用减少接近20M。

更进一步，使用dropbear来替换openssh server。openssh server的sshd占用内存比较大（4M+），如果一次多开几个terminal（比如用secureCRT，这个非常正常），内存占用马上就会上升一大截。Dropbear则只需要占用大约1M，相当节约。不过有个坏处就是，Dropbear的socks5 proxy似乎不如sshd，像twitter和facebook就总是打不开。

经过内存优化，开机以后内存占用仅154M，对于我这个以个人Blog为主的小站而言，已经比较充裕，不是很有必要进一步再压榨性能了 :D

不过还有一些棘手的问题，下回再写。

p.s. 这里有一个超省内存的教程 http://www.lowendbox.com/blog/yes-you-can-run-18-static-sites-on-a-64mb-link-1-vps/