1.什么是文字文字长尾关键词
2.matlab中plot函数用法
3.jieba分词详解
4.Adobe Flash 11 Stage3D(Molehill)游戏编程初学者指南图书目录
5.在使用Latex过程中遇到的一些问题的整理
6.r软件怎么用

什么是长尾关键词

       长尾关键词(Long Tail Keyword)是指网站上的非目标关键词但与目标关键词相关的也可以带来搜索流量的组合型关键词。

       长尾关键词的矩阵矩阵特征是比较长，往往是源码源码2-3个词组成，甚至是文字文字短语，存在于内容页面，矩阵矩阵除了内容页的源码源码nit 源码标题，还存在于内容中。文字文字 搜索量非常少，矩阵矩阵并且不稳定。源码源码 长尾关键词带来的文字文字客户，转化为网站产品客户的矩阵矩阵概率比目标关键词高很多，因为长尾词的源码源码目的性更强。 存在大量长尾关键词的文字文字大中型网站，其带来的矩阵矩阵总流量非常大。例如，源码源码目标关键词是服装，其长尾关键词可以是男士服装、冬装、户外运动装等。长尾关键词基本属性是：可延伸性，针对性强，范围广。长尾关键词是长尾理论在关键词研究上的延伸。“长尾”具有两个特点：细和长。细，说明长尾是份额很少的市场，在以前这是不被重视的市场；长，说明这些市场虽小，但数量众多。众多的微小市场累积起来就会占据市场中可观的份额——这就是长尾的思想。

        长尾关键词的意义

       一、关键词选词矩阵

       关键词选词矩阵是SEM的术语，其实实际上是非常容易理解的，如下图。一般构成关键词的要素基本是如下三类，品牌关键词、行业及地方关键词、通用关键词。而这三类关键词相互重叠对于搜索引擎的索引来说更加细化，从而让目标客户在精确定位下可以准确的找到自己。以上的相互叠加拓展虽然可以提高转化率，但是在搜索引擎索引细化的同时，搜索的用户也在逐渐减少。

       二、关键词拓展

       关键词拓展的真正用意是找出具有高度转化率的长尾关键词。虽然一般来说，这些关键词都是需要进行仔细的筛选对比的，但是有很多工具却发挥了非常强大的作用。比如：百度关键词工具、百度关键词指数分析、通过alexa进行竞争对手流量分析。然后通过这些关键词排名实现的源码淘客系统app成本来进行确定关键词，以达到一个较好的转化效果。

       三、建立关键词库筛选高转换率的词

       建立一个行业的长尾关键词库不管是对于把握整个行业的动向还是进行网站优化都是非常有意义的。如果你通过前面的关键词挖掘来找到了行业相关的关键词，就把他们归类放置在一个自己设定好的关键词库中。这些长尾词要如何做呢?因为每个人都精力有限的缘故，只能在其中找出具有高转换率特性的词，在这里就要考虑，在关键词库中一般搜索哪些词的用户会给你带来实际的效益。

       比如说关键词“服装”它的长尾词可以分为很多类，比如：男性服装，女性服装，冬装，夏装等词；以及它的品牌拓展如：某品牌服装等。还有按照质量拓展如：棉类、皮类等。所以选择长尾关键词进行优化明显更有转换价值。因为一般搜索某产品的细分品牌的用户都是奔着购买它的产品而来的。把这些高转换率的词进行长尾词的优化。网站的流量所转换的价值就非同小可了。

        长尾关键词的形式

       网站的定位

       一是与企业产品或者网站定位精确度高的词语，此类关键词针对一些有明确目标需求的搜索引擎引入的用户，这类人群是对你所经营的网站产品有着明确认知程度的人群，但是这部分人群是网站流量的一小部分。大概占据网站整体流量的%左右。

       网站业务

       二是产品或者网站业务扩展出来的关键词，这是面向对你经营的网站或产品有着模糊概念的访问人群设计的关键词。这块流量估计占整体网站搜索引擎流量的%左右。

       搜索用户

       三是即将有可能成为搜索用户使用并且找到网站的关键词，这类关键词语可以理解为比较长尾性关键词语，可能是业务的周边产品的延伸词，或者是与网站内容扩展出的相关词，这块流量估计占整体网站搜索引擎流量的%左右。

       我们可以以“三亚旅游”这个关键词作为基本关键词进行扩展。

       如：针对性比较强的关键词“三亚蜈支洲”“三亚蜈支洲旅游体会”等。

       相关拓展的关键词“三亚宾馆”“三亚旅游费用”等。

       周边产品的延伸词“北京到三亚机票”“北京到三亚打折机票”“三亚旅行社”“三亚就餐推荐”等。

       以上以三类长尾词进行了简单列举。

        长尾关键词的开展

       1、长尾关键词选择

       长尾关键词选择是一项非常重要的工作，最重要的是本着以客户角度的搜索意图和思想来进行部署就可以了。

       有几个简单的方法可以与大家分享：

       (1)通过网站构思与网站业务相关的关键词。

       (2)通过竞争对手来寻找关键词。

       (3) 通过搜索引擎相关搜索来确定长尾关键词。

       2、站点内部结构部署

       长尾关键词部署效果达到最理想的状态，也就是每个页面都能非常快速的被搜索引擎承认，当长尾词得到排名提升的时候，每个具备长尾词的页面都会成为流量的引入入口，使每个页面都发挥其作用。根据以往的地推数据源码操作经验来说，一个具体页面长尾关键词部署3个之内，如果能根据长尾关键词以扩展编辑，这是最好的表现形式。对于大型的网站内容比较多的情况下，尽量使用目录形式进行文章展现。

       3、内容体现形式

       在内容体现上，主要体现在网站的最终内容页面。尽量保证这个页面的简洁，一定要突出这个页面内容的重点，这个重点是围绕长尾词而规划的内容，内容尽量保持唯一性。还要注意到页面长尾关键词曝光率这个概率控制在%左右。Title体现长尾词也是非常关键的。keywords/description以长尾关键词体现。

       4、长尾关键词维护

       在长尾关键词维护上，主要还是关注搜索引擎的收录情况。及时查看文章是否被收录，收录后长尾关键词大概处于搜索引擎什么位置。对于某拓展性强的关键词,可以以目录、专题形式体现，该目录主、专题全部以关键词拆分长尾词体现，然后链入该具体内容页面。

        长尾关键词的影响因素

       长尾关键词能给网站带来不错的流量，但随着个人站、企业站的不断增多，通过SEO优化网站也变得越来越困难。

       本身因素

       首先就是长尾词本身的因素，在选择长尾关键词的时候，不要选择一些热门的长尾关键词，因为网站的内页权重有限，选择热门的长尾词很难有好的排名，选择时尽量选择看似没有竞争的词，但还是有用户搜索的词，网站优化才会更容易，这样才有机会排名靠前。

       标题问题

       网站优化时，长尾关键词除了少部分穿插在栏目页之外，大部分还是穿插在内页，所以内页标题的撰写很重要，搜索的着陆页排名和标题也直接挂钩，因此在标题的写法上一定要规范。必须包含长尾关键词或者本身就是长尾词，标题不能过长，否则分散权重，相同标题不能重复发。

       内容单一

       为了更好的网站优化，在更新网站内容时可以图文混排，不要过于单一就只是股票各种指标源码大全单纯的文字，大家都喜欢内容丰富的网页，那么图文混排就能更好的提高用户体验，访客多了自然也会吸引到搜索引擎，对于排版较好的图文混排页面，搜索引擎会给予相当不错的权重，但文章的还是要适量，不要一篇文章全是，不利于百度收录。

       内部问题

       网站优化很重要的一部分就是内部结构和标签的优化，内站结构在很大程度上影响网页的质量度，网页的质量度较高可以直接提高网页的排名。内部结构主要是DIV与CSS的书写，标签的合理使用，网页的meta标签书写等等，这些对于百度蜘蛛抓取网页都起到了非常好的提升效果，所以，合理使用网页权重上会有一定的权重优势。

       内链问题

       网站优化内链必不可少，很多站长都意识到一个页面除了自身的URL之外，所有的URL只要链接到这个页面就属于内部链接，对排名都有一定的帮助，所以内部链接的很重要，多做内链的好处不仅仅是利于收录，更重要的是利于排名，而且还对所有链接的URL排名也能起到促进作用。

        长尾关键词的特征

       一、搜索量很小

       既然是长尾，就决定了不可能像目标关键词那样每天都有很大的检索量，有时候长尾词更像一个人的思维，每个人的思维都是不同的，或者在不同时候考虑同一问题搜索的词也会有所不同，所以就决定了搜索量很小。

       二、搜索频率不稳定

       有可能这个词两天被人搜索一次，也有可能这个词1年之内也只被搜索了一次，尤其是长度较大的长尾词，甚至在数年内也只是被搜索一次，因此它的搜索频率有很大的不稳定性。

       三、竞争程度小

       这个主要从两方面看，一是大家的目标都是核心关键词，所以长尾竞争小；二是这些词理论上有无限个，数量巨大，也决定了不可能会被完全覆盖。

       四、词量无限大

       每个行业，每个关键词，如果认真去挖掘，根据性能，用途，爱好等细分的java源码哪个网站最好话，就会有大批量的长尾可供我们使用。我们可以自己想，也可以借助工具来实现。

       五、目标较精准

       如果是核心关键词，用户搜索的时候并不一定真的想找这个词的字面意思，比如用户检索“汽车”这个词，有可能是想买车，有可能是找配件，也有可能是了解行情，但长尾由于字数较长，对用户搜索的词较容易判断真实意图。因此搜索目标就相对精确。

       六、转换率更高

       搜索目标的精准性决定了更高的转化率。比如用户搜索“哪个网站的智能手机质量最好最便宜”这个超级长尾词，那么很有可能就是打算购买手机的，或者至少是积极寻找信息阶段，是一个潜力客户。而如果只是搜索“手机”，那么就很难判断他的意图，说不定用户是打算下载手机主题。

       七、由几个词组成

       长尾关键词一般是以多个词组成或者是较短的句子组成，随着互联网的发展，已经越来越多的用户把搜索引擎当做了一个智能机器，搜索的词五花八样，有些甚至是两个句子组成。

       八、大型网站占优势

       一般来说单个长尾关键词的流量很小，但是如果有大量的长尾词，那么流量将是惊人的，但是大量的长尾需要大量的内容做支撑，小型网站很难达到，往往大型网站是用户自动产生内容，在这方面较占优势。

       九、网站统计工具里面数据获得

       如果你的网站装了啦、cnzz、百度统计等任何一款网站统计工具，可以收集进入你站点的关键词。这些关键词肯定都是在搜索引擎排名比较靠前的，那么也许你可能没有收集起来，也是长尾关键词拓展的好的方式，同时还可以针对这些长尾关键词来特意做优化让它的排名更靠前。

       十、百度竞价平台拓展

       百度竞价平台后台有关键词推荐工具，它可以分析出大量的长尾关键词，如果您参与了百度竞价或者有使用百度竞价，那么推荐百度竞价后台的关键词推荐工具获取大量的长尾关键词，一般百度竞价开户时需要大概元，不同地域城市不同！

        长尾关键词的优化方法

       第一步　了解网页的内容

       首先，你需要知道这个网页的内容，你发这个网页内容的目的是什么？并不是所有的内容都可以作为长尾关键词给你带来流量，有的网页内容只是为了让网站更丰富。比如精品装修网，像这样的网站，就是典型的装修装饰类的专业网站。它的网页内容基本离不开装修的话题。

       第二步　确定网页的关键词

       找一个与自己的内容比较接近的。比如什么叫精品装修。因为这个词有人搜索，而且竞争性一定不强。而当网站足够强，锚文本做得好的情况下，精品装修也有望排名上去。

       第三步　写标题和关键词标签

       注意，一个页面，往往只集中精力于一个关键词。一个内容页面可以实现一个关键词的第一，就非常好了。所以，内容页面的标题和关键词写法就比较简单了，例子：如果你要充分强调网站的主目标关键词，你可以把那个词放在每个页面的关键词标签里。如以上例子的源代码：描述标签，如果可以自定义，则针对关键词展开写个字左右，本关键词在描述标签里重复2-3次。 如不能自定义，则可以不用描述标签。

       第四步　强调关键词

       1、注意关键词密度，尽量在每段中都出现该关键词。

       2、在该关键词出现的第一个地方，给它加粗。

       3、文章标题，给一个H标签，可以是H1，或H2。

       4、适当的在内容里出现一些相关关键词。

       第五步　

       用户在看完你的内容后，会选择离开或继续浏览。如果你有更多精彩的内容，别忘了在文章结尾推荐给用户。有效的可以减少搜索跳出率。

       第六步　记录该关键词和其链接

       在内容页面的关键词，我们称之为长尾关键词。我们建议你要有一个长尾关键词及其链接的列表。

       把这个关键词和其链接，记录到你的长尾关键词记录单里，以方便发其他文章时锚文本的使用。

       第七步　心平气和地等待丰收

matlab中plot函数用法

       在MATLAB中，plot函数是一种强大的绘图工具，用于创建一维曲线。首先，当输入一个向量y时，plot会自动将y的元素作为纵坐标，以元素的顺序作为横坐标，用直线连接各个数据点，形成一条曲线。如果y是一个实矩阵，plot则会按列分别绘制每列对应的曲线。

       plot函数的另一种用法是接受两个向量x和y，如果它们是同维的，plot将以x为横坐标，y为纵坐标绘制一条直线图。如果x是向量，y是与x长度相等的矩阵，会绘制多条不同颜色的曲线，共享x作为横坐标。当x和y都是矩阵时，plot会以它们对应元素为坐标绘制多条曲线，线条数量等于矩阵的列数。

       plot函数还可以接收多个(x,y)对，每对数据会独立绘制曲线，彼此之间不会影响。在使用plot之前，确保已定义了每个曲线点的x和y坐标值。

       除了基本的plot函数，MATLAB提供了丰富的扩展工具，如符号计算、可视化、建模仿真和文字处理等功能，以及针对特定学科领域的工具包，如控制工具包、信号处理工具包和通信工具包，这些都极大地增强了MATLAB的实用性。开放源代码的特性使得MATLAB受到广大用户的喜爱，用户可以通过修改内部函数或添加自定义程序来扩展其功能。

       要了解更多关于MATLAB的信息，可以参考百度百科对MATLAB和plot函数的详细介绍。

jieba分词详解

        “结巴”分词是一个Python 中文分词组件，参见 /fxsjy/jieba

        可以对中文文本进行分词、词性标注、关键词抽取等功能，并且支持自定义词典。

        本文包括以下内容：

        1、jieba分词包的安装

        2、jieba分词的使用教程

        3、jieba分词的工作原理与工作流程

        4、jieba分词所涉及到的HMM、TextRank、TF-IDF等算法介绍

        可以直接使用pip来进行安装：

        sudo pip install jieba

        或者

        sudo pip3 install jieba

        关键词抽取有两种算法，基于TF-IDF和基于TextRank：

        jieba分词有三种不同的分词模式：精确模式、全模式和搜索引擎模式：

        对应的，函数前加l即是对应得到list结果的函数：

        精确模式是最常用的分词方法，全模式会将句子中所有可能的词都列举出来，搜索引擎模式则适用于搜索引擎使用。具体的差别可在下一节工作流程的分析中详述。

        在上述每个函数中，都有名为HMM的参数。这一项表示是否在分词过程中利用HMM进行新词发现。关于HMM，本文附录中将简述相关知识。

        另外分词支持自定义字典，词典格式和 dict.txt 一样，一个词占一行；每一行分三部分：词语、词频（可省略）、词性（可省略），用空格隔开，顺序不可颠倒。

        具体使用方法为：

        关键词抽取的两个函数的完整参数为：

        可以通过

        来打开或关闭并行分词功能。

        个人感觉一般用不到，大文件分词需要手动实现多进程并行，句子分词也不至于用这个。

        jieba分词主要通过词典来进行分词及词性标注，两者使用了一个相同的词典。正因如此，分词的结果优劣将很大程度上取决于词典，虽然使用了HMM来进行新词发现。

        jieba分词包整体的工作流程如下图所示：

        下面将根据源码详细地分析各个模块的工作流程。

        在之后几节中，我们在蓝色的方框中示范了关键步骤的输出样例或词典文件的格式样例。在本节中都采用类似的表示方式。

        jieba分词中，首先通过对照典生成句子的有向无环图，再根据选择的模式不同，根据词典寻找最短路径后对句子进行截取或直接对句子进行截取。对于未登陆词（不在词典中的词）使用HMM进行新词发现。

        词典的格式应为

        word1 freq1 word_type1

        word2 freq2 word_type2

        …

        其中自定义用户词典中词性word_type可以省略。

        词典在其他模块的流程中可能也会用到，为方便叙述，后续的流程图中将会省略词典的初始化部分。

        图b演示了搜索引擎模式的工作流程，它会在精确模式分词的基础上，将长词再次进行切分。

        在这里我们假定读者已经了解HMM相关知识，如果没有可先行阅读下一章内容中的HMM相关部分或者跳过本节。

        在jieba分词中，将字在词中的位置B、M、E、S作为隐藏状态，字是观测状态，使用了词典文件分别存储字之间的表现概率矩阵（finalseg/prob_emit.py）、初始概率向量(finalseg/prob_start.py)和转移概率矩阵(finalseg/prob_trans.py)。这就是一个标准的解码问题，根据概率再利用viterbi算法对最大可能的隐藏状态进行求解。

        词性分析部分与分词模块用了同一个基础的分词器，对于词典词的词性，将直接从词典中提取，但是对于新词，词性分析部分有一个专属的新词及其词性的发现模块。

        用于词性标注的HMM模型与用于分词的HMM模型相似，同样将文字序列视为可见状态，但是隐藏状态不再是单单的词的位置（B/E/M/S），而变成了词的位置与词性的组合，如(B,v)(B,n)(S,n)等等。因此其初始概率向量、转移概率矩阵和表现概率矩阵和上一节中所用的相比都要庞大的多，但是其本质以及运算步骤都没有变化。

        具体的工作流程如下图所示。

        jieba分词中有两种不同的用于关键词抽取的算法，分别为TextRank和TF-IDF。实现流程比较简单，其核心在于算法本身。下面简单地画出实现流程，具体的算法可以参阅下一章内容。

        TextRank方法默认筛选词性，而TF-IDF方法模型不进行词性筛选。

        在本章中，将会简单介绍相关的算法知识，主要包括用于新词发现的隐马尔科夫模型和维特比算法、用于关键词提取的TextRank和TF-IDF算法。

        HMM即隐马尔科夫模型，是一种基于马尔科夫假设的统计模型。之所以为“隐”，是因为相较于马尔科夫过程HMM有着未知的参数。在世界上，能看到的往往都是表象，而事物的真正状态往往都隐含在表象之下，并且与表象有一定的关联关系。

        其中，S、O分别表示状态序列与观测序列。

        如果读者还对这部分内容心存疑问，不妨先往下阅读，下面我们将以一个比较简单的例子对HMM及解码算法进行实际说明与演示，在读完下一小节之后再回来看这些式子，或许能够恍然大悟。

        下面以一个简单的例子来进行阐述：

        假设小明有一个网友小红，小红每天都会在朋友圈说明自己今天做了什么，并且假设其仅受当天天气的影响，而当天的天气也只受前一天天气的影响。

        于小明而言，小红每天做了什么是可见状态，而小红那里的天气如何就是隐藏状态，这就构成了一个HMM模型。一个HMM模型需要有五个要素：隐藏状态集、观测集、转移概率、观测概率和初始状态概率。

        即在第j个隐藏状态时，表现为i表现状态的概率。式中的n和m表示隐藏状态集和观测集中的数量。

        本例中在不同的天气下，小红要做不同事情的概率也不同，观测概率以表格的形式呈现如下：

        其中

        除此之外，还需要一个初始状态概率向量π，它表示了观测开始时，即t=0时，隐藏状态的概率值。本例中我们指定π={ 0,0,1}。

        至此，一个完整的隐马尔科夫模型已经定义完毕了。

        HMM一般由三类问题：

概率计算问题，即给定A,B,π和隐藏状态序列，计算观测序列的概率；

预测问题，也成解码问题，已知A,B,π和观测序列，求最优可能对应的状态序列；

学习问题，已知观测序列，估计模型的A,B,π参数，使得在该模型下观测序列的概率最大，即用极大似然估计的方法估计参数。

        在jieba分词中所用的是解码问题，所以此处对预测问题和学习问题不做深入探讨，在下一小节中我们将继续以本节中的例子为例，对解码问题进行求解。

        在jieba分词中，采用了HMM进行新词发现，它将每一个字表示为B/M/E/S分别代表出现在词头、词中、词尾以及单字成词。将B/M/E/S作为HMM的隐藏状态，而连续的各个单字作为观测状态，其任务即为利用观测状态预测隐藏状态，并且其模型的A,B,π概率已经给出在文件中，所以这是一个标准的解码问题。在jieba分词中采用了Viterbi算法来进行求解。

        Viterbi算法的基本思想是：如果最佳路径经过一个点，那么起始点到这个点的路径一定是最短路径，否则用起始点到这点更短的一条路径代替这段，就会得到更短的路径，这显然是矛盾的；从起始点到结束点的路径，必然要经过第n个时刻，假如第n个时刻有k个状态，那么最终路径一定经过起始点到时刻n中k个状态里最短路径的点。

        将时刻t隐藏状态为i所有可能的状态转移路径i1到i2的状态最大值记为

        下面我们继续以上一节中的例子来对viterbi算法进行阐述：

        小明不知道小红是哪里人，他只能通过小红每天的活动来推断那里的天气。

        假设连续三天，小红的活动依次为：“睡觉-打游戏-逛街”，我们将据此计算最有可能的天气情况。

        表示第一天为雨天能够使得第二天为晴天的概率最大（也就是说如果第二天是晴天在最短路径上的话，第一天是雨天也一定在最短路径上，参见上文中Viterbi算法的基本思想）

        此时已经到了最后的时刻，我们开始回溯。

        其计算过程示意图如下图所示。

        ）的路径。

        TF-IDF（词频-逆文本频率）是一种用以评估字词在文档中重要程度的统计方法。它的核心思想是，如果某个词在一篇文章中出现的频率即TF高，并且在其他文档中出现的很少，则认为这个词有很好的类别区分能力。

        其中：

        TextRank是一种用以关键词提取的算法，因为是基于PageRank的，所以先介绍PageRank。

        PageRank通过互联网中的超链接关系确定一个网页的排名，其公式是通过一种投票的思想来设计的：如果我们计算网页A的PageRank值，那么我们需要知道哪些网页链接到A，即首先得到A的入链，然后通过入链给网页A进行投票来计算A的PR值。其公式为：

        其中：

        d为阻尼系数，取值范围为0-1，代表从一定点指向其他任意点的概率，一般取值0.。

        将上式多次迭代即可直到收敛即可得到结果。

        TextRank算法基于PageRank的思想，利用投票机制对文本中重要成分进行排序。如果两个词在一个固定大小的窗口内共同出现过，则认为两个词之间存在连线。

        公式与PageRank的基本相同。多次迭代直至收敛，即可得到结果。

在jieba分词中，TextRank设定的词窗口大小为5，将公式1迭代次的结果作为最终权重的结果，而不一定迭代至收敛。

Adobe Flash Stage3D(Molehill)游戏编程初学者指南图书目录

       第1 章 让我们用Molehill制作游戏吧！

       1.1 你的史诗级探险一触即发！

       1.2 什么是Molehill？

       1.3Molehill不能做什么？

       1.4 你需要具备哪些知识？

       1.5 基本的3D术语

       1.6 常见3D显像术语

       网格（Mesh）

       多边形（Polygon）

       顶点（Vertex）

       纹理（Texture）

       着色器（Shader）

       顶点着色器（Vertex...Program）

       片段着色器（Fragment...Program）

       3D显像等级已达成！

       1.7 常见3D编码术语

       向量（Vector）

       法线（Normal）

       矩阵（Matrix）

       3D编码等级已达成！

       1.8 小 结

       1.9 第1级，达成！

       第2 章 Molehill蓝图

       2.1 旧式渲染方法

       2.2Molehill渲染法：Stage3D

       2.3 使用2DFlash文字和Sprite

       2.4 为什么Stage3D这么快？

       2.5Molehill应用的结构

       Stage

       Stage3D

       Context3D

       VertexBuffer3D

       IndexBuffer3D

       Program3D

       建立Molehill程序的流程

       2.6 小 结

       2.7 第2级，达成！

       第3 章 启动引擎！

       3.1 第1步：从Adobe下载Flash（Molehill）

       Stage3D设置好了！

       3.2 第2步：开始编码

       任务完成——收获的时间到了

       祝贺你！

       3.3 完整的源代码

       3.4 小 结

       3.5 第3级，达成

       第4 章 基础着色器：我能看到东西了！

       4.1 AGAL：Adobe图形汇编语言

       4.2 基础AGAL着色器示例

       顶点着色器

       片段着色器

       4.3 编译AGAL源码

       4.4 该渲染了！

       4.5 创作一个着色器演示文件

       4.6 添加FPS计数器

       任务完成——收获的时间到了

       祝贺你！

       4.7 小 结

       4.8 第4级，达成！

       第5 章 构建一个3D世界

       5.1 创建顶点缓冲

       将3D模型导入Flash

       我们的网格解析类完成了！

       5.2 渲染循环

       任务完成——收获的时间到了

       5.3 文件夹结构

       5.4 小 结

       5.5 第5级，达成！

       第6 章 纹理：让世界更好看

       6.1 制订计划的时间：创造一个“真正”的游戏

       6.2 在Stage3D中使用纹理

       2的幂

       u,…v坐标

       透明纹理

       在着色器中改动u,…v坐标

       纹理图集

       动画纹理

       操作纹理数据

       6.3 渲染状态

       背面剔除（Backface...Cull）

       深度测试（Depth...Test）

       混合模式（Blend...Mode）

       6.4 增加性能

       不透明的更快

       避免重复绘制

       避免状态改变

       使用简单着色器

       绘制更少的网格

       6.5 给演示文件添加纹理效果

       6.6 你的演示文件已经升级了！

       6.7 小 结

       6.8 第6级，达成！

       第7 章 计时器、输入、实体：游戏性元素！

       7.1 我们目前的任务

       保持简洁

       让它可以重用

       7.2 让我们的游戏更富有交互性

       添加HUD叠加层

       持续跟踪时间：游戏计时类

       游戏输入类

       一个抽象的实体类

       7.3 使用get和set函数隐藏复杂的代码

       7.4 为我们新改良的游戏世界设计美术资源

       7.5 升级我们的游戏

       7.6 让我们在运行中看看这一切吧！

       7.7 小 结

       7.8 第7级，达成！

       第8 章 丰富的视效！

       8.1 我们目前的任务

       性能设计

       可重用性设计

       使用AGAL进行动画

       8.2 一个基础的粒子实体类

       8.3 关键帧顶点动画着色器

       8.4 粒子系统管理类

       8.5 关键帧化粒子网格

       选择粒子纹理

       8.6 将粒子系统类整合到游戏中

       8.7 让我们在运行中领略粒子系统吧！

       8.8 小 结

       8.9 第8级，达成！

       第9 章 充满动作的世界

       9.1 为“角色”扩展实体类

       实现人工智能

       9.2 碰撞检测

       9.3 一个“角色重用池”系统

       9.4 为了提升帧频，让游戏只显示邻近的角色

       9.5 使用映射图的简单关卡编辑器

       9.6 升级输入程序

       9.7 小 结

       9.8 第9级，达成！

       第 章 3, 2, 1, 启动！

       .1 我们的最终任务

       .2 抵达终点线

       .3 为游戏添加新变量

       .4 为游戏添加美术资源

       .5 升级最终的游戏源代码

       .6 定义游戏专用事件

       .7 发布，扩散，收益！

       .8 小 结

       .9 第级达成，宇宙得救了！

       . 之后该怎么办？

       作者寄语

       附录AAGAL操作码参考

       A.1 一行AGAL代码是什么样的？

       A.2 AGAL着色器可用的寄存器

       A.3 复制数据

       A.4 代数操作码

       A.5 数学操作码

       A.6 三角学操作码

       A.7 条件操作码

       A.8 向量和矩阵操作码

       A.9 纹理采样寄存器

       附录 B突击测验答案

在使用Latex过程中遇到的一些问题的整理

       初涉科研论文写作，我选择了TeXstudio编辑器进行操作，但在此过程中遇到了不少Latex难题。以下是我对这些问题的简要整理。

       关于插入问题，建议在构建中设置为dvi->ps->pdf链，这样可以避免额外的操作。

       在处理图像位置及参数时，通常添加一个h参数就能将放置在预期的位置。在使用\usepackage{ float}后，参数H的作用是严格将放在文中的指定位置，与h不同，h在文中位置空间不足时不起作用。需要注意的是，在插入之前，需要先生成eps文件。

       若公式一行写不开需要中间断开，可以使用以下代码：{ \setlength\arraycolsep{ 2pt}\begin{ eqnarray}M=&[P_iA_i+A_i^TP_i+aQ^+(1+b)L^TQL+I+\lambda P_i onumber \& =& XXXXXXXXXXXX\end{ eqnarray}}(XXXXXXXXXXXX处写换行后的公式）

       关于矩阵报错异形矩阵的问题，需要进一步整理。

       在文献引用方面，可以使用谷歌点击引用，点击bibtex，然后复制并粘贴到.bib文件中。在需要写编号的地方使用\cite{ }，并输入bibtex的编号，即可完成引用。

       对于TeXstudio的优化，有以下几个建议：1. 预览功能，参考[ texstudio的介绍]( zhuanlan.zhihu.com/p/...); 2. 编辑器和pdf相互定位，点击选项->设置TeXstudio->命令，在Latex中输入，使用ctrl+点击可以定位到pdf中的位置，在pdf中同样的方法可以定位到源码位置（或者右键跳转到源）；3. 内嵌pdf查看器窗口分离，分离出窗口配合多显示器食用效果极佳，注意在pdf查看器窗口页面不要选择灰度，因为灰度会让pdf变成灰色，且相当卡顿。

       编辑宏可以更方便地调用命令，例如：点击宏、点击添加，名称：微分d，快捷键：Alt+Shift+J，LaTeX代码：\mathrm{ d}，这样在使用积分时，就可以通过Alt+Shift+J就可以写入微分d了。

       关于快捷键整理，ctrl+D选中单词，双击也可选中一个单词，ctrl+L选中整行，ctrl+左（右）箭头：向左（右）一个单词，fn+左（右）箭头：这一行的最左（右）侧。

       证明结尾的黑方块可以使用$\hfill\blacksquare$ 来表示。

       一行文字出现溢出问题的解决方法，可以设置自动换行，两端对齐：\begin{ sloppypar}\end{ sloppypar}

       如果提前了某一个文献导致编号顺序不对，可以采取以下操作：F5编译tex文件，得到aux辅助文件，F8，用BibTeX编译器编译aux文件，再F5两次，则得到正确结果。最终，参考文献列表顺序也可能出现错误，这是因为格式\bibliographystyle{ IEEEtran}会自动平衡两栏长度，调整了参考文献的顺序，解决方案：这表示在第个文献时换栏。

       如果引用文献的题目中除了首字母是大写外，还有其他需要大写的单词，需要使用才能保证它是大写。

       .bib文件需要注意不能有重复的词条，否则会报错。

       参考文献的作者显示为横线，解决方案1：双层括号[ 参考]( blog.csdn.net/weixin_...); 解决方案2：修改.bst文件[ 参考]( blog.csdn.net/plmxu/a...)

       在引文中有的页码显示p.有的pp.，引文中页码显示p.一般有三种原因：① 引用的文章只有一页，所以显示为p. 这种是正确的；② 在bib中将标识符pages写成了page；③ 在bib中标识符是pages，文章也是多页，但是仍然显示为p.，这种很有可能是pages中页码的连字符用成了中文的"—“，将其切换为英文的”-“就行。

       符号函数可以使用\operatorname{ sgn}来表示。

       三线表可以参考[ 三线表制作]( taodudu.cc/news/show-...)

       以后还将随时更新其他遇到的问题。

r软件怎么用

       r软件使用方法如下：

       在R主页下可以找到R的各个版本的安装程序和源代码。点击进入：Windows(andlater)，再点击：base，下载SetupR.exe，约兆，此便是RFORWINDOWS的安装程序。双击SetupR.exe，按照提示安装即可。

       安装完成后，程序会创建R程序组并在桌面上创建R主程序的快捷方式（也可以在安装过程中选择不要创建）。通过快捷方式运行R，便可调出R的主窗口。

       类似于许多以编程方式为主要工作方式的软件，R的界面简单而朴素，只有不多的几个菜单和快捷按钮。快捷按钮下面的窗口便是命令输入窗口，它也是部分运算结果的输出窗口，有些运算结果则会输出在新建的窗口中。

       主窗口上方的一些文字是刚运行R时出现的一些说明和指引。文字下的：符号便是R的命令提示符，在其后可输出命令；后的矩形是光标。R一般是采用交互方式工作的，在命令提示符后输入命令，回车后便会输出结果。

       R是一套完整的数据处理、计算和制图软件系统。其功能包括：数据存储和处理系统；数组运算工具（其向量、矩阵运算方面功能尤其强大）；完整连贯的统计分析工具；优秀的统计制图功能；简便而强大的编程语言：可操纵数据的输入和输出，可实现分支、循环，用户可自定义功能。