Ubuntu – Debian altında örnek kodu derleyebilmek için gerekli paketler :

$ sudo apt-get install libavcodec-dev libavformat-dev

Derlemek için :

g++ avf.cpp -I/usr/include/libavcodec -I/usr/include/libavformat -lavformat -lavcodec -L/usr/lib/libavformat.so -L/usr/lib/libavcodec.so -o avf

Örnek Kullanım :

./avf test.mp4

Çıktı :

Video codec       : mp42

Width       : 1920

Height      : 1080

Duration    : 300

Audio codec   : aac

Audio channels    : 2

Audio samplerate  : 44100

Audio bitrate     : 128

#ifndef INT64_C
#define INT64_C(c) (c ## LL)
#define UINT64_C(c) (c ## ULL)
#endif

extern "C" {
#include <avcodec.h>
#include <avformat.h>
}

#include <stdio.h>
#include <stdlib.h>
#include <iostream>

//g++ avf.cpp -I/usr/include/libavcodec -I/usr/include/libavformat -lavformat -lavcodec -L/usr/lib/libavformat.so -L/usr/lib/libavcodec.so -o avf

using namespace std;

int main(int argc, char *argv[])
{
	av_log_set_level(0);
	av_register_all();
	AVFormatContext *pFormatCtx;
	const char      *filename=argv[1];

	// Open video file
	if(av_open_input_file(&pFormatCtx, filename, NULL, 0, NULL)!=0)
	{
	   cout < < "can't open file" << endl;
	   exit(-1);
	}	

	// Retrieve stream information
	if(av_find_stream_info(pFormatCtx)<0)
	{
	  cout << "can't get stream info" << endl; 	  exit(-1); 	} 	//dump_format(pFormatCtx, 0, filename, false); 	int            i, videoStream; 	AVCodecContext *pCodecCtx; //http://ffmpeg.org/doxygen/0.6/structAVCodecContext.html 	AVCodecContext *pCodecCtx2; 	 	pCodecCtx=pFormatCtx->streams[0]->codec;
	pCodecCtx2=pFormatCtx->streams[1]->codec;

	AVCodec* vCodec;//http://ffmpeg.org/doxygen/0.6/structAVCodec.html
	AVCodec* aCodec;
	vCodec=avcodec_find_decoder(pCodecCtx->codec_id);
	aCodec=avcodec_find_decoder(pCodecCtx2->codec_id);

	cout < < "Video codec       : " << vCodec->name < < endl;
	cout << "Width    	  : " << pCodecCtx->width < < endl;
	cout << "Height   	  : " << pCodecCtx->height < < endl;
	cout << "Duration 	  : " << pFormatCtx->duration < < endl;
	//cout << "codec id	  : " << (int)pCodecCtx2 << endl;
	cout << "Audio codec	  : " << aCodec->name < < endl;
	cout << "Audio channels    : " << pCodecCtx2->channels < < endl;
	cout << "Audio samplerate  : " <<  pCodecCtx2->sample_rate < < endl;
	cout << "Audio bitrate     : " <<  pCodecCtx2->bit_rate < < endl;

	avcodec_close(pCodecCtx);
	avcodec_close(pCodecCtx2);

	av_close_input_file(pFormatCtx);
	return 0;
}

Örnek kod

Birçok kullanıcının beğenilerini toplayarak (İşbirliği ) bir kullanıcının ilgilendikleri hakkında otomatik tahminlerde bulunma metoduna filtreleme denir.  İşbirlikçi filtreleme (İF) yaklaşımının altında yatan temel varsayım geçmişte kabul edilenlerin gelecekte de kabul edilebileceğidir.

Örneğin İşbirlikçi filtreleme veya tavsiye sistemi ile bir kullanıcının beğendiği, beğenmediği televizyon programları bir liste halinde ele alındığında, o kullanıcı için hangi televizyon programlarını sevebileceği kestirilebilir.  Bu tahminler kullanıcıya özeldir ancak birçok kullanıcıdan toplanan verilere dayanmaktadır.

Metodoloji

İşbirlikçi filtreleme sistemlerinin birçok biçimi vardır ancak en çok kullanılan biçimleri 2 adıma indirgenebilir.

1. Aktif kullanıcı (beğenileri kestirilen kişi ) ile aynı oylama desenlerine sahip kullanıcılara bak
2. Aktif kullanıcıya tahmin yapmak için 1. Adımda bulunan verilere bakılır.

Bu tip filtreleme işlemi kullanıcı bazlı İşbirlikçi filtrelemedir  ( User Based Collabrative filtering )

Alternatif olarak Öğe bazlı işbirlikçi filtreleme ( Item Based Collabrative filtering )  Amazon ile popüler olmuştur. ( X’i alan kullanıcılar ayrıca Y’yi de almıştır )

1. Öğeler arasındaki ilişkileri belirleyen öğe-öğe matrisi oluştur.
2. Aktif kullanıcıya tahmin yapmak için matrise ve aktif kullanıcının verisini kullan.

Kullanıcı bazlı işbirlikçi filtreleme

• Her kullanıcıyı diğer her kullanıcıyla karşılaştırılıyor.
• Veri seti büyüdükçe her kullanıcıyı diğer her kullanıcıyla karşılaştırmak yavaşlıyor
• Ürün sayısı  çok olan bir sitede  kullanıcılarının zevklerinin örtüşmesi az olabilir. Bu da hangi kullanıcıların birbiriyle benzer olduğunu bulmayı zorlaştırır.

Öğe bazlı işbirlikçi filtreleme

• Kullanıcı tabanlıya göre daha hızlı sonuçlar verebilmekte. Ön hesaplama yapılması gerekiyor.
• Yoğun olmayan verisetlerinde daha iyi sonuçlar vermektedir.  Yoğun verisetlerinde uygulandığında kullanıcı bazlı işbirlikçi filtrelemeye benzer sonuçlar vermektedir.

Uygulamaları

Amazon , Digg , Ebay , Google News , Hulu ,  imdb ,  iTunes , Last.fm , Netflix , StumbleUpon

Örnek Uygulama

Tür : Kullanıcı bazlı
Algoritma : Öklid uzaklığı
Veri :  943 kullanıcı’nın 1682 film için verdiği 100.000 oy
Amaç : Kullanıcıların beğenilerinin örtüşme oranının bulunması (0 – 1 aralığında )

Uygulama – Uygulamanın kaynak kodu

Kaynak : http://en.wikipedia.org/wiki/Collaborative_filtering

TC Kimlik numaraları 11 basamaktan oluşmaktadır.
İlk 9 basamak arasında kurulan bir algoritma bize 10. basamağı,
ilk 10 basamak arasında kurulan algoritma ise bize 11. basamağı verir.
* 11 hanelidir.
* Her hanesi rakamsal değer içerir.
* İlk hane 0 olamaz.
* 1. 3. 5. 7. ve 9. hanelerin toplamının 7 katından, 2. 4. 6. ve 8. hanelerin toplamı çıkartıldığında, elde edilen sonucun 10′a bölümünden kalan, yani Mod10′u bize 10. haneyi verir.
* 1. 2. 3. 4. 5. 6. 7. 8. 9. ve 10. hanelerin toplamından elde edilen sonucun 10′a bölümünden kalan, yani Mod 10′u bize 11. haneyi verir.

Örnek Kullanım :( jQuery plugin olarak ):

$('#kimlikNo').tcnomu();

Geçerli T.C No ise True değilse False döndürür.

Örnek |  İndir

Örnek Kullanım : ( jQuery validate plugin extension olarak ):

    $("#tcform").validate({
        rules: {
            tcno: {
                required: true,
                minlength: 11,
                tcno: true
            },
            messages: {
                tcno: "Lütfen geçerli bir T.C No girin."
            }
        }
});

Örnek | İndir

Sıkıştırılmamış halleriyle birlikte indir

DomainUser::getAccount failed: Unable to create Account object: Account: unable to select: no such row in the table

0: /usr/local/psa/admin/plib/class.PhDomain.php:424
PhDomain->reset(integer ‘0′, boolean true, boolean false)
1: /usr/local/psa/admin/plib/class.BsDomain.php:307
BsDomain->reset(integer ‘0′)
2: /usr/local/psa/admin/plib/class.BsDomain.php:301
BsDomain->delete(integer ‘0′)
3: /usr/local/psa/admin/plib/class.BsDomain.php:541
mdeleteDomains(array)
4: /usr/local/psa/admin/plib/class.Manager.php:352
Manager->removeDomains(array)
5: /usr/local/psa/admin/htdocs/domains/removeDomains.php3:44

Uyarı : Oluşabilecek sorunlardan sorumlu değilim

Seri çözüm
Tek yapmanız gereken $password kısmına plesk admin şifrenizi girmek

pleskdomaindeletefix.phps

indir

kaynak :

http://kb.parallels.com/en/5493

http://www.apaitu.com/2008/05/08/dashboard-preset-used-by-user-failed-dashboardpreset-unable-to-select-no-such-row-in-the-table/

PHP class classCombination.tar.bz2

John Tukey tarafından 1977 yılında bulunan kutu bıyık grafikleri açıklayıcı
istatistikte sayısal veri setlerini beş sayı özetlerine(en küçük gözlem , birinci dörtlük (kartil) , medyan ,
üçüncü dörtlük ve en büyük gözlem değerlerine ) dayanarak resmeden uygun betimleme yoludur.

Kutu bıyık grafikleri altında yatan istatistiksel dağılımlar hakkında varsayımda bulunmadan farklı popülasyon türlerini gösterebilir.
Kutu bıyık grafikleri veri setimizin yayılımı , konumu , çarpıklığı , kuyruk uzunlukları , aykırı gözlem değerleri hakkında bilgi verir.

Yukarıdaki grafiği yorumluyacak olursak ;

X1 için:

• Daha homojen yayılmış
• Çarpıklığı simetriğe yakın
• Kuyruk uzunlukları yakın
• Aykırı gözlem yok

X2 için:

• Daha heterojen yayılmış
• Çarpıklığı sağa çarpık
• Kuyruk uzunlukları farklı
• Aykırı gözlem yok

Yukarıdaki grafiği php ile çizdirmek için :

$boxplot = new boxplot();

$data = array( 'X1' => array(35.8,37.4,39.1,40.7,46.8,47.9,48.6,49.2, 49.6,50.6,52.3,54.3,54.5,54.5,54.7,55.2, 56.4,58.6,58.9,61.8,62.5,66.3,66.8,67.2,71.5) ,


'X2' => array(43.55,45.65,47.25,49.25,51.80,52.15,52.45,53.05, 53.80,53.80,56.20,57.05,57.65,59.45,59.45,64.10, 65.20,55.50,68.05,59.75,69.80,77.65,82.35,85.60,86.85)
);

$boxplot->Draw('Değerler','Gruplar',$data);

Daha ilgi çekici örnek vermek gerekirse ;

1 – 15 ekim 2007 tarihleri arasında x sitesi için günlük ziyaretçi sayılarını gösteren serimiz aşağıdaki gibi olsun

2515,2416,2388,2420,2405,2191,2144,2319,2262,2294,2046,1435,1759,1995,2217

$boxplot = new boxplot();
$data = array('X'=>array(2515,2416,2388,2420,2405,2191,2144,2319,2262,2294,2046,1435,1759,1995,2217));
$boxplot->Draw('Ziyaretçiler','Seri',$data);


kodu ile

grafiğini elde ediyoruz.

• * aykırı değeri gösteriyor

1470′den daha aşağıda değerde bir aykırı değerimiz var ,veri setimize tekrar baktığımızda bu değerin 1435 değeri olduğunu
anlıyoruz. 1435 değeride 12 ekime denk geliyor.

Böyle bir durumda sunucuda veya sunucuya erişimde bir sorun olduğunu düşünmemiz normal.
Kayıtları inceleyip , gerekli testleri yaptıktan sonra ve son olarak takvime dikkatli bakınca görüyoruz ki ekim 12 Ramazan bayramının ilk günü.

Yani millet site değil akraba geziyor , heyacanlanmaya gerek yok

Php5 class ve örneklerin kodları

Kaynak :

Veri analizi ders notları
http://en.wikipedia.org/wiki/Box_plot
http://www.itl.nist.gov/div898/handbook/eda/section3/boxplot.htm
http://www.maths.murdoch.edu.au/units/statsnotes/samplestats/boxplot.html
http://www.ilk250.org.tr/document/2005/makaleler/03%20-%20SANAY%C4%B0%20NEREYE%20-%20Prof.Dr.%20Necmi%20G%C3%9CRSAKAL.pdf

Zend Framework kılavuzunu Türkçe‘ye çevirmeye başladım hadi hayırlısı.

Bugün Melih‘le uzun süreden sonra buluşup çay içme fırsatı bulduk.
İki programcı bir araya gelince muhabbet gene bilgisayara kaydı ve her nasıl olduysa muhabbet özel karakterleri temizlemede str_replace mi daha hızlı yoksa preg_replace mi daha hızlı tartışmasına dönüştü

Ben dedim preg_replace daha hızlıdır , Melih’de demez mi tek seferde array ile str_replace daha hızlı.
Bizde test etmeye karar verdik.

test için 1000 adet rassal olarak 100 karakterden oluşturulmuş string kullandık.

Test Platformu :

Processor #1 Vendor: GenuineIntel
Processor #1 Name: Intel(R) Core(TM)2 CPU          6300  @ 1.86GHz
Processor #1 speed: 1399.953 MHz
Processor #1 cache size: 2048 KB
Processor #2 Vendor: GenuineIntel
Processor #2 Name: Intel(R) Core(TM)2 CPU          6300  @ 1.86GHz
Processor #2 speed: 1399.953 MHz
Processor #2 cache size: 2048 KB
PHP 4.4.6
CENTOS Enterprise 4.5 i686
2 GB ram

Test sonuçları :

preg_replace süre 0.141883850098 saniye
str_replace süre 0.0498099327087 saniye

Sonuç :

Melih’e bi yemek borcu
Aslında ben birden fazla str_replace sanmıştım
test kodları

Sonuç olarak altyazılar daha okunaklı oluyor ve altyazılardaki ufak anlam kaymalarından kaynaklanan tebessüm

Şimdi bunu niye bir sene sonra yazıyorum ?

Sevgili arkadaşım baş harfi oğuz kaybetmiş programı , ve hala oynatıcın bellenim’inin yeni sürümü yok

Program aşağıdaki gibi oldukça basit , tek yapmanız gereken alt yazı dosyasını sürükleyip bırakmak.

Programı indir , Kaynak kodu indir

wget http://cpyedekle.googlecode.com/files/cpyedekle_0.1.py.tar.gz
tar -xzf cpyedekle_0.1.py.tar.gz
# mv cpyedekle_0.1.py /usr/bin/yedekle

Cron jobs ile yedekleme işleminin her gece 4′de olmasını sağlıyoruz

#crontab -e

0 4 * * * /usr/bin/yedekle -b >/dev/null 2>&1

satırını ekliyoruz.

Ayarlar :

backup_rotate_interval değişkeni sunucuda kaç günlük yedek tutulacağını bildiriyor.
Varsayılan olarak 7 , yani ftp ile sitenize bağlandığınızda yedekler dizini içinde sitenizin son 7 günlük yedeklerini göreceksiniz.
Tabi değişik varyasyonlarda mümkün örneğin cron jobs ile haftada bir yedekle’yi çalıştırıp backup_rotate_interval değişkenini 4 olarak atayıp
haftalık olarak aylık yedek tutabilirsiniz.

Katkıda bulunmak için buyrun