1. what is γ code?
γ編碼並不是我隨便亂取的名字，其原理在資訊檢索導論第5章第3節有介紹，用於壓縮一連串有序的數字型別的資料非常有用。在mg中將γ編碼歸類為全域性模型（mg更推崇區域性模型）。其原理是將所有的資料分成兩部分連起來，第一部分為資料長度，第二部分為資料內容。這樣做的好處是對於很小的數字γ編碼可以只用bit就可以表示了，如對於8這樣的數字，只需要表示資料長度的1110四位位元組加上表示資料的000三位位元組就可以表示了。而如果當做int儲存，則需要4位元組即32bit儲存，而實際上前面的資料都是0，這樣做很浪費空間。但γ編碼需要儲存後面的資料的長度，在儲存很大的數字時會占用很大的空間，如儲存乙個4294967295這樣的數字，需要占用64bit。而這個是乙個32位的int內的數字，如儲存為int，只需32bit即可儲存了，前面提到γ編碼用於儲存一連串有序的數字型別非常有效，因為連續的有序數字型資料可以只儲存數字間的間隔即可，如前乙個數字是400000，後乙個數字是400008，此時間隔只有8，只需儲存成400000,8即可。因此後面這個數字就可以節省大量位元組。而在搜尋引擎的倒排索引中大量儲存的都是這些資料，某單詞對於的文件號，如：retrieval:1287,1297...
γ編碼的詳細介紹請參照：
相對於γ編碼，有乙個區域性有參模型與之類似，在mg中有介紹，稱之為全域性貝努力和區域性貝努力模型。可以參考下，主要是使用觸發將資料化為商和餘數，但除數需要經過訓練得出。除數即為引數。
2. γ編碼的實現
γ編碼的實現難點是在檔案中儲存的是以byte為單位的資料，讀取出資料時是乙個乙個的byte，需要精心計算每個數字的邊界，並且計算出邊界後需要使用各種二進位制操作符對資料擷取。
2.1 γ編碼讀取器
首先，需要確定的是資料的長度，即對讀到的bit進行計數，當讀到0時結束計數。即，如果讀到的byte為01110111，讀到第乙個0時計數結束，說明後面跟著0bit資料。再加上前面已經確定的1，所有位加起來，資料就是1，然後讀到第二個0時，此時計數器為3，表示後面跟著3bit的資料。也就是後面的111，再加上前面的1，即1111，轉換為10進製就是15，也就是說這個byte包含兩個數字：1,15。
假設現有byte by=119(01110111), by_index=0（用於儲存當前byte被讀了多少bit）;
首先用by^-1(11111111)，得到10001000，這裡的1即表示0所在的位置，再判斷10001000&10000000，如果等於10000000，則表示第一位存在0，如果與01000000做按位與操作得到01000000，則表示第二位為0，以此類推。
計數器為0直接返回1，此時by_index的值為1（已讀取1bit）。再讀取下一資料時，計數器為3。讀取後面的資料需要先將by向左移動5位（by_index=5），用以截掉前面已經讀取過的資料，得到11100000，再向右移動5位，得到00000111，假設目前有一臨時結果儲存在記憶體中(result)值為1。則將result向左移動三位（資料長度為3），得到00001000，再用00001000與00000111做按位或操作，得到00001111即為最終結果。
2.2 γ編碼寫入器
γ編碼的寫入器首先要確定需要寫入的資料的長度，同樣需要對每個位做按位&計算，輸出時需要考慮輸出時按照每byte輸出的，上次輸出可能並沒有完整地用完一byte，需要將bit資料加到後面去。
假設有資料15(1111),6(110)需要輸出，首先經過計算得出資料15的長度是3（截掉前面的1），快取中有byte by=0;需要先將3個1輸出到快取中，即by|11100000，然後輸出資料，需要輸出3位數字，此時前面4位元已被占用，需要將資料右移4bit。得到00001110，再與快取資料做按位或操作，得到11101110，此時還有1bit未被占用，可被下乙個資料使用，下乙個資料需要2長度，使用上次遺存的1bit再加上下一byte的4byte就能完成儲存了。
3.實驗
使用gammacodewriter對隨機100個1w以內的整數進行編碼，輸出到檔案中，占用209位元組，而如果使用dataoutputstream進行完整輸出，則需要占用400位元組。
程序及其實現
一 程序的定義 1 程序是可併發執行的程式在某個資料集合上的一次計算活動，也是作業系統進行資源分配和保護的基本單位 2 可以用來共享資源又能描述程式併發 為什麼要引入程序概念 1 刻畫程式的併發性 程式是併發執行的，這是由於資源共享和競爭問題，程式自身只是計算任務的指令和資料的描述，是靜態的，程序是...
kmeans演算法及其實現
k 均值演算法能夠使聚類域中所有樣品到聚類中心距離平方和最小。其原理為 先取 k個初始聚類中心，計算每個樣品到這 k個中心的距離，找出最小距離，把樣品歸入最近的聚類中心，修改中心點的值為本類所有樣品的均值，再計算各個樣品到新的聚類中心的距離，重新歸類，修改新的中心點，直到新的聚類中心和上一次聚類中心...
strtok函式及其實現
標頭檔案 include 定義函式 char strtok char s,const char delim 函式說明 strtok 用來將字串分割成乙個個片段。引數s 指向欲分割的字串，引數delim 則為分割字串，當 strtok 在引數s 的字串中發現到引數delim 的分割字元時則 會將該字元...