今天讀了
鄭坤霖、鍾葉青，在PDA上整合GPS與GIS之導航系統，逢甲大學，碩士論文，民91年。
這篇有點像是 把Papago實做出來一樣
使用mappoint這個工具來匯入GIS的資料 以向量圖來表示
還能夠標示出各顆衛星的訊號強度與其在天頂的位置
使用R-tree做為index structure可以加快搜尋的速度
Differential GPS, DGPS 這個技術則是可以提昇定位的精確度
蠻有趣的一篇論文
另外一些文獻則提到
在衛星收不到訊號的地方
Fuzzy可能也是一個思考的方向
2009年1月23日 星期五
2008年10月7日 星期二
Reference of the Thesis
Paper (read)：
L. Liao, D. J. Patterson, D. Fox, and H. Kautz. Learning and Inferring Transportation Routines. in Artificial Intelligence, 2007.
http://www.liaolin.com/Research/learning-transportations-aij-2007.pdf
L. Liao, D. Fox, and H. Kautz. Learning and Inferring Transportation Routines. in Proceedings of AAAI-04 , 2004. Outstanding Paper Award.
http://www.liaolin.com/Research/aaai2004.pdf
D. Patterson, L. Liao, D. Fox, and H. Kautz. Inferring High-Level Behavior from Low-Level Sensors. in Proceedings of The Fifth International Conference on Ubiquitous Computing (UBICOMP), 2003.
http://www.liaolin.com/Research/activity-compass-ubicomp-03.pdf
Paper (to be read)：
L. Liao, D. Fox, J. Hightower, H. Kautz and D. Schulz. Voronoi Tracking: Location Estimation Using Sparse and Noisy Sensor Data. in Proceedings of the International Conference on Intelligent Robots and Systems (IROS), 2003.
http://www.liaolin.com/Research/iros2003.pdf
L. Liao. Location-based Activity Recognition. University of Washington, 2006. (Ph.D. Thesis)
http://www.liaolin.com/Research/liao-thesis.pdf
L. Liao, D. J. Patterson, D. Fox, and H. Kautz. Building Personal Maps from GPS Data. in New York Academy of Sciences, 2007.
B. Limketkai, D. Fox, and L. Liao. CRF-filters: Conditional Particle Filters for Sequential State Estimation. in Proceedings of the International Conference on Robotics and Automation, 2007.
http://www.liaolin.com/Research/crf-filters-icra-07.pdf
A tutorial on hidden Markov models and selected applications in speech recognition
http://ieeexplore.ieee.org/xpls/abs_all.jsp?isnumber=698&arnumber=18626&count=9&index=1
Book:
1. Probabilistic robotics / Sebastian Thrun, Wolfram Burgard, Dieter Fox.
2. Sequential Monte Carlo methods in practice / Arnaud Doucet, Nando de Freitas, Neil Gordon.
3. Estimation with Applications to Tracking and Navigation / by Yaakov Bar-Shalom, X. Rong Li, Thiagalingam Kirubarajan.
4. Beyond the Kalman filter: particle filters for tracking applications / Branko Ristic, Sanjeev Arula.
5. Probabilistic reasoning in intelligent systems networks of plausible inference / Judea Pearl.
6. The EM algorithm and extensions / Geoffrey J. McLachlan, Thriyambakam Krishnan.
7. Tools for statistical inference methods for the exploration of posterior distributions and likelihoo functions / Martin A. Tanner.
L. Liao, D. J. Patterson, D. Fox, and H. Kautz. Learning and Inferring Transportation Routines. in Artificial Intelligence, 2007.
http://www.liaolin.com/Research/learning-transportations-aij-2007.pdf
L. Liao, D. Fox, and H. Kautz. Learning and Inferring Transportation Routines. in Proceedings of AAAI-04 , 2004. Outstanding Paper Award.
http://www.liaolin.com/Research/aaai2004.pdf
D. Patterson, L. Liao, D. Fox, and H. Kautz. Inferring High-Level Behavior from Low-Level Sensors. in Proceedings of The Fifth International Conference on Ubiquitous Computing (UBICOMP), 2003.
http://www.liaolin.com/Research/activity-compass-ubicomp-03.pdf
Paper (to be read)：
L. Liao, D. Fox, J. Hightower, H. Kautz and D. Schulz. Voronoi Tracking: Location Estimation Using Sparse and Noisy Sensor Data. in Proceedings of the International Conference on Intelligent Robots and Systems (IROS), 2003.
http://www.liaolin.com/Research/iros2003.pdf
L. Liao. Location-based Activity Recognition. University of Washington, 2006. (Ph.D. Thesis)
http://www.liaolin.com/Research/liao-thesis.pdf
L. Liao, D. J. Patterson, D. Fox, and H. Kautz. Building Personal Maps from GPS Data. in New York Academy of Sciences, 2007.
B. Limketkai, D. Fox, and L. Liao. CRF-filters: Conditional Particle Filters for Sequential State Estimation. in Proceedings of the International Conference on Robotics and Automation, 2007.
http://www.liaolin.com/Research/crf-filters-icra-07.pdf
A tutorial on hidden Markov models and selected applications in speech recognition
http://ieeexplore.ieee.org/xpls/abs_all.jsp?isnumber=698&arnumber=18626&count=9&index=1
Book:
1. Probabilistic robotics / Sebastian Thrun, Wolfram Burgard, Dieter Fox.
2. Sequential Monte Carlo methods in practice / Arnaud Doucet, Nando de Freitas, Neil Gordon.
3. Estimation with Applications to Tracking and Navigation / by Yaakov Bar-Shalom, X. Rong Li, Thiagalingam Kirubarajan.
4. Beyond the Kalman filter: particle filters for tracking applications / Branko Ristic, Sanjeev Arula.
5. Probabilistic reasoning in intelligent systems networks of plausible inference / Judea Pearl.
6. The EM algorithm and extensions / Geoffrey J. McLachlan, Thriyambakam Krishnan.
7. Tools for statistical inference methods for the exploration of posterior distributions and likelihoo functions / Martin A. Tanner.
2007年9月24日 星期一
2007年 第39週 工作計畫
檢討上週的執行結果
2007年 第38週 (2007.09.17 ~ 2007.09.23) 檢討
01. Data Mining (Tan) 40頁 完成100%(40/40) p.60 to p.100
02. Algorithm (Cormen) 10頁 完成0%(0/10) p.62
03. paper (Summarizing Email) 10頁 完成0%(0/10)
04. [Slide] Concept-Drifting Data Streams 完成20%
05. Hacking Exposed Chap.4 完成130%
06. 類神經 講義 Chap.1~2 完成100%
07. 攻防 講義 Chap.1~2 完成0%
08. 軟工 講義 Chap.1 完成0%
09. Linux 講義 Chap.1 完成100%
10. 機器學習 (蘇木春) Chap.1~2 (新增)
11. Neural Networks (Haykin) p.6 (新增)
本週的工作計畫
2007年 第39週 (2007.09.24 ~ 2007.09.30)
01. Data Mining (Tan) 30頁
02. Algorithm (Cormen) 10頁
03. paper (Summarizing Email)
04. [Slide] Concept-Drifting Data Streams
05. Neural Networks (Haykin) 20頁
06. 機器學習 (蘇木春) Chap.3
07. Hacking Exposed Chap.5
08. Software Engineering (Pressman) 10頁
09. 講義 類神經 Chap.3
10. 講義 攻防 Chap.1~2
11. 講義 軟工 Chap.1
12. 講義 Linux Chap.2
類神經的第一個程式作業是
感知機收斂定理 (Perceptron Convergence Theorem)
經過研讀之後 感覺不太難
等老師公佈 程式的要求細節之後 我想我寫的出來
在唸類神經的時候 發現有很多觀念 是跟Data Mining相通的
我認為 每週訂工作目標 對我有很多好處
不會像以前一樣 不知道今天要做啥
每天都有進度要追 雖然進度好像永遠都追不上
已經執行三週的工作計畫了 對於自己一週能有多少頁數 心裡大致也有個譜
訂一個具有挑戰性的目標是好的
我應該致力於每一項的進度都100% 而非單一項的進度暴衝
如果有一週 我能夠全部項目皆100% 那會很有成就感
Data Mining (Tan) 已經唸完前兩章
我想本週可以把 前兩章的筆記整理出來
2007年 第38週 (2007.09.17 ~ 2007.09.23) 檢討
01. Data Mining (Tan) 40頁 完成100%(40/40) p.60 to p.100
02. Algorithm (Cormen) 10頁 完成0%(0/10) p.62
03. paper (Summarizing Email) 10頁 完成0%(0/10)
04. [Slide] Concept-Drifting Data Streams 完成20%
05. Hacking Exposed Chap.4 完成130%
06. 類神經 講義 Chap.1~2 完成100%
07. 攻防 講義 Chap.1~2 完成0%
08. 軟工 講義 Chap.1 完成0%
09. Linux 講義 Chap.1 完成100%
10. 機器學習 (蘇木春) Chap.1~2 (新增)
11. Neural Networks (Haykin) p.6 (新增)
本週的工作計畫
2007年 第39週 (2007.09.24 ~ 2007.09.30)
01. Data Mining (Tan) 30頁
02. Algorithm (Cormen) 10頁
03. paper (Summarizing Email)
04. [Slide] Concept-Drifting Data Streams
05. Neural Networks (Haykin) 20頁
06. 機器學習 (蘇木春) Chap.3
07. Hacking Exposed Chap.5
08. Software Engineering (Pressman) 10頁
09. 講義 類神經 Chap.3
10. 講義 攻防 Chap.1~2
11. 講義 軟工 Chap.1
12. 講義 Linux Chap.2
類神經的第一個程式作業是
感知機收斂定理 (Perceptron Convergence Theorem)
經過研讀之後 感覺不太難
等老師公佈 程式的要求細節之後 我想我寫的出來
在唸類神經的時候 發現有很多觀念 是跟Data Mining相通的
我認為 每週訂工作目標 對我有很多好處
不會像以前一樣 不知道今天要做啥
每天都有進度要追 雖然進度好像永遠都追不上
已經執行三週的工作計畫了 對於自己一週能有多少頁數 心裡大致也有個譜
訂一個具有挑戰性的目標是好的
我應該致力於每一項的進度都100% 而非單一項的進度暴衝
如果有一週 我能夠全部項目皆100% 那會很有成就感
Data Mining (Tan) 已經唸完前兩章
我想本週可以把 前兩章的筆記整理出來
2007年9月18日 星期二
2007年 第38週 工作計畫
檢討上週的執行結果
2007年 第37週 (2007.09.10 ~ 2007.09.16) 檢討
1. Data Mining (Tan) 100頁 完成10%(10/100) p.50 to p.60
2. Algorithm 50頁 完成0%(0/50) p.62
3. paper (Concept-Drifting Data Streams) 12頁 完成100%
4. paper (Summarizing Email) 10頁 完成0%(0/10)
5. Hacking Exposed Chap.1~3
本學期修課：
類神經網路、電腦攻防、軟體工程、Linux
類神經第一堂就出程式作業 果然是重課
本週的工作計畫
2007年 第38週 (2007.09.17 ~ 2007.09.23)
1. Data Mining (Tan) 40頁
2. Algorithm (Cormen) 10頁
3. paper (Summarizing Email)
4. [投影片] Concept-Drifting Data Streams
5. Hacking Exposed Chap.4
6. 類神經 講義 Chap.1~2
7. 攻防 講義 Chap.1~2
8. 軟工 講義 Chap.1
9. Linux 講義 Chap.1
2007年 第37週 (2007.09.10 ~ 2007.09.16) 檢討
1. Data Mining (Tan) 100頁 完成10%(10/100) p.50 to p.60
2. Algorithm 50頁 完成0%(0/50) p.62
3. paper (Concept-Drifting Data Streams) 12頁 完成100%
4. paper (Summarizing Email) 10頁 完成0%(0/10)
5. Hacking Exposed Chap.1~3
本學期修課：
類神經網路、電腦攻防、軟體工程、Linux
類神經第一堂就出程式作業 果然是重課
本週的工作計畫
2007年 第38週 (2007.09.17 ~ 2007.09.23)
1. Data Mining (Tan) 40頁
2. Algorithm (Cormen) 10頁
3. paper (Summarizing Email)
4. [投影片] Concept-Drifting Data Streams
5. Hacking Exposed Chap.4
6. 類神經 講義 Chap.1~2
7. 攻防 講義 Chap.1~2
8. 軟工 講義 Chap.1
9. Linux 講義 Chap.1
2007年9月10日 星期一
2007年 第37週 工作計畫
檢討上週的執行結果
2007年 第36週 (2007.09.03 ~ 2007.09.09) 檢討
1. Data Mining 50頁 完成50%(50/100) p.1 to p.50
2. Algorithm 30頁 完成60%(30/50) p.32 to p.62
3. paper (Concept-Drifting Data Streams) 4頁 完成33%(4/12)
上週三項目標全數未達成 顯然不夠認真
要再加強
本週的工作計畫
2007年 第37週 (2007.09.10 ~ 2007.09.16)
1. 完成上週(第36週)未完成的進度
2. 讀 Data Mining (Tan) 50頁
3. 讀 Algorithm (Cormen) 20頁
4. 讀一篇paper (Summarizing Email)
5. 本週開學 跟上授課進度
哲民建議看Javascript
偉慶建議看PHP
有空看看這兩個語言
本週的心得 發現很多paper中 看不懂的名詞 其實課本都有寫
對於Data Mining稍有認識
我覺得自己比較喜歡Data Streams 因為Data Streams跟股價較相關
尤其是其中的Time Series這部分
關於論文題目的方向 目前暫訂
1. Data Streams
2. 老師指定的Text Mining
這兩者 另外 我對於RFID也蠻感興趣的
再找幾篇paper來看看
2007年 第36週 (2007.09.03 ~ 2007.09.09) 檢討
1. Data Mining 50頁 完成50%(50/100) p.1 to p.50
2. Algorithm 30頁 完成60%(30/50) p.32 to p.62
3. paper (Concept-Drifting Data Streams) 4頁 完成33%(4/12)
上週三項目標全數未達成 顯然不夠認真
要再加強
本週的工作計畫
2007年 第37週 (2007.09.10 ~ 2007.09.16)
1. 完成上週(第36週)未完成的進度
2. 讀 Data Mining (Tan) 50頁
3. 讀 Algorithm (Cormen) 20頁
4. 讀一篇paper (Summarizing Email)
5. 本週開學 跟上授課進度
哲民建議看Javascript
偉慶建議看PHP
有空看看這兩個語言
本週的心得 發現很多paper中 看不懂的名詞 其實課本都有寫
對於Data Mining稍有認識
我覺得自己比較喜歡Data Streams 因為Data Streams跟股價較相關
尤其是其中的Time Series這部分
關於論文題目的方向 目前暫訂
1. Data Streams
2. 老師指定的Text Mining
這兩者 另外 我對於RFID也蠻感興趣的
再找幾篇paper來看看
2007年9月9日 星期日
2007年9月6日 星期四
今天的主講者是Tom
本來以為我是觀眾 結果我講的比Tom還久
今天第一次使用NetMeeting
之前meeting的時候 我就覺得 應該要共用桌面
我們報告的時候 老師可以即時看到我們在講哪一頁的哪一部份
那時我想到的是UltraVNC 可以遠端看到桌面
NetMeeting的優點是 可以多方會議
但缺點是 Linux沒有NetMeeting
我在想有什麼跨平台的軟體可以取代NetMeeting
Skype可以多方通話 但可惜看不到桌面
本來以為我是觀眾 結果我講的比Tom還久
今天第一次使用NetMeeting
之前meeting的時候 我就覺得 應該要共用桌面
我們報告的時候 老師可以即時看到我們在講哪一頁的哪一部份
那時我想到的是UltraVNC 可以遠端看到桌面
NetMeeting的優點是 可以多方會議
但缺點是 Linux沒有NetMeeting
我在想有什麼跨平台的軟體可以取代NetMeeting
Skype可以多方通話 但可惜看不到桌面
2007年8月31日 星期五
2007年 第36週 工作計畫
下週的工作計畫
2007年 第36週 (2007.09.03 ~ 2007.09.09)
1. 讀 Data Mining (Tan) 100頁
2. 讀 Algorithm (Cormen) 50頁
3. 讀一篇paper (Concept-Drifting Data Streams)
2007年 第36週 (2007.09.03 ~ 2007.09.09)
1. 讀 Data Mining (Tan) 100頁
2. 讀 Algorithm (Cormen) 50頁
3. 讀一篇paper (Concept-Drifting Data Streams)
訂閱：
文章 (Atom)