CS4282/CS6282 Internet and Distributed Systems Programming
http://www.cs.cityu.edu.hk/~cs6282/
User name: cs4282
Password: ping
Sonntag, 18. Januar 2009
Samstag, 17. Januar 2009
CHANGE: 改變; 更改; 變化
中國文化
CHANGE: 改變; 更改; 變化
mind-set towards CHANGE
Angular velocity in Fourier Series
Instantaneous rate of change in Calculus
Options and Futures in derivative markets
Araya shiki
apply in FS
柏楊曰:
在〈司馬光曰〉中，可以充份看出司馬光 的意識形態，他有一種
崇古的狂熱，和一種 維持現狀的 固執。
司馬光 是一位正統的儒家學派學者，竭力反對 古代所沒有的任何東西
，和任何 改革現狀 的措施。
司馬光 這位儒家學派大師，所代表的儒家思想中，沒有民主觀念，更
沒有人權觀念，只有強烈的 維護既得利益階層的 奴性。
他要求的是，平民必須安於被統治的現狀。等級 不可改變，名份 不可改變；君王 永遠是君王，平民永遠是平民，夾在當中的司馬光 所屬的以做官為唯一職業的 知識份子──士大夫階層，永遠 是士大夫。
CHANGE: 改變; 更改; 變化
mind-set towards CHANGE
Angular velocity in Fourier Series
Instantaneous rate of change in Calculus
Options and Futures in derivative markets
Araya shiki
apply in FS
柏楊曰:
在〈司馬光曰〉中，可以充份看出司馬光 的意識形態，他有一種
崇古的狂熱，和一種 維持現狀的 固執。
司馬光 是一位正統的儒家學派學者，竭力反對 古代所沒有的任何東西
，和任何 改革現狀 的措施。
司馬光 這位儒家學派大師，所代表的儒家思想中，沒有民主觀念，更
沒有人權觀念，只有強烈的 維護既得利益階層的 奴性。
他要求的是，平民必須安於被統治的現狀。等級 不可改變，名份 不可改變；君王 永遠是君王，平民永遠是平民，夾在當中的司馬光 所屬的以做官為唯一職業的 知識份子──士大夫階層，永遠 是士大夫。
Montag, 12. Januar 2009
EE4216/EE5816 Internet Client-Server Computing
EE4216/EE5816 Internet Client-Server Computing
Tentative Syllabus
• Multithreading
• Socket programming
• Java Database Connectivity (JDBC)
• Java Media Framework
• Web-based applications
HTTP & HTML,Servlet,JavaServer Page,Javascript
• Remote Method Invocation (RMI)
References:
1. Jan Graba, An Introduction to Network Programming with Java, Pearson 2003
2. C. S. Horstmann, G. Cornell, Core Java2 Vol. II – Advanced Features, Sun Microsystems Press, 2005.
3. H. M. Deitel, P. J. Deitel and A. B. Goldberg, Internet & World Wide Web How to Program, 3rd Ed., Prentice Hall 2004
4. Sun Microsystems on-line documentation on JDK and NetBean http://java.sun.com/javase/6/docs/api/
Tentative Syllabus
• Multithreading
• Socket programming
• Java Database Connectivity (JDBC)
• Java Media Framework
• Web-based applications
HTTP & HTML,Servlet,JavaServer Page,Javascript
• Remote Method Invocation (RMI)
References:
1. Jan Graba, An Introduction to Network Programming with Java, Pearson 2003
2. C. S. Horstmann, G. Cornell, Core Java2 Vol. II – Advanced Features, Sun Microsystems Press, 2005.
3. H. M. Deitel, P. J. Deitel and A. B. Goldberg, Internet & World Wide Web How to Program, 3rd Ed., Prentice Hall 2004
4. Sun Microsystems on-line documentation on JDK and NetBean http://java.sun.com/javase/6/docs/api/
Samstag, 10. Januar 2009
EE4206/EE5806 Digital Image Processing
EE4206/EE5806 Digital Image Processing
Chapter 4 main points
Filtering in the Frequency Domain
4.1 -Foutier Series and Transform
4.2 - Complex Numbers
- Fourier Series
- Impulses and their Sifting Property
- The Fourier Transform of Functions of one continuous variable
- Convolution
4.3 Sampling and the Fourier transform of Sampled functions
- Sampling
- The Fourier Transform of Sampled Functions
- The Sampling Theorem
- Aliasing
- Function Reconstruction (recovery) from Sampled Data
4.4 The Discrete Fourier Transform (DFT) of one variable
- Obtaining the DFT from the Continuous transform of a Sampled function
- Relationship between the Sampling and Frequency Intervals
4.5 Extension to functions of Two Variables
-The 2D Impulse and its Sifting Property
-The 2D Continuous Fourier Transform pair
-Two-Dimensional Sampling and the 2-D Sampling Theorem
- Aliasing in images
- The 2-D Discrete Fourier Transform and its Inverse
4.6 Some Properties of the 2D Discrete Fourier Transform
- Relations between Spatial and Frequency Intervals
- Translation and Rotation
- Periodicity
- Symmetry Properties
- Fourier Spectrum and Phase Angle
- The 2-D Convolution Theorem
4.7 Filtering in the Frequency Domain
- steps
- Correspondence between filtering in the Spatial and Frequency Domain
4.8 Image Smoothing using Frequency Domain filters
- Ideal Lowpass Filters
- Butterworth Lowpass Filters
- Gaussian Lowpass Filters
4.9 Image Sharpening using Frequency domain filters
- Ideal Highpass Filters
- Butterworth Highpass Filters
- Gaussian Highpass Filters
- The Laplacian in the Frequency domain
- Unsharp masking, highboost Filtering, and High-Frequency-Emphasis Filtering
- Homomorphic Filtering
4.10 Selective Filtering
- Bandreject and Bandpass Filters
- Notch Filters
4.11 Implementation
- Separability ofthe 2-D DFT
- computing the IDFT using a DFT algorithm
- FFT
Chapter 4 main points
Filtering in the Frequency Domain
4.1 -Foutier Series and Transform
4.2 - Complex Numbers
- Fourier Series
- Impulses and their Sifting Property
- The Fourier Transform of Functions of one continuous variable
- Convolution
4.3 Sampling and the Fourier transform of Sampled functions
- Sampling
- The Fourier Transform of Sampled Functions
- The Sampling Theorem
- Aliasing
- Function Reconstruction (recovery) from Sampled Data
4.4 The Discrete Fourier Transform (DFT) of one variable
- Obtaining the DFT from the Continuous transform of a Sampled function
- Relationship between the Sampling and Frequency Intervals
4.5 Extension to functions of Two Variables
-The 2D Impulse and its Sifting Property
-The 2D Continuous Fourier Transform pair
-Two-Dimensional Sampling and the 2-D Sampling Theorem
- Aliasing in images
- The 2-D Discrete Fourier Transform and its Inverse
4.6 Some Properties of the 2D Discrete Fourier Transform
- Relations between Spatial and Frequency Intervals
- Translation and Rotation
- Periodicity
- Symmetry Properties
- Fourier Spectrum and Phase Angle
- The 2-D Convolution Theorem
4.7 Filtering in the Frequency Domain
- steps
- Correspondence between filtering in the Spatial and Frequency Domain
4.8 Image Smoothing using Frequency Domain filters
- Ideal Lowpass Filters
- Butterworth Lowpass Filters
- Gaussian Lowpass Filters
4.9 Image Sharpening using Frequency domain filters
- Ideal Highpass Filters
- Butterworth Highpass Filters
- Gaussian Highpass Filters
- The Laplacian in the Frequency domain
- Unsharp masking, highboost Filtering, and High-Frequency-Emphasis Filtering
- Homomorphic Filtering
4.10 Selective Filtering
- Bandreject and Bandpass Filters
- Notch Filters
4.11 Implementation
- Separability ofthe 2-D DFT
- computing the IDFT using a DFT algorithm
- FFT
R--Language for Statistical Computing
R--Language for Statistical Computing
R 語言是主要用於統計分析、繪圖的語言和 操作環境。
R 內建多種 統計學及 數字分析功能。R 的功能也可以透過安裝套件（Packages，用戶撰寫的功能）增強。因為S的血緣，R 比其他統計學或 數學專用的 編程語言有更強的 物件導向(面向物件程式設計)功能。
R 的另一強項是繪圖功能，製圖具有印刷的質素，也可加入數學符號。
雖然R 主要用於 統計分析或者開發統計相關的軟體，但也有人用作 矩陣計算。其分析速度可比美 GNU Octave甚至 商業軟件 MATLAB。
The R Project for Statistical Computing
http://www.r-project.org/
http://www.biosino.org/pages/newhtm/r/tchtml/index.html
R 語言是主要用於統計分析、繪圖的語言和 操作環境。
R 內建多種 統計學及 數字分析功能。R 的功能也可以透過安裝套件（Packages，用戶撰寫的功能）增強。因為S的血緣，R 比其他統計學或 數學專用的 編程語言有更強的 物件導向(面向物件程式設計)功能。
R 的另一強項是繪圖功能，製圖具有印刷的質素，也可加入數學符號。
雖然R 主要用於 統計分析或者開發統計相關的軟體，但也有人用作 矩陣計算。其分析速度可比美 GNU Octave甚至 商業軟件 MATLAB。
The R Project for Statistical Computing
http://www.r-project.org/
http://www.biosino.org/pages/newhtm/r/tchtml/index.html
Dienstag, 6. Januar 2009
倪震含淚發誓愛周慧敏
倪震 含淚發誓 愛周慧敏
20摯友見證結成夫妻 2009年1月6日
【明報專訊】「我們今天在婚姻監護人見證下宣誓結婚了！」這是44歲倪震與41歲周慧敏 這對經歷20年風雨的伴侶，昨天在家中註冊後發放給傳媒的3張照片與一句說話，「執子之手、與子偕老」，看到玉女掌門人周慧敏望覑一生中最愛的倪震，如此心醉的表情，周慧敏 的確尋覓到一生的幸福之源，只能對她送上「祝福」。
兩人在大約20名摯友見證下結成夫妻，倪震 含淚發誓一心一意只對周慧敏好，無論今後生老病死都甘苦與共，令周慧敏感動得熱淚盈眶，表示願意嫁這位一生的最愛。
...
...
接吻3次 賓客眼濕濕
據出席的好友透露，昨日是以雞尾酒會形式進行了這個既溫馨又浪漫的婚禮，兩人在結婚證書上簽名後就切結婚蛋糕，當兩人交換戒指時，現場賓客也不禁高興得眼濕濕，更以谷祖琳最為激動。
20摯友見證結成夫妻 2009年1月6日
【明報專訊】「我們今天在婚姻監護人見證下宣誓結婚了！」這是44歲倪震與41歲周慧敏 這對經歷20年風雨的伴侶，昨天在家中註冊後發放給傳媒的3張照片與一句說話，「執子之手、與子偕老」，看到玉女掌門人周慧敏望覑一生中最愛的倪震，如此心醉的表情，周慧敏 的確尋覓到一生的幸福之源，只能對她送上「祝福」。
兩人在大約20名摯友見證下結成夫妻，倪震 含淚發誓一心一意只對周慧敏好，無論今後生老病死都甘苦與共，令周慧敏感動得熱淚盈眶，表示願意嫁這位一生的最愛。
...
...
接吻3次 賓客眼濕濕
據出席的好友透露，昨日是以雞尾酒會形式進行了這個既溫馨又浪漫的婚禮，兩人在結婚證書上簽名後就切結婚蛋糕，當兩人交換戒指時，現場賓客也不禁高興得眼濕濕，更以谷祖琳最為激動。
Abonnieren
Posts (Atom)