问题背景说来话长，在去年选毕设的时候，计算机的毕设95%都是游戏开发和后端开发(后端数据库配前端页面展示)，这些东西我实在不会，唯一会的就是其中为数不多的单片机开发。而唯一的深度学习项目难度过大当作研究生毕设也不为过，后期老师提供的一些python项目也没及时看到，阴差阳错的选了这个毕设。
提升方法（上）——基于AdaBoost：SAMME
在多年前的某次任务中，看到了别人使用提升树等算法，取得了比较好的效果。今日眼馋，特来学习提升方法，并记录于此。提升方法是一种统计学习方法。在分类问题中，通过改变训练样本的权重，学习多个分类器，将多个分类器进行线性组合，以提升分类的性能。
核密度聚类
当问题需要自动地确定聚类数目时，传统的KMeans等聚类方法不在适用。因此，使用“核概率密度估计”的思路自行设计了两种聚类方法。本文收录：
- 核是什么
- 核密度估计
- 基于核密度估计的两种聚类方法
- 代码实现
大学毕业的前夕
想来也快要大学毕业了，2016年唐县一中毕业，2020年某不太行大学毕业，四年了。
爬虫系列（三）——多进程爬虫
承接上文，实现多任务的方法一般有三种，今日来实现其中的一种：多进程爬虫。而剩余的多线程并发和协程暂时没时间搞了，一方面是要先学习下Python的yield和send如何使用，其次要准备毕设的中期答辩和被老师安排了去读源代码，日后会补上的。但仅仅是多进程，就将IO密集的任务从1153秒提升到了105秒，且极高的提升了资源利用率。
还有一点，本文的代码可能只适用于Next主题，但方法思路是通解，只要改改参数适应你的主题，代码同样能用。结果展示：本站热门
操作系统『一』：进程与线程
作为一个程序员，我发现我不会写多进程和多线程的程序，实在羞愧，在赶完毕业设计后准备开一个多线程编程的坑。本文是我这种小白从无到有的学习收获，内容较多，还请耐心观看。因疫情原因没在学校，手头没有一本靠谱的《操作系统》的书籍，大多东西为网上搜刮而来后整理，可能不严谨。今天有空了回来填坑。
修复双系统切换导致V2Ray无法使用的问题
在给系统安装Linux后，也配置了V2Ray。但发现了一个问题：
- 之前
windows使用V2Ray是没有任何问题的； Linux使用V2Ray也是没有任何问题的；- 但是，从
Linux切换回windows，windows的V2Ray就不能用了，得关机、重启、过一段时间才能用。
本文给出此类问题的修复方法。