韩家炜老师的演讲

早上有一个关于数据挖掘的讲座，主讲人是大名鼎鼎的韩家炜老师。我第一次听说韩老师的大名那是在研究生课程中学习数据挖掘的时候，我们的主讲老师对韩老师推崇有佳。终于今天有幸目睹了大师的风采。

韩老师现在是华人里面作数据挖掘最出色的研究人员。他现在是美国伊利诺斯大学计算机系数据与信息系统实验室数据挖掘组的教授。韩老师给我们介绍了他带领的研究小组。他的组员大约有8人，除了有两名来自希腊和韩国的学生外全是中国留学生。半个月前新到的一批VS培训的时候我见到的陈红同学就是他的学生，现在利用暑假在这里作VS。很高兴的是在韩老师现在的组员里面有一位是来自哈工大的学生。这让我感到很亲切。

上午报告的主题是“Data Mining: Moving Towards the New Frontiers”。报告内容主要是他领导的研究小组完成的相关研究。刚开始，韩老师就向我们简述了一下DM的发展情况，还指出想要做好DM必须有Data Base, Machine Learning, Information Retrieval, Statistics的基础，这样才有可能在DM中作出东西出来。

韩老师的报告内容就像一个DM的综述一样，首先从Data warehouse 中的Data Cube 开始，介绍了很多OLAP，Efficient Cubing, Indexing的技术。韩老师的介绍又一个特点，那就是每个相关的点都有至少一篇他们研究小组的论文列出。介绍过程中我非常感兴趣的有以下几点：

1。Classification中比C45好的技术有很多，其中韩老师组里的研究成果CMAR 和CPAR都非常好。这些比C45好的技术对于我来说非常的有用。因为到目前为止我在分类问题上的理解大多还是停留在C45的水平上。曾经对C45有过深入的学习，现在整个思路和想法都觉得C45非常好，一直想跳出这种想法但是苦于没有找到可以拜读的论文。现在可以借助于阅读相关论文来完成这个工作。

2。Data stream的Clustering中可以借助于Micro-clusters来完成最终的Clustering。这样可以克服大类中突现出来的小类的分离过程。

3。Scalable Web and Text Mining中存在着大量的有很多正例儿反例非常少的情况。比如在分类Professors的主页时大家一般都不指着这个Professor的主页说这个不是另外一个Professor的主页。这种情形在我们的NLP中非常常见。比如我们做过的文本分类。以往的做法是随便将一个正例改为反例。这样一来确实可以得到很多的训练样本，但是这样得到的反例和正例之间的距离或者说相反的程度可能会很小。试想，如果我们把数据空间中相距很近的两堆相反样本区分开，这本身就是一件非常困难的事情。这里韩老师的方法我觉得很只得借鉴。那就是在正例样本空间中依靠一些特征来找出那些相差非常大的样本来构成负例。然后利用SVM来找到支持向量，然后在两组支持向量之间的空白部分再完成相似的工作，直到边界很小为止。这就像在北京地区先区分出紫禁城以内和五环以外，然后在分出四环和二环。这个方法我感觉非常好，但是有一点需要深究，那就是如何有效方便的找出那些相差比较大的反例。针对这个问题，在听众提问的时候我举手向韩老师请教了一下。答案是要针对具体类别寻找有效的特征。

4。感到最新鲜的是韩老师介绍的程序自动探测BUG的工作。原先有人研究这个采用的方法是软件工程的角度。而他指导的一名学生采用的方法是DM。也就是将程序中的语句是不是BUG看成是一个分类问题。实验数据也很好获得。一般的想想这个问题非常的有意思，采用的解决思想就是分析大量的测试结果，找出那些程序运行过程中发生数据突变的那些部分，从而完成bug语句的定位。据说这个研究已经开始了很长时间。现在有专门的研究机构开展了这项研究。其实这个工作也是非常有意义的。因为这个一旦做好将会极大的推动软件行业的发展。这个例子也说明了实际生活中的一些问题可以换一个角度去看，那样往往会得到意想不到的方法和结果。

5。韩老师在介绍每项研究成果或者说是研究论文的时候提到的都是一些非常有趣而简短的idea。这让我想到了作研究的一种模式。那就是彻底了解别人的工作，结合自己的情况想到一些改进的方案从而完成研究。一篇论文不需要太多的创新点，一个就行。加上充分的理论和实践的论证，那就是出色的研究。

6。最后一个听众提问是询问大家一直可能都比较模糊的问题。那就是DM和ML的区别。韩老师回答时先是提到了一个以前他在欧洲出席一个国际会议时一位搞统计的研究人员询问他的问题。那位搞统计的说DM和Stat有什么重大区别么，研究的问题其实都是差不多的，统计专门的机构已经有上百年历史，DM只有三十年的历史；作统计的在研究分类部分已经有三十年的历史，而DM只有不到十年的历史。韩老师说这其中涉及到的DM、ML和Stat都是很相关的。首先DM是一个非常交叉的学科。需要学习很多的东西。但是本质上和ML以及Stat的区别就是DM遇到的问题是海量的数据，以往在ML和Stat好使的方法在DM就不一定好使。比如Decision Trees 和Cluster的研究。我想，其实在进行DM的相关研究时如果带着需要处理大量数据的“有色眼镜”来重新审视那些ML和Stat的方法往往获得到很多的研究内容，这其中蕴涵着大量的研究空间。


韩老师的报告结束了，从中了解到了很多的东西。我想，对我来说现在需要学习的东西还有很多很多。虽然我的研究方向不是DM、ML或者Stat，但是我所学习的NLP也是多学科交叉的。其中需要掌握大量的知识。联想到昨日那位中年校友代表的“厚”。我需要好好的扎实的去学习这些东西。现在还是“儿童团”员的我需要更加努力的学习。

[Collection]一生受用的五句话(转)

第一句话是：优秀是一种习惯。

　　这句话是古希腊哲学家亚里士多德说的。如果说优秀是一种习惯，那么懒惰也是一种习惯。人出生的时候，除了脾气会因为天性而有所不同，其他的东西基本都是后天形成的，是家庭影响和教育的结果。所以，我们的一言一行都是日积月累养成的习惯。我们有的人形成了很好的习惯，有的人形成了很坏的习惯。所以我们从现在起就要把优秀变成一种习惯，使我们的优秀行为习以为常，变成我们的第二天性。让我们习惯性地去创造性思考，习惯性地去认真做事情，习惯性地对别人友好，习惯性地欣赏大自然。

注解：要会"装"，要持续的、不间断的"装"，装久了就成了真的了，就成了习惯了，比如准时到会，每次都按时到会，你装装看，你装30年看看，装的时间长了就形成了习惯。：）

第二句话是：生命是一种过程。

　　事情的结果尽管重要，但是做事情的过程更加重要，因为结果好了我们会更加快乐，但过程使我们的生命充实。

　　人的生命最后的结果一定是死亡，我们不能因此说我们的生命没有意义。世界上很少有永恒。大学生谈恋爱，每天都在信誓旦旦地说我会爱你一辈子，这实际上是不真实的。统计数据表明，大学生谈恋爱的100对里有90对最后会分手，最后结婚了的还有一半会离婚。你说爱情能永恒吗？所以最真实的说法是："我今天，此时此刻正在真心地爱着你。"明天也许你会失恋，失恋后我们会体验到失恋的痛苦。这种体验也是丰富你生命的一个过程。

注解：生命本身其实是没有任何意义的，只是你自己赋予你的生命一种你希望实现的意义，因此享受生命的过程就是一种意义所在。

第三句话是：两点之间最短的距离并不一定是直线。

　　在人与人的关系以及做事情的过程中，我们很难直截了当就把事情做好。我们有时需要等待，有时需要合作，有时需要技巧。我们做事情会碰到很多困难和障碍，有时候我们并不一定要硬挺、硬冲，我们可以选择有困难绕过去，有障碍绕过去，也许这样做事情更加顺利。大家想一想，我们和别人说话还得想想哪句话更好听呢。尤其在中国这个比较复杂的社会中，大家要学会想办法谅解别人，要让人觉得你这个人很成熟，很不错，你才能把事情做成。

注解：如果你在考数学试题，一定要答两点之间直线段最短，如果你在走路，从A到B，明明可以直接过去，但所以人都不走，你最好别走，因为有陷阱。在中国办事情，直线性思维在很多地方要碰壁，这是中国特色的中国处事智慧。

第四句话是：只有知道如何停止的人才知道如何加快速度。

　　我在滑雪的时候，最大的体会就是停不下来。我刚开始学滑雪时没有请教练，看着别人滑雪，觉得很容易，不就是从山顶滑到山下吗？于是我穿上滑雪板，哧溜一下就滑下去了，结果我从山顶滑到山下，实际上是滚到山下，摔了很多个跟斗。我发现根本就不知道怎么停止、怎么保持平衡。最后我反复练习怎么在雪地上、斜坡上停下来。练了一个星期，我终于学会了在任何坡上停止、滑行、再停止。这个时候我就发现自己会滑雪了，就敢从山顶高速地往山坡下冲。因为我知道只要我想停，一转身就能停下来。只要你能停下来，你就不会撞上树、撞上石头、撞上人，你就不会被撞死。因此，只有知道如何停止的人，才知道如何高速前进。

注解：用汽车来比喻，宝马可以上200公里，奇瑞却只能上120公里，为什么？发动机估计不相上下，差距在刹车系统，上了200公里刹不了车，呵呵，我的天！

第五句话是：放弃是一种智慧，缺陷是一种恩惠。

　　当你拥有六个苹果的时候，千万不要把它们都吃掉，因为你把六个苹果全都吃掉，你也只吃到了六个苹果，只吃到了一种味道，那就是苹果的味道。如果你把六个苹果中的五个拿出来给别人吃，尽管表面上你丢了五个苹果，但实际上你却得到了其他五个人的友情和好感。以后你还能得到更多，当别人有了别的水果的时候，也一定会和你分享，你会从这个人手里得到一个橘子，那个人手里得到一个梨，最后你可能就得到了六种不同的水果，六种不同的味道，六种不同的颜色，六个人的友谊。人一定要学会用你拥有的东西去换取对你来说更加重要和丰富的东西。所以说，放弃是一种智慧。

注解：我的个人原则是：每一次放弃都必须是一次升华，否则就不要放弃；每一次选择都必须是一次升华，否则不要选择。缺点意味着我们可以进一步完美，有匮乏之处意味着我们可以进一步努力。美国有一部电视片，讲的是一位富翁给后代留下了用不尽的遗产，结果他的后代全都变成了吸毒的、自杀的、进监狱的，或者精神病患者。为什么会这样呢？因为这位富翁给自己后代留下的钱太多了，以致他们不需要劳动就可以继承一大笔财产。继承一大笔财富，就几乎什么都能买到。所以，当一个人什么都不缺的时候，他的生存空间就被剥夺掉了。如果我们每天早上醒过来，感到自己今天缺点儿什么，感到自己还需要更加完美，感到自己还有追求，那是一件多么值得高兴的事情啊！

哈工大85周年校庆

参加大学校庆活动这还是第一次，回想自己2000年9月初到哈尔滨时还能在学校感受到一点点学校80周年校庆的余温。现在又是校庆，但是已经是85周年的了。哈哈，我已经在外求学五年了。真是不经意间得知这个结论。有一次感觉到了时间过得真快，五年竟也眨眼间过去。真是不敢想象再过五年我会是什么样子，会在哪里。呵呵，估计那时候正在准备博士毕业吧。

还是转回话题吧。今日的校庆活动原先以为只是一些知名校友之间互相交流的一个机会，没想到会有这么多的老校友出席。据介绍，北京地区哈工大的校友目前共有一万名左右。今天到会的有260人左右。我坐在正对会议室主席台的后面几排。在我右侧的是一位很和蔼的老先生。和他寒暄几句后得知他曾经在我们计算机系工作了几十年。他就是李光汉老师。曾经是57级计算数学专业的学生，毕业后一直在哈工大计算机系任教。92年因为中国资源卫星的项目调到北京工作，现在已经退休。李老师还说他和王义和老师很熟。他还给我们徐院长讲过课。我向他介绍了一点计算机学院最新的情况。李老师非常的高兴。

正式活动9：30开始。主持人介绍了到场的一些知名校友。坐在前台正中间的是我们的李昌老校长。李校长今年九十一岁，身体很硬朗，还亲自来参加这次校庆活动。会上还有很多人发言，无一例外，大家都诚挚的祝福李昌老校长能够健康长寿。李昌校长的也给大家讲了几句。其中提到了矛盾论和实践论的学习。他建议大家好好学习和体会这两个理论。

今天受益最大的是几位校友代表的发言。校友代表有三位，分别代表青年、中年、老年。青年代表是北京青年校友会的会长，现年40岁现在在北京产权交易所工作，曾认学校的团支部书记。中年代表61岁，我认为他的讲话最为精彩。他的讲话重点解释了三个字：“尖”，“亮”，“厚”。“尖”是品牌，“亮”是特色，“厚”是基础。这三个字是办学校、开公司、做学问都适用的三个条件。其中最为重要的是“厚”。基础打牢了才能高楼平地起，反之基础不牢就大铺摊子，就像旗杆一样，一直拔下去迟早会倒掉。做学问更需要坚实的基础。一个问题一个问题的搞懂，一点一点的积累。最终厚积薄发，那样才能取得成功。

会上有一位头发颁白的老校友非常激动的倒前台发言。他是今天刚从美国回来，他现在是美国一个大学的客座教授。回来参加这个校友会，非常希望能够降到自己的老朋友们。看到李昌校长在场，他非常的激动，亲切的称呼李昌校长为老师。

看着台上台下的校友们，很多都是头发已经颁白的老者。他们的脸上都洋溢着笑容。是呀，他们都是我们哈工大的骄傲，正式他们当年的贡献和多年的支持，才会有我们的今天。会场的主持人说在场的除了老年人、中年人、青年人，还有一批儿童团。这个就是指我们这些毛头小子了。呵呵，一下子被归入儿童团还真有点新鲜的感觉。面对诸位老校友，我真的感觉到了自己很年轻。将来的路还有很长。试想几十年后我参加哈工大的校友会时可能就会有他们现在的幸福的感觉吧。

在这里我诚挚的祝福我的母校－哈工大生日快乐，是她给了我书写人生的基础，是她给了我飞翔的力量。我永远都是哈工大人！

校庆活动通知

今天加班完成DLL转交给际洲，完成全部测试后在这里听了一会儿Bandari。
下午接到王震发过来的消息，说是哈哈工大北京校友会明天要举行85周年的校庆活动。王震邀请我们一起过去看看。得知时间地点后在网上查了半天才完全弄清楚了如何坐车过去。
我把消息告诉世奇、承杰后他们也愿意去看看。但是我们还在读，按理说应该不算校友的，王震说应该能够去的。由于不能确定我们能不能去，找到给王震发邀请函的mail后我把情况说明了一下。
等到我们离开实验室了，还是没有收到回复。我们三人决定只好明日去试试了，如果不让进我们就到那里附近的大观园去看看。

C#下DLL编程

在实验室时尚林指点过我如何在VC环境下写DLL。今天需要将我已经写好的一个将XML库导入到SQL Server 2000中的类的接口转换为DLL提供给别人调用。

还好在学习C#教程时看到过一点介绍。现在的C#编程大多都是依葫芦画瓢，学着别人的做法自己也将以前的类改装了一番，下面将一点点的心得整理一下：

1.写好名称空间、类名、函数名。
比如
//FileName.cs
namespace MyDll //名称空间
{
  Public class MyClass //可以调用的类名
  {
    Public int MyFuntion(string strFileName) //public是可以外部调用的接口，可以有多个外部接口函数
    {
      ……
    }
    private int MyFunction2(int someinteger) //内部函数，不允许外部调用
    {
      ……
    }
  }
}

2.生成DLL
打开Visual Studio .NET 2003 Command Prompt
定位到FileName.cs的文件夹
再键入命令csc /target:library /out:MyDll.dll FileName.cs
注：这里的MyDll最好和程序中的名称空间一样
运行指令即可生成MyDll.dll

3.调用DLL
程序开头部分需要写
using MyDll; //表示引用动态链接库MyDll.dll
程序中可以使用MyClass.MyFunction()
即编写的动态链接库生成程序中的"类名.public函数名"。

以上即是完成C#下创建DLL的简单流程介绍。和VC下的方法对比了一下，感觉一样方便，只是传参数时没有像VC下的不能传string的限制。

Ping Pong Club

上午11点，四位组织者在Eileen的组织下讨论了Ping Pong Club的成立事宜。我们计划下周先组织一次在BUAA球馆的活动“测试”，等测试好了再大规模活动。初步定下的成员有十位之多。会后我在Yabin的指点下在Students Document的Club文件夹下新建了一个Ping Pong Club Contact的文件，发个mail给大家就开始等待大家的报名了。呵呵，到晚饭时分有好几位朋友都在上面报名了。

成立计划中的内容是在下周活动，但是基于前几日大家乒乓的感觉，今晚大家忙完手头的工作后又到BUAA的球馆活动去了。陪朋友们买完球拍球鞋回来已是晚上8：30，大家来到球馆排队说是要等到9：00才能玩，无奈的二十分钟我们在球馆外面的空地上玩了一会儿乒乓接力的游戏，呵呵，有点像小朋友刚刚过去的儿童节^-^

二十分钟刹眼过去，大家玩得非常高兴，看来大家都是童心未泯型的。接下来的两个小时大家开始混战。各种组合应有尽有，毕竟今晚我们是9人同时行动。打到最后剩下小崔，孙承杰，孙军和我。到了10：40我们实在打不动了。回到寝室抢在11：00停热水之前赶紧冲洗。

今天的两个小时已经不像那日第一次打两小时般累了。看来锻炼还是有效果的：）

程序1.0通过

来到这边开始了解项目的系统架构花了一些时间，接下来又是和际洲进行分工。上周才将我的任务完全明确下来。

第一阶段我需要完成一个将XML文件加载到SQL Server 2000的程序。SQL Server 2000 我还是在本科时学习数据库的时候编在上面写过一下小小数据库生成和检索程序。现在想来当初认真完成的数据库课程设计是非常有益的，在这里复习了一天就想起来很多了，基本的一些编程涉及内容也都会了。接下来的C#编程，开始时我感到有些紧张，因为原先一直没有接触过这门编程语言。起初想到学习这门语言等以后回去了也用不上，也就在VB,VC中来回选择，后来在际洲帮助下开始学习C#。看了一套教程找来一本参考书竟也开始编程实现自己的导入工作起来。

编程连接数据库，这还是我第一次正式编写这种程序。忙了几天后今天下午我的程序通过了我准备好的测试。哈哈，当时很兴奋！

再修改了一下程序，准备明天连接到际洲的远程数据库上完成最后的测试。想来这部分工作之后就可以展开下一阶段的工作了。

数日的忙碌总算有了点小小结果，高兴一下下^_^