ssa算法

❶ MKV与RMVB格式的区别

MKV不是一种压缩格式，DivX、XviD才是视频压缩格式，MP3、OGG才
是音频压缩格式。
MKV是个"组合"和"封装"的格式，换句话说就是一种容器格式。
举个例子的话就比较容易理解了，把只有视频的XviD和只有音频的MP3组合起来，然后以
一种多媒体介质的形式出现，最常见的就是AVI，其次就是OGM，还有MP4等不太常见的。
AVI的出现已经超过了10年，渐渐体现出老态了，除了近年通过VD可以拥有2个音轨，没
有其他的改进。
OGM的出现，标志着多音轨格式的出现，可以合成8个以上的音轨，音频上自然也多了OG
G这个格式，重要的是可以"内挂"字幕，老外称为"软字幕"，可以任意开关，可以"内挂"8个以上的字幕，美中不足的是仅仅支持srt格式，并且不支持Unicode，对亚洲字符支持严重不足。还有一个就是Charpter功能，可以自定义段落，播放时就可以选择了。是不是越来越像DVD啦？但是当时的OGM源码是不公开的，就那么几个人在开发，自然进度慢了，前一阵几乎陷入了"死亡"。最近宣布公开源码，加入Open
Source行列，重新开始开发。
MKV就是在OGM停滞的那段时间出现的，由俄罗斯的程序员开发的，从一开始就是Open
Se行列，重新开始开发。
MKV就是在OGM停滞的那段时间出现的，由俄罗斯的程序员开发的，从一开始就是Open
Source，因此得到了很多其他程序员的帮助，开发速度相当快。
OGM有的MKV都有，另外还有很多独特的功能。其中最令人振奋的就是Gabest开发的Plugin，不仅开发了专门的播放器Media
Player
Classic，这个东西的强大相信用过的人都有体会。还开发了很多的MKV用的Mux（合成器），尤其是Real格式的Mux。
Real的RMVB是封闭格式，官方的Helix根本就不支持多声道，所以尽管算法很优秀，但在声效大片的再现上就无能为力了，只能乖乖让位给可以合成AC3和DTS的AVI以及OGM了。
但Gabest开发的Realmedia
Splitter和MKV
Mux可以让RMVB格式的视频和AC3、DTS合成MKV，从根本上克服了RMVB音频上的弱点。
不仅如此，还开发了VSFilter.dll和SubtitleSource.ax这2个Plugin，宣布支持ssa和ass的格式软字幕。
可能大家看了有点晕，我也说的太多了，总结就是下面几条：
1、支持多种格式的视频和音频，尤其是Real
2、支持多音轨，多达16条以上
3、支持ssa，ass软字幕，多达16条以上
4、支持段落选取（由制作人决定）

❷ 哪本"编译原理"的书比较好

我们学校用的是《编译原理》与《编译原理与实践》这两本书，这两本书都是国外的教材。我觉得《编译原理与实践》这本书不错，自学应该能看懂，而且代码比较多，书最后还有整个小型编译器的源代码。
编译不好学，你就慢慢学吧。

下面的资料请作参考：

当代编译技术三大圣经级别的教材

1.龙书(Dragon book)
书名是Compilers: Principles,Techniques,and Tools
作者是：Alfred V.Aho,Ravi Sethi,Jeffrey D.Ullman

内容简介
《编译原理》作者Alfred V．Aho、Ravi Sethi和Jeffrey D．Ullman是世界着名的计算机 科学家，他们在计算机科学理论、数据库等很多领域都做出了杰出贡献。《编译原理》 是编译领域无可替代的经典着作，被广大计算机专业人士誉为“龙书”。《编译原理》一 直被世界各地的着名高等院校和科研机构(如贝尔实验室、哥伦比亚大学、普 林斯顿大学和斯坦福大学等)广泛用作本科生和研究生编译原理与技术课程的 教材，《编译原理》对我国计算机教育界也具有重大影响。 书中深入讨论了编译器设计的重要主题，包括词法分析、语法分析、语法制 导分析、类型检查、运行环境、中间代码生成、代码生成、代码优化等，并在 最后两章中讨论了实现编译器的一些编程问题和几个编译器实例，而且每章都 提供了大量的练习和参考文献。

与上一版相比，《编译原理》第二版进行了全面的修订，涵盖了编译器开发方面的最新进展。每章中都提供了大量的系统及参考文献。《编译原理》是编译原理课程方面的经典教材，内容丰富，适合作为高等院校计算机及相关专业本科生及研究生的编译原理课程的教材，也是广大技术人员的极佳参考读物。

作者简介
Alfred V．Aho，美国歌伦比亚大学教授，美国国家工程院院士，ACM和IEEE会士，曾获得IEEE的冯·诺伊曼奖。着有多部算法、数据结构、编译器、数据库系统及计算机科学基础方面的着作。
Monica S．Lam，斯坦福大学计算机科学系教授，曾任Tensilica的首席科学家，也是Moka5的首任CEO。曾经主持SUIF项目，该项目产生了最流行的研究用编译器之一。
Ravi Sethi，Avaya实验室总裁，曾任贝尔实验室高级副总裁TLucent Technologies通信软件的CTO。他曾在宾夕法尼亚州立大学、亚利桑那州立大学和普林斯顿大学任教，是ACM会士。
Jeffrey D．Ullman斯坦福大学计算机科学系教授和Gradiance CEO，他的研究兴趣包括数据库理论、数据库集成、数据挖掘和利用信息基础设施教学等。他是美国国家工程院院士、IEEE会士，获得过ACM的KarIstrom杰出教育家奖和Knuth奖。
第一版中文版
第二版中文版

2.鲸书(Whale book)
书名是：Advanced Compiler Design and Implementation
作者是：Steven S.Muchnick

内容简介
本书迎接现代语言和体系结构的挑战，帮助读者作好准备，去应对将来要遇到的编译器设计的问题。
本书涵盖现代微处理器编译器的设计和实现方面的所有高级主题。本书从编译设计基础领域中的高级问题开始，广泛而深入地阐述各种重要的代码优化技术，分析各种优化之间的相对重要关系，以及实现这些优化的最有效方法。
本书特点
●为理解高级编译器设计的主要问题奠定了基础
●深入阐述优化问题
●用Sun的SPARC、IBM的POWER和PowerPC、DEC的Alpha以及Intel的Pentium和相关商业编译 器作为案例，说明编译器结构、中间代码设计和各种优化方法
●给出大量定义清晰的关于代码生成、优化和其他问题的算法
●介绍由作者设计的以清晰、简洁的方式描述算法的语言ICAN (非形式编译算法表示)。

本书是经典的编译器着作，与“龙书”齐名，称为鲸书。书中针对现代语言和体系结构全面介绍了编译器设计与实现的高级论题，从编译器的基础领域中的高级问题开始，然后深入讨论了各种重要的代码优化。本书专为编译器专业人士和计算机专业本科生，研究生编写，在设计和实现高度优化的编译器以及确定优化的重要性和实现优化的最有效的方法等方面，为读者提供了非常有价值的指导。

作者简介
Steven S.Muchnick，曾是计算机科学教授，后作为惠普的PA-RISC和SUN的SPARC两种计算机体系结构的核心开发成员，将自己的知识和经验应用于编译器设计，并担任这些系统的高级编译器设计与实现小组的领导人。他在研究和开发方面的双重经验，对于指导读者作出编译器设计决策极具价值。

3.虎书(Tiger book)
书名是：Modern Compiler Implementation in C /Java /ML,Second Edition
作者是：Andrew W.Appel,with Jens Palsberg

内容简介
《现代编译原理——C语言描述(英文版)/图灵原版计算机科学系列》全面讲述了现代编译器的各个组成部分，包括：词法分析、语法分析、抽象语法、语义检查、中间代码表示、指令选择、数据流分析、寄存器分配以及运行时系统等。与大多数编译原理的教材不同，《现代编译原理——C语言描述(英文版)/图灵原版计算机科学系列》采用了函数语言和面向对象语言来描述代码生成和寄存器分配，对于编译器中各个模块之间的接口都给出了实际的 C 语言头文件。 全书分成两部分，第一部分是编译的基础知识，适用于第一门编译原理课程（一个学期）；第二部分是高级主题，包括面向对象语言和函数语言、垃圾收集、循环优化、 SSA（静态单赋值）形式、循环调度、存储结构优化等。
本书是一本着名的编译原理课程的教材。国际上众多名校均采用本书作为编译原理课程的教材，包括美国麻省理工学院、加州大学伯克利分校、普林斯顿大学和英国剑桥大学等。本书在国外享有“虎书”的称号，与有“龙书”之称的《编译原理》（Alfred Aho 等编着）齐名。与编译原理方面的其他名着相比，本书出版时间晚，内容新。 书中专门为学生提供了一个用 C 语言编写的实习项目，包括前端和后端设计，学生可以在一学期内创建一个功能完整的编译器。

作者简介
Andrew W.Appel，美国普林斯顿大学计算机科学系教授，第26届ACM SIGPLAN-SIGACT程序设计原理年会大会执行主席，1998-1999年在贝尔实验室做研究工作。主要研究方向是计算机安全、编译器设计、程序设计语言等。

❸ 对数据科学家来说最重要的算法和统计模型

对数据科学家来说最重要的算法和统计模型
作为一个在这个行业已经好几年的数据科学家，在LinkedIn和QuoLa上，我经常接触一些学生或者想转行的人，帮助他们进行机器学习的职业建议或指导方面相关的课程选择。一些问题围绕教育途径和程序的选择，但许多问题的焦点是今天在数据科学领域什么样的算法或模型是常见的。
由于可供选择的算法太多了，很难知道从哪里开始学起。课程可能包括在当今工业中使用的不是很典型的算法，而课程可能没有包含目前不是很流行的但特别有用的方法。基于软件的程序可以排除重要的统计概念，并且基于数学的程序可以跳过算法设计中的一些关键主题。

我为一些有追求的数据专家整理了一个简短的指南，特别是关注统计模型和机器学习模型(有监督学习和无监督学习);这些主题包括教科书、毕业生水平的统计学课程、数据科学训练营和其它培训资源。(其中有些包含在文章的参考部分)。由于机器学习是统计学的一个分支，机器学习算法在技术上归类于统计学知识，还有数据挖掘和更多的基于计算机科学的方法。然而，由于一些算法与计算机科学课程的内容相重叠，并且因为许多人把传统的统计方法从新方法中分离出来，所以我将把列表中的两个分支也分开了。

统计学的方法包括在bootcamps和证书程序中概述的一些更常见的方法，还有一些通常在研究生统计学程序中所教授的不太常见的方法(但在实践中可以有很大的优势)。所有建议的工具都是我经常使用的工具:
1)广义线性模型，它构成了大多数监督机器学习方法的基础(包括逻辑回归和Tweedie回归，它概括了在工业中遇到的大多数计数或连续结果……)
2) 时间序列方法(ARIMA, SSA, 基于机器学习的方法)
3) 结构方程建模 (模拟和测试介导途径)
4) 因子分析法(调查设计与验证的探索和验证)
5) 功率分析/试验设计 (特别是基于仿真的试验设计，以免分析过度)
6) 非参数检验(从零开始的推导, 尤其通过模拟)/MCMC
7) K均值聚类
8) 贝叶斯方法(Na?ve Bayes, 贝叶斯模型求平均值, 贝叶斯自适应试验...)
9) 惩罚回归模型 (elastic net, LASSO, LARS...) ，通常给模型增加惩罚因素(SVM, XGBoost...), 这对于预测值超过观测值的数据集是有用的(常见于基因组学与社会科学研究)
10) 样条模型(MARS...) 用于灵活性建模过程
11)马尔可夫链和随机过程 (时间序列建模与预测建模的另一种方法)
12)缺失数据填补方案及其假设(missForest, MICE...)
13) 生存分析(非常有助于制造建模和消耗过程)
14) 混合建模
15) 统计推断与分组测试(A/B测试和在许多交易活动中实施更复杂的设计)
机器学习扩展了许多这样框架，特别是K均值聚类和广义线性建模。在许多行业中一些有用的常见技术(还有一些更模糊的算法，在bootcamps或证书程序中出人意料的有用，但学校里很少教) 包括:
1)回归/分类树(用于高精度、可解释性好、计算费用低的广义线性模型的早期推广)
2)维数约简(PCA和多样学习方法如MDS和tSNE)
3)经典前馈神经网络
4)装袋组合(构成了随机森林和KNN回归整合等算法的基础)
7)加速整合(这是梯度提升和XGBoost算法的基础)
8)参数优化或设计项目的优化算法(遗传算法，量子启发进化算法，模拟锻炼，粒子群优化)
9)拓扑数据分析工具，特别适合于小样本大小的无监督学习(持久同调, Morse-Smale聚类, Mapper...)
10)深度学习架构(一般的深度架构)
11) KNN局部建模方法(回归, 分类)
12)基于梯度的优化方法
13)网络度量与算法(中央度量法、中间性、多样性、熵、拉普拉斯算子、流行病扩散、谱聚类)
14)深度体系架构中的卷积和汇聚层(专门适用于计算机视觉和图像分类模型)
15)层次聚类 (聚类和拓扑数据分析工具相关)
16)贝叶斯网络(路径挖掘)
17)复杂性与动态系统(与微分方程有关，但通常用于模拟没有已知驱动程序的系统)
依靠所选择的行业，可能需要与自然语言处理(NLP)或计算机视觉相关的附加算法。然而，这些是数据科学和机器学习的专门领域，进入这些领域的人通常已经是那个特定领域的专家。

❹ 编译器中都有哪些算法

词法/语法分析、程序分析与程序变换、代码生成、内存管理、虚拟机、函数式语言的实现与优化。。。每个话题都能出不止一本书。

用到的算法/数据结构多如牛毛：

各种树、图为主，其他如栈、队列、散列表、并查集。。。

贪心、回溯、动态规划、遗传算法、矩阵变换。。

在一个问题下很难回答好。。 先简单介绍一下和图相关的。

1. 和什么图打交道
CFG(Control Flow Graph)
控制流图是对程序中分支跳转关系的抽象，描述程序所有可能执行路径

节点是语句集合（basic block)；

每个basic block有唯一入口和出口；

如果A到B有边，表示A执行完后可能执行B

PDG(Program Dependence Graph)
PDG在编译器中用得不多，常见于软件工程/安全相关的应用（程序切片、安全信息流等）

SSA(Single Static Assignment)
SSA简化了很多数据流分析问题。

其他图
DJ Graph, Loop Nesting Forest, Program Structure Tree等等。

可参考：IR for Program Analysis。下面主要介绍CFG

2. CFG初步处理
CFG构造

dominator树生成
在CFG中，如果A是B的dominator，则从程序入口执行到B的任意路径一定经过A

控制依赖分析
根据dominator和post-dominator分析依赖关系。数据依赖、控制依赖信息在自动并行化中尤其重要（如果循环的每次迭代都没有依赖，那么可以并行处理）

控制流图化简
在复杂度相同的情况下，CFG的规模影响算法的效果。如果一个CFG仅通过如下变换能化简为一个节点，则它是可化简的：

如果节点n有唯一的前驱，那么将其和其前驱合并为一个节点

如果节点存在到自身的边，那么将该边删除
构造SSA
SSA可以由CFG构造。

3. CFG与数据流分析
下面才进入主题。。
一般的文献介绍DFA（Data flow analysis），都会用几个基础的分析为例：Constant Propagation，Range propagation，Avaliable expressions，Reaching Definition。而Reaching Definition的一个应用，就是大家喜闻乐见的“跳转到定义处”（真要做到“智能”跳转并不简单）

这部分涉及东西较多，一些算法也和”图“并不直接相关，不再展开。

PS，很多DFA问题可以用graph reachability统一建模，强烈推荐此文：
Program analysis via graph reachability

❺ PMP绝对路径的算法

PMP没有绝对的路径计算法。只是关键路径。。或者你将问题再补充全些

❻ mkv是什么格式

mkv是Matroska的一种媒体文件

Matroska是一种新的多媒体封装格式，也称多媒体容器 (Multimedia Container)。它可将多种不同编码的视频及16条以上不同格式的音频和不同语言的字幕流封装到一个Matroska Media文件当中。

MKV最大的特点就是能容纳多种不同类型编码的视频、音频及字幕流。kv不同于DivX、XviD等视频编码格式，也不同于MP3、Ogg等音频编码格式。MKV是为这些音、视频提供外壳的“组合”和“封装”格式。

(6)ssa算法扩展阅读：

MKV特点

Matroska最大的特点就是能容纳多种不同类型编码的视频、音频及字幕流，甚至囊括了RealMedia及QuickTime这类流媒体，可以说是对传统媒体封装格式的一次大颠覆！它现在几乎变成了一个万能的媒体容器，目前它所能封装的视频、音频、字幕类型包括：

AVI文件，包括采用DivX、XviD、3ivX、VP6视频编码，及PCM、MP3、AC3等音频编

MKV标志

MKV标志

码的AVI

RealMedia文件，包括RealVideo和RealAudio

QuickTime的MOV及MP4视频

Windows Media文件，包括ASF、WMV格式

MPEG文件，包括MPEG-1/2的M1V、M2V

Ogg/OGM 文件，包括Ogg Vorbis、OGM、FLAC文件

Matroska Media文件，包括MKV、MKA、MKS文件

WAV、AC3、DTS、MP2、MP3、AAC/MP4音频

SRT、USF及SSA/ASS文本字幕

SubVob图形字幕，后缀为IDX、SUB

BMP图形字幕，以一组BMP图片及时间码构成的字幕