今天bit见到戴文渊了，多次听到名字，在acm，科研（机器学习），还是在百度都是传奇，终于得见，很文雅，说话很有条理， 大牛啊。

在计算机复杂度理论中，P问题指的是能够在多项式的时间里得到解决的问题，NP问题指的是能够在多项式的时间里验证一个解是否正确的问题。虽然人们大多相信P问题不等于NP问题，但人们目前既不能证明它，也不能推翻它。P是否等于NP是计算机科学领域中最突出的问题，在千禧年七大难题中排在首位。科学家们普遍认为P≠NP是有原因的。让我们来看一看，如果哪一天科学家证明了P=NP，寻找一个解和验证一个解变得同样容易，那这个世界将会变得怎样？ 已知的NPC难题将全部获解，这将瞬间给各个科学领域都带来革命性的进展。整数规划、01规

闲着无事，想写点一些我所了解的machine learning大家。由于学识浅薄，见识有限，并且仅局限于某些领域，一些在NLP及最近很热的生物信息领域活跃的学者我就浅陋无知，所以不对的地方大家仅当一笑。 　　 　　Machine Learning 大家(1)：M. I. Jordan 　　 　　在我的眼里，M Jordan无疑是武林中的泰山北斗。他师出MIT，现在在berkeley坐镇一方，在附近的两所名校（加stanford）中都 可以说无出其右者，stanford的Daphne Koller虽然也声名遐迩，但是和Jordan比还是有一段距离。 　　 　　Jordan身兼stat和cs两个系的教授，从他身上可以

统计机器学习理论 目前机器学习的一个比较热门的方向是统计机器学习（另外一个可能是图模型，按照Jordan的说法是统计机器学习属于频率主义，而图模型属于贝叶斯主义）， 对于每一个做统计机器学习的研究者来说，他们大致可以分为两类：一类做统计学习理论相关工作，如泛化界、约简或一致性；一类做优化算法，如支持向量机、Boosting等。作为一个纯统计机器学习的学者来说，我想这两块内容都得了解。优化算法的门槛低点，可能比较容易上手，了解他们并不太难，比如支持向量机本质上是求解一个RKHS上的二次优化问题，Boosting是函数

GBK，UTF-8是比较常用的中文编码，而且GBK是国标，但是如果不把string转化为wstring在find时，GBK会出问题。 例如：“一个人能够坦荡地生活才是真正的幸福。” 中找“！”时居然找到了，发现原来，“！”的编码是A3A1，“福”的后半部分是A3,“。”的前部分是A1所以就找到了， 按照UTF-8的编码规则不会出现这个问题

单例模式也称为单件模式、单子模式。使用单例模式，保证一个类仅有一个实例，并提供一个访问它的全局访问点，该实例被所有程序模块共享。有很多地方需要这样的功能模块，如系统的日志输出等。 单例模式有许多种实现方法，在C++中，甚至可以直接用一个全局变量做到这一点