忍者デベロッパーAPIで記事を自動投稿
本やゲームの発売記事を忍者デベロッパーのAPIとAmazonのAPIを利用して別ブログで自動投稿中
ほとんど説明がないからわかりづらいけど、
APIを使ってみるだけなら パーソナルアクセストークン から新しいトークンを生成すればOK
忍者デベロッパーへアクセスし、開発を始めるをクリック
パーソナルアクセストークンの新しいトークンを生成をクリック
適当な名前を入力し、サービスに忍者ブログを選択して、作成をクリック
アクセストークンが生成されるので保管しておく(忘れたら同じ手順で別のトークンを生成)
APIのアクセストークンを指定
https://api.shinobi.jp/document/#api
あとは↑のページのように生成したトークンをaccess_tokenパラメータかAuthoizationヘッダに指定することでAPIを利用することができる
NeuroSky MindWaveの脳波をグラフ表示するChromeアプリ
MindWave Proxyのマニュアル
-
NeuroSky MindWaveの脳波をグラフ表示し、WebSocket経由でデータ取得ができます。
ダウンロード
mindwave_proxy.crxをダウンロード
インストール
デベロッパーモードにチェック✔
mindwave_proxy.crxをChromeにドラッグ&ドロップでインストールされます。
MindWave Proxyの起動
ChromeのアプリからMindWave Proxyを起動。
又は、拡張機能のMindWave Proxyの詳細からショートカット作成、起動
MindWaveの接続
ペアリング
NeuroSky MindWaveをペアリング(スタートガイド)
接続
デバイスを選択し、Connectボタンを押下
(MindWaveのシリアルポートは以下から確認)
WebSocketサーバー
ServerStatusがstartedなら指定ポート番号(デフォルト9999)でWebSocketサーバーが立ち上がる
グラフの表示
viewerをクリックすると取得可能な各波形のグラフを参照できる
※グラフがおかしい・WebSocketから取得できる値がおかしい、取得できない場合は、接続するシリアルポートが違う又は、viewerのReconnectを試すか、Mindset Proxyを再起動すると改善する場合があります。その他、不具合・要望等があればコメントお願いします。
画像をK-means法とFuzzy-C-Means法でクラスタリング
学習したのは画像処理ではおなじみのlennaさん
条件
- 画像のサイズは200x200 (lenna)
- クラスタの数は10個
- 5x5の画素の輝度を1個のパターンとして扱い、計40個のパターンを入力データとして使用する
- 画像から入力データを取り出す
- 10回クラスタの重心を再計算する
- 分類結果を出力する
- 1~3を繰り返す。
K-means
1つのパターンと単語を関連付けとかして、画像内で投票っぽいことすればある程度、物体認識できるんじゃないかなあと
思っていたりいなかったりそんな感じ
追記(2016/10/17):
群知能とデータマイニングの6章「パタン認識と画像処理のための粒子群最適化法」を参考に当時実装しました。自作ライブラリを使ったりしててかなり読みづらいですがソースコードのリンクを載せておきます。結構Visual C++の設定をいじらないと動かないです。素直にOpenCVの使い方覚えたほうがいいレベル。
- 作者: Ajith Abraham,Crina Grosan,Vitorino Ramos,栗原聡,福井健一
- 出版社/メーカー: 東京電機大学出版局
- 発売日: 2012/07/10
- メディア: 単行本
- 購入: 1人 クリック: 1回
- この商品を含むブログを見る
【プログラム】テスト自動化【PHP】
CentOSにてファイルが更新されたらPHPUnitが動くようにした。
- watchrでファイル更新時にPHPUnitを走らせる。
- コードやテストを変更したら自動で PHPUnit を実行する
- PHPUnit の実行を自動化する 3 つの方法
- gemのインストール
- rake ではなくて ruby でインストールできた