WARNING: This article may be obsoleteThis post was published in 2021-11-15. Obviously, expired content is less useful to users if it has already pasted its expiration date.
This article is categorized as "Garbage" . It should NEVER be appeared in your search engine's results.Table of Contents
关于pdf的exif信息擦除
笔记1
一个PDF文件，先使用 exiftool -all= 这样的方法清理exif数据，然后用 exiftool 或者 pdfinfo 命令进行检查，看起来所有的元数据都被清理了（至少【它不主动表现元数据，除非有工具深挖PDF本身进行元数据恢复】）。
但事实上，chrome这样的软件会深挖你的PDF并显示出隐藏的标题（如果你的exif信息里有 Title ，chrome还是会显示显示它；否则chrome就会显示隐藏的标题）。由于chrome的市场占有率实在太高，表面清理一下exif基本等于形同虚设。
下面这张图已经使用exiftool清理过数据了，但我们还是很容易在里面搜索到Microsoft Word这样的字样。
“要么干脆别清理，要么就要做到底”。目前来看，要让元数据清理到chrome认不出来，还需要 qpdf --linearize ，或者用 Adobe Acrobat->Redact->Sanitize 进行处理。
但需要特别注意exiftool和qpdf的顺序问题：如果一个pdf文档先被qpdf --linearize处理，然后被exiftool擦除了exif信息，那么最终产生的pdf文件没有fast web view（至少pdf.js和adobe acrobat认不出来，估计这是exiftool的锅）。正确的顺序应该是：先用exiftool擦除元数据，然后使用qpdf --linearize .
但这样又带来一个新的问题：无论是使用qpdf还是adobe acrobat，彻底擦除exif信息后得到的pdf文件都会明显有损。
一种新的但有很大缺陷的解决方法
* 2023年4月补充：用下面这个方法做出来的pdf是无法正确复制任何文字的，复制出来的东西全部是一堆怪异的unicode . 只能说这个方法缺陷多多，要用在合适的场合（要考虑好一个pdf无法正确复制任何文字带来的后果）.
备注：最近暂时没有擦pdf文件的需求，所以这个命令的实战效果未知...等待后续补充。尤其是web optimized这一项还是要留心一下。
（其实这个stackoverflow问题并不是讨论如何擦除pdf metadata的）https://stackoverflow.com/a/9864308
使用ghostscript提供的2个转换命令pdf2ps和ps2pdf：
$ pdf2ps original.pdf temp.ps
$ ps2pdf temp.ps clean.pdfSupport Vector Machine / SVM
🔗 [Support-vector machine - Wikipedia] https://en.wikipedia.org/wiki/Support-vector_machine
🔗 https://www.cs.princeton.edu/~smattw/Teaching/Fa19Lectures/lec6/lec6.pdf
🔗 https://www3.nd.edu/~dgalvin1/30210/30210_F07/presentations/dual_opt.pdf
🔗 https://www.cs.cmu.edu/~epxing/Class/10701-08s/recitation/svm.pdf
🔗 https://stats.stackexchange.com/questions/19181/why-bother-with-the-dual-problem-when-fitting-svm
🔗 [11.0 支持向量机 - 钱爽的博客 | 钱爽's Blog] https://qianshuang.github.io/2018/08/14/SVM/
🔗 [What is the loss function of hard margin SVM? - Cross Validated] https://stats.stackexchange.com/questions/74499/what-is-the-loss-function-of-hard-margin-svm
KKT，SVM的稀疏性：🔗 [《机器学习(周志华)》笔记--支持向量机（2）--对偶问题：优化问题的类型、对偶问题、解的稀疏性、硬间隔与软间隔 - 泰初 - 博客园] https://www.cnblogs.com/lsm-boke/p/12316147.html
神经网络
🔗 [如何直观地解释 backpropagation 算法？ - 知乎] https://www.zhihu.com/question/27239198/answer/154510111
golang regex engine
第一次尝试学习并写一些Golang代码，把大量精力浪费在不兼容pcre的regex引擎身上，体验可太差了。
