lpp演算法

A. 人臉識別哪種演算法比較好

二維主要有：
1.基於模板匹配的方法；2.基於奇異值特徵方法3.子空間分析法；4.局部保持投影(Locality Preserving Projections，LPP)
三維人臉識別方法有：
1.基於圖像特徵的方法；2.基於模型可變參數的方法。
每種演算法都有自己的優缺點，不好說誰最好。

B. Groebner基如何生成

1 前言

工程優化設計的理論和方法近些年來得到了很大的發展和提高。隨著計算機技術的迅猛發展,基於智能的優化技術已成為設計自動化的重要方面。基於非線性規劃理論的優化技術是工程優化設計的主要基礎,如何求出問題的全部最優解和全局最優解一直是從事優化技術研究的人們努力探索的課題。對優化模型進行單調性分析是解決該問題的一種方法。文獻〔1～6〕基於單調性分析的優化技術的基本思想是通過對目標函數和約束函數進行單調性分析,找出問題松、緊和控制約束,將原問題分解為較為簡單和易於求解的子問題,並且大大提高了求得問題的全局最優解的可能性。子問題的特點是全部約束均為緊約束(等式約束),所以問題可歸結為對一組非線性代數方程(或等式約束問題)的求解。
Powell、Yuan和Vardi等對上述等式約束子問題提出了一些方法〔7、8〕,但提出的方法一般都不能求得問題的全部解,因而容易出現將有用的子問題當做多餘子問題使原問題的最優解丟失的情況。此外,傳統的用數值迭代法求解該非線性代數系統也存在初值的選取問題且一般一次只能求出一個數值解。所有上述方法都只適用於數值優化模型,無法求解符號優化模型(即模型中的已知系數是符號而不是具體數值)。能求出符號模型的最優解顯然是很有實用價值的,最優解的符號表達式是在各種參數取值條件下優化設計問題的通用解,它可以用來分析各參數對解的影響從而指導實際設計,它還簡化了具體的設計。對符號模型的求解只能通過非數值迭代的代數方法來實現。
Groebner基方法是求解非線性代數系統的一種非數值迭代的代數方法。其基本思想是在原非線性多項式代數系統所構成的多項式環內,通過對變數和多項式的項的適當排序,對原系統進行約簡,最後生成一個與原系統等價且便於直接求解的標准基（Groebner基）。傳統的結式消元法也可是解符號形式非線性代數系統的代數法,但它需要高度依賴於具體問題的消元技巧,且會產生增根。
文獻〔9〕、〔10〕提出了一種基於單調性分析和Groebner基法的求解符號模型優化問題最優解的方法,但他們在用Groebner基法求解子問題時,採用了傳統的變數替代和消元的方法,沒有解決Groebner基法的重要的排序問題,從而影響了方法的有效程度。本文在用單調性分析和Groebner基法對符號優化問題求解時,根據子問題等價等式方程組的特點提出了兩個項及變數排序的法則,從而較快和更有效地生成符號形式的「三角化」的Groebner基,也即優化問題解的符號表達式。文中給出的計算實例說明了所提出的方法在求優化問題符號最優解方面的優越性和有效性。

2 Groebner基方法簡介〔11〕

有關Groebner基(以下簡寫為GB)法的知識可在有關文獻(例如文獻[11])中找到,我們在此通過一個簡單的例子來說明如何用該法生成一個多項式代數系統的GB。
設有一個多項式系統F＝｛f1，f2｝,其中:
f1＝ax2＋bxy
f2＝cx2＋dy2 （1）

式中:x，y——變數;
a，b，c，d——符號形式的系數。
對於f1，f2的項按字典法排序,變數的序為y＜Tx，則各多項式對應的主冪乘積為:LPP（f1）＝x2，LPP（f2）＝x2，由於LPP（f1）／LPP（f2）＝1，所以f1可相對於f2約簡為f1′：

f1′＝cf1－af2＝cbxy－ady2 （2）

現在求f1′與f2的S－多項式f3：

f3＝S（f1′，f2）＝xf1′－byf2＝－adxy2－bdy3 （3）

由於LPP（f2）能被LPP（f1′）整除,即LPP（f2）／LPP（f1′）＝xy2／xy＝y，所以f3可相對於f1′約簡為f3′:

f3′＝cbf3＋adyf1′＝（－cb2d－a2d2）y3 （4）

接著求f1′與f3′的S－多項式f4：

f4＝S（f1′，f3′）＝y2（－cb2d－a2d2）f1′－cbxf3′＝ad（cb2d＋a2d2）y4
（5）

f4又可相對於f3′約簡為f4′:

f4′＝f4＋adyf3′＝0 （6）

同理,f2與f3′的S－多項式也可相對於f3′約簡為零。最後得到F的等價Groebner基（GB）為G＝｛g1，g2，g3｝＝｛f3′，f1′，f2｝,且G是「三角化」的,即:

g1＝f3′＝g1（y）
g2＝f1′＝g2（x，y） （7）
g3＝f2＝g3（x，y）

對應於式(7)的方程組即為F所對應的方程組的解的符號表達式。若要求具體的解,可通過式(7)中的g1＝0求出y，再將y代入g2＝0和g3＝0,則g2、g3之GCD(最大公因式)的根即為x的解。顯然,上述例的約簡是很簡單的,我們只是為了說明生成GB的約簡過程,對於復雜的系統,其約簡和生成GB是通過專用的演算法(例如Buchberger演算法)程序在計算機上自動完成的。

3 基於單調性分析和Groebner基法的符號優化

3.1 確定優化符號解的方法概述
在文獻〔9、10〕中提出了一種確定優化設計符號優化解的方法。該方法的基本思路如下:
(1)通過單調性分析和符號處理把優化設計的原問題轉換成若干個子問題[2、11]；
（2）子問題的所有約束都是緊約束(等式約束),每個子問題的緊(等式)約束集組成一個等價系統;
(3)對於每個由等價等式約束集組成的代數系統,確定其GB,此GB即為對應的子問題的優化解的符號表達式;
(4)採用任一種傳統的數值演算法解對應於各個GB的「三角化」的代數方程組,可求出各個子問題的全部數值最優解;
(5)由於子問題與原問題的等價性,於是也就求出了原問題的優化解符號表達式與全部數值最優解。
如果沒能生成GB,則採用同倫連續法求數值解。在他們的研究中,生成GB的約簡過程用的是傳統的代入消元法。
3.2 子問題的數學模型
考慮如下的優化設計問題（PL）:
min． f（X）
s．t． hj（X）＝0 （j＝1，2，…，q） （8）
gi（X）≤0 （i＝1，2，…，r）
式中:X＝（x1，x2，…，xn）T——設計變數;
f（X）——目標函數;
hj（X）與gi（X）——分別為等式與不等式約束,邊界約束(變數的上下界)包含在不等式約束中。
通過單調性分析和符號處理,優化設計問題（PL）可轉換成若干個子問題（SPL）,其數學模型如下:
min． f（X）
s．t． hj（X）＝0 （j＝1，2，…，q） （9）
gi（X）＝0 i∈K
式中:K——原問題（PL）的對應於緊約束的編號集。
3．3 確定子問題符號解的GB法
顯然,若生成的對應於子問題的等價約束多項式方程系統的GB是「三角化」的,則這個由一序列單變數方程表達的GB可以看成該子問題最優解的符號表達式,它同樣可看作原問題（PL）的最優解的符號表達式。
因為不同的變數和項的排序將導致代數系統的不同的多項式約簡,所以變數和項排序是影響生成GB的效率和結果的關鍵因素,只有恰當的排序才能生成GB。到目前為止,最常用的選擇排序的方法是試湊,這就限制了生成GB的效率。通過對子問題等價等式方程系統特徵的分析,本文提出了選取排序的兩個准則,根據這兩個准則可以較快地和有效地生成「三角化」的GB。子問題等價等式方程系統的主要特徵有:
(1)系統中的多項式是符號多項式（signomial）,其有的變數的冪是負的整數;
(2)一些來自邊界約束的多項式是單變數的線性多項式,它們有如xi－ximin or xi－ximax的樣子;
(3)各個方程的項數通常都很少。
特徵1:表明系統的數學模型必須進行變換以便應用現有的演算法如Buchberger演算法來生成GB。符號多項式需轉換成等價的多項式。
提出的下列選取排序的兩個准則是基於特徵2和特徵3:
准則1:給定項的字典法排序。如果變數數n≥4，僅取變數的n種排序,且在這n種排序中分別將n個變數的每一個置於該種排序的最後。
當變數數n較大時,可能的排序數,即n！很大,而排在序最後的變數將是生成的「三角化」GB中僅含單個變數的第一個多項式中的變數,此時,其餘變數的序的選擇都不會影響所生成基的結構。因此准則1可省去（n！－n）種不重要的排序。
准則2:給定項的字典法排序。設變數數為n,其中具有上下界約束的變數數為ns,則僅取（n－ns）！種變數排序。
事實上,不管對帶邊界約束的變數如何排序,這些變數總是相應多項式的主冪乘積（LPP）,因而都可用來對其它的多項式進行約簡,因此這些變數的排序不會影響所生成的GB的結構形式。准則2可大大提高n較小和ns較大時生成GB的計算效率。
下面我們提出生成優化設計子問題的GB的演算法:
(1)對一個子問題,將其數學模型轉換成與Buchberger演算法相適應的形式;
(2)選定項的字典法排序;
(3)確定變數的排序。若n－ns＜4，按准則2選取排序,否則按准則1選取排序;
(4)用Buchberger演算法生成GB,如果(「三角化」的)GB已經生成,轉向（7）,否則轉向下一步;
(5)將項按總冪次數法排序,再用Buchberger演算法生成GB；
(6)將生成的GB轉換成「三角化」的GB；
(7)輸出結果並停止。

4 算例

下面是一個普通圓柱蝸桿傳動減速器的符號優化設計數學模型〔10〕：
min．f（X）＝0．25πψx32x3（ux1－3x－11－2）2x－21
s．t．
g4： Z2min≤ux1≤Z2max ：g5
g6： Mmin≤x2≤Mmax ：g7
g8： qmin≤x3≤qmax ：g9
式中:x1，x2和x3——分別為蝸桿的頭數、模數和特性系數;
x4——簡化求解過程而設的輔助中間變數;
T2——輸出軸扭矩;
u——傳動比;
[σF]和[σH ]——許用應力;
YF2——齒寬系數;
η——傳動的效率;
K，ψ和q2——常數。
通過單調性分析和計算機符號處理,得到如下的十個子問題〔9、10〕：
SPL1： g1，g2，g3，h3 SPL6： g1，g2，g8
SPL2： g3，g2，g4，h3 SPL7： g2，g4，g8
SPL3： g2，g3，g6，h3 SPL8： g2，g6，g8
SPL4： g1，g2，g7 SPL9： g3，g5，g6，h3
SPL5： g2，g4，g7 SPL10： g5，g6，g8
為了簡化起見,設，，Q1＝q21，2，F＝，A＝4q2，B＝6q22，C＝4q32，D＝q42，G＝Z2min，H＝Mmin，I＝Mmax，J＝qmin，K＝Z2max，x1＝a，x2＝b，x3＝c，x4＝d。子問題中的符號多項式可轉換成如下的多項式:
g1＝a3b3c－q0 g4＝ua－G
g2＝a2b6＋b6c2－a2Q1 g5＝ua－K
g3＝b5c4－Ab5c3＋Bb5c2－Cb5c＋Db5－d g6＝b－H
h3＝d2c2－Ea2－Fc2 g7＝b－I
g8＝c－J
下面我們對子問題逐個求解。
子問題1（SPL1）的等價等式方程組中不含單變數多項式,因而是最難解的。當選取項的字典法排序時,所有4！＝24種變數排序都未能生成GB。選取項的總冪次數排序時,取任一種變數排序都得到了「非三角化」的GB,例如取b＜Ta＜Td＜Tc，生成的GB為:

b6a6＋coef11．a6＋coef12＝0 （a）
b2a4c3＋coef21．a4c2＋coef22．b2a4c＋coef23．b2c＋coef24．d＋coef25．a4
＋coef26．b2a4＋coef27．a2＋coef28．b5＋coef29＝0 （b）
b3c＋coef31．b6a4＋coef3．a4＝0 （c）
a6c＋coef41．c＋coef42．a4＝0 （d）
d2＋coef51．a6＋coef52＝0 （e）
（10）

此處coefij（i＝1，2，…，5；j＝1，2，…，9）均為由已知參數表達的符號系數,由於篇幅所限,我們在此僅列出coef11的表達式:
coef11＝（－（（－（－Q1）／（－q0））））／（－（－1／（q0）））
方程式(10)中的多項式的結構顯示出很易通過代入和消元將它轉換成「三角化」形式。從式（a），（b），（e）我們分別得到：

（f）
c＝－coef42．a4（a6＋coef41）－1 （g）
（h）

將方程式（f）、（g）、（h）代入方程式（b）、（c）,我們得到兩個僅含變數a的多項式,它們與方程式（f）、（g）、（h）形成SPL1的新的「三角化」的GB,這個GB即SPL1的最優解的符號表達式。我們還要指出,文獻〔9、10〕提出的方法沒有能生成此子問題的GB。
對於子問題SPL2,有一個單變數線性多項式,即:q4＝ua－G。此時可用准則2,也就是選項的字典法排序及（4－1）！＝6種變數a任意排序的變數排序。對於下列四種變數排序我們都得到了相同的「三角化」的GB：
a＜Tc＜Tb＜Td， c＜Ta＜Tb＜Td，
c＜Tb＜Ta＜Td， c＜Tb＜Td＜Ta
生成的GB為:

a＋coef11＝0
c2＋coef21．c＋coef22＝0
b2＋coef31．c＋coef32＝0 （11）
d＋coef41．cb＋coef42．b＝0

式中:coefij（i＝1，2，…，4；j＝1，2）的意義與SPL1中的相同不過具有不同的表達式,例如,coef11＝－G／u。
對於SPL3到SPL9,有一到兩個單變數線性多項式,我們用與SPL2中同樣的方法可生成相應的GB。由於篇幅的限制,在此省略了求解結果。
對於SPL10,有三個單變數線性方程,我們直接得出結果:
a＝－K／u，b＝H，c＝J
生成子問題SPL1～9的「三角化」的GB是在Sun工作站上用Buchberger演算法完成的,採用Fortran語言,CPU時間分別為0．08sec．到0．28sec．之間。

C. lpp演算法中為什麼要引進拉普拉斯矩陣

大概有個印象，矩陣不是可以按某1行或者某1列展開嗎？ 拉普拉斯公式大概就是個它的推廣，就是按K行或者K列展開 這樣對於某一些（主要是0比較多的矩陣）就能方便計算 類似於1行的展開，拉普拉斯公式的順序是 選定K行進行展開

D. 降維的概念

若原特徵空間是D維的,現希望降至d維的 降維方法分為線性核非線性降維，非線性降維又分為基於核函數和基於特徵值的方法。
1、線性降維方法：PCA 、ICA LDA、LFA、LPP(LE的線性表示)
2、非線性降維方法：
（1）基於核函數的非線性降維方法：KPCA 、KICA、KDA
（2）基於特徵值的非線性降維方法（流型學習）：ISOMAP、LLE、LE、LPP、LTSA、MVU 1、LLE（Locally Linear Embedding）演算法（局部線性嵌入）：
每一個數據點都可以由其近鄰點的線性加權組合構造得到。
演算法的主要步驟分為三步：
（1）尋找每個樣本點的k個近鄰點（k是一個預先給定的值）；
（2）由每個樣本點的近鄰點計算出該樣本點的局部重建權值矩陣；
（3）由該樣本點的局部重建權值矩陣和其近鄰點計算出該樣本點的輸出值，定義一個誤差函數。

E. 什麼樣的手機玩游戲最快

這個沒有明確的答案。一台升級實用性高不高要看它的價格。例如8848鈦金手機，看起來就很牛逼了，可是他貴的要死，幾乎要1萬塊。個人認為買台2000到3000的手機就已經算配置挺高的了。要是沒錢，買台1千多的也湊合著用也行，玩一些大型游戲也挺流暢的。
iPhone的運行速度與流暢度確實很牛，只是那個做工、幾乎每一部iPhone都有不同程度的縫隙有的甚至很誇張，在所有的手機當中iPhone攝像頭的畸變是最為嚴重的、售後一定是最差的、排線閃動一定是最顯著的這個勉強可以理解，因為一部手機不可能在擁有超強配置的同時還能完美的控制發熱量至少目前沒有這樣的手機，總而言之，追求性能不在乎外觀上的細節iPhone一定是你的最愛，但在要求速度的同時又看重做工那還是別選蘋果，記住，iPhone不仔細看做工貌似很好，但要看仔細了一定失望

F. 手機指紋解鎖逐漸成為標配，電腦需要這項功能嗎

隨著手機技術的發展，如今越來越多的手機都加入了指紋識別功能，而指紋識別功能在幾年前還只是高端手機的標配，不過現在很多千元級別的手機也都擁有這一功能。和以前不一樣的是，現在的指紋識別功能不再是只能解鎖，部分手機的指紋識別功能還可以進行移動支付、充當拍照快捷鍵等等。而在易用性方面，如今指紋識別的識別率也要比之前的好很多。 今天筆者就向大家推薦幾款配備指紋識別功能的手機，包括魅藍3S、ZUK Z2、一加手機3、vivo Xplay5和三星Galaxy S7，這些手機包括了高中低端，每款手機在硬體配置上也都達到了很高的水平，滿足用戶平時的使用需求並無壓力。除此之外，這幾款機型還擁有一定的特色，您可以根據自己的需求來選擇適合的機型。 推薦機型：魅藍3S 參考價格：699元 推薦理由：性價比高 在今年上半年，魅族推出了多款手機，包括PRO系列和魅藍系列這些定位不同的產品。4月25日的時候，魅族發布了魅藍3，而在前段時間，魅族又推出了性價比更高的魅藍3S。從命名方式上看，魅藍3S可以視作魅藍3的增強版，而價格也僅比魅藍3多了100元。 魅藍3S的正面採用了一塊白色的前面板(深灰色除外)，並覆蓋了一層2.5D弧面玻璃，使其看上去圓潤了不少，當然手感也在一定程度上得到提升。屏幕下方配備了魅族機型經典的mBack腰圓鍵，按壓操作的反饋感比初期機型好，這枚Home鍵集成指紋識別功能，理論上最快解鎖速度為0.2s。 魅藍3預裝了基於Yun OS的Flyme 5.1系統，而魅藍3S則預裝了基於Android 5.1的Flyme 5.1系統，由於兩者都經過了魅族的深度定製，因此在使用起來並不會有太大的區別。Flyme 5.1採用了扁平化+卡片式的UI設計，而為了使界面整體看起來更加和諧，從Flyme 4.0開始魅族就重新繪制了多達1000個圖標。魅藍3S在魅藍3的基礎上新增了對指紋識別的支持，通過幾個簡單的步驟就能錄入指紋，解鎖時間快至0.2秒。 魅藍3S和魅藍3相比，其配置上並沒有太大的變化，同樣採用了聯發科的MT6750處理器，並輔以2GB RAM+16GB ROM的存儲組合，並支持最高128GB內存卡擴展。MT6750採用八核心設計，基於28nm HPM製程工藝打造，內置1.5GHz的4xA53+1.0GHz的4xA53核心，GPU方面為T860mp2(350MHz)。支持LPDDR3內存。而網路支持方面則是這顆SoC的亮點，MT6750集成全網通Cat 6基帶，下行支持2x20MHz雙載波聚合，理論速率達上/下行:50/300Mbps。 攝像頭上面，前置的為500萬像素，搭配智能美顏及Face AE面部曝光增強演算法，自拍時人臉的曝光更為准確。前置鏡頭為4P鏡組設計，採用69度廣角與F2.0大光圈。後置攝像頭為1300萬像素，配備5P鏡組與藍玻璃濾鏡，光圈F2.2，擁有1.12μm的大像素保障弱光下的畫面純凈度。另外，魅藍3S支持相位對焦功能，特別是日間環境下拍攝的時候對焦速度比較快，還配備了雙色溫補光燈，拍攝的時候畫面顏色更自然真實。 編輯點評： 魅藍3S可以看作是魅藍3的升級版，主要體現在機身材質和ID設計上，配置方面則基本保持不變，對於699元的價格，想必也是很多人可以接受的。 推薦機型：ZUK Z2參考價格：1799元 推薦理由：配置主流四月份ZUK推出了Z2 Pro這款手機，該機憑借「九個第一」受到了消費者的高度關注，而在五月底的時候ZUK發布了售價只有1799元的Z2，相對於Z2 Pro，Z2並沒有縮減硬體配置，並延續了Z2 Pro的高顏值和高配置。ZUK Z2的正面看起來非常簡潔，2.5D玻璃幾乎是目前手機的標配，頂部只有兩個開孔，因為光線感應器和揚聲器集合在一起了，這是一個非常聰明的做法。部只有一個長條圓角矩形的多位一體實體Home鍵，背面也採用玻璃材質，摸起很舒服。Z2的系統ZUI給人的第一感覺是簡潔美觀，色彩運用得恰到好處，而且風格非常清新，比較符合現在年輕人的審美。日常使用非常流暢，響應迅速，優化得不錯。ZUK Z2配備了高通驍龍820處理器，支持ZUK自家的一鍵超頻功能，最高可以達到2.3GHz。驍龍820基於14nm FinFET LPP製程工藝打造，內置4*Kryo自主架構核心，集成最新的Adreno 530 GPU。而基帶方面則是這顆Soc的重點，其內置全網通X12 LTE基帶，下行支持3*20MHz/上行2*20MHz載波聚合，達到Cat 12/13，搭載RF360前端射頻解決方案。ZUK Z2內部採用了優化設計，搭載了L型主板，使得5.0英寸屏的機身可以容納3500mAh的電池，並支持2.5A大電流快充。ZUK Z2前置800萬像素的攝像頭，擁有1.4μm大像素，鏡組為5P設計，光圈F2.0，支持智能美顏功能。後置攝像頭為1300萬像素，採用了來自三星公司的感測器(1.34 μm像素尺寸)，配備5P鏡組，光圈為F2.2，支持相位對焦與數碼防抖，相機功能上面，要比很多廠商的機型要簡單一些，但是基本上覆蓋常見的功能。編輯點評： 對於1799元的價格，ZUK Z2在各方面都對得起這個售價，時尚的外觀、驍龍820、3500毫安大電池及4+64GB的大內存結合在一起，讓ZUK Z2成為當下性價比最高的手機，總體來說還是很值得購買的。 推薦機型：一加手機3參考價格：2499元 推薦理由：旗艦級配置一加手機3是一加公司的最新產品，這款手機相對於上代產品在各方面都有一定的升級。除了升級為高通驍龍820+6GB運存的組合外，一加手機3確實彌補了不少前輩機型的遺憾，機身不再笨重，全金屬後蓋加入，呼籲聲很高的閃充也來了，而價格也只為2499元。一加手機3可以說是延續了前輩作品的風格，變化沒有從1代過渡到2代那麼明顯。上面的三段式開關廣受好評，撥動即可調節靜音、勿擾、響鈴模式，而一加手機3上面也延續了這個功能。一加3採用了新的設計語言，拋棄了前兩代可更換後蓋的設計而採用了一體化全金屬機身，在質感上上升了一個台階。一加手機3帶來了基於Android 6.0.1深度優化的氫OS系統，版本為1.4，這是自氫OS系統發布以來更新最大的版本，在保持精簡的同時，易用性更好。氫OS 1.4系統當中，加入了半透明的毛玻璃效果，UI界面更為華麗。氫視窗2.0上面，卡券場景比較完善，而相對於一加手機2上面的氫OS來講，一加手機3增加了樂動力的插件，可以記錄用戶在日常生活當中的運動狀態，而用戶可以根據自己的情況，制定鍛煉目標。在管理中心當中，除了常規的清潔功能之外，還有自啟動管理，可以減少不必要的應用佔用CPU與RAM資源，降低耗電量與發熱量。一加手機3採用了高通驍龍820處理器，內置6GB運行內存，存儲空間則為64GB，滿足用戶平時的使用需求毫無壓力。充電方面，一加3採用了5V 4A的大電流快充方案——Dash閃充，一加官方宣稱30分鍾可將3000mAh的電池充到63%(玩游戲、上網、看電影……等情況)。一加手機3前置800萬像素的攝像頭，光圈F2.0，支持視頻美顏模式，在微信 與QQ這些軟體進行視頻通話的時候會自動對膚色進行優化。後置攝像頭採用了來自索尼公司的IMX298堆棧式感測器，像素1600萬，加了DTI像素隔離技術，降低像素之間的干擾，提高控噪能力。攝像頭光圈同為F2.0，支持PDAF相位對焦功能，同時擁有光學防抖與數碼防抖功能，保障了拍攝成功率。編輯點評： 在發布會當天一加手機3就受到了媒體的廣泛好評，而作為一款典型的Android旗艦，一加3該有的一個不落地都用上了，該用的基本上也都沒有偷工減料，這樣的配置起碼可以玩一年。綜合來講，一加3是今年國產手機2500元價位上少有的良心之作，還是很值得購買的。 推薦機型：vivo Xplay5參考價格：3698元 推薦理由：雙曲面屏vivo xplay5是國產旗艦手機的標桿，該機共有兩個版本，分別命名為Xplay5和Xplay5旗艦版。Xplay5旗艦版搭載了高通820處理器，配備6GB RAM+128GB ROM儲存組合，配備HiFi 3.0晶元;而Xplay5則搭載了高通652處理器，配備4GB RAM+128GB ROM的存儲組合。在外觀設計方面，vivo Xplay5採用一體化金屬機身，機身背部採用了金屬一體化的後蓋設計，應用了納米注塑工藝。機身厚度為7.59mm，裸機重量為167.8g。vivo Xplay5擁有一塊5.43英寸Super AMOLED雙曲面屏幕，這是國產自主品牌首款採用雙曲面屏幕的手機，具有劃時代的意義，解析度達2K級別，顯示效果不錯。側屏幕可以支持來電提醒、解鎖伴隨光暈效果。vivo Xplay5 的電池容量為3600mAh，採用不可更換設計，支持快速充電，一般情況下實現1天以上的待機時間問題不大，輕度使用甚至可以待機2天以上。vivo Xplay5配備 4GB RAM和128GB ROM，Xplay5旗艦版在配備了6GB RAM和128GB ROM，都不支持存儲卡擴展。vivo Xplay5搭載funtouch OS 2.5(Android 5.1)，Xplay5旗艦版則搭載Funtouch OS 2.6(Android 6.0)，支持指紋識別、全網通、分屏多任務、應用分身等功能，HiFi 3.0則是Xplay5旗艦版的配置，對於注重音樂體驗的消費者來說更有吸引力。在拍攝方面，vivo Xplay5達到業界中等偏上水平，前置800萬像素的攝像頭，可合成3200W高清美顏自拍樣張，支持實時美顏功能，自拍效果不錯。後置攝像頭為1600像素，光圈為F2.0，採用了索尼IMX298感測器，感測器尺寸達到1/2.8英寸，支持PDAF相位對焦，理論上最快速度可以達到0.1秒，並且支持電子防抖、HDR、全景、夜景、超清畫質、慢鏡頭、快鏡頭等功能。vivo Xplay5採用雙色溫閃光燈，這也是目前的一項主流配置。編輯點評： 手機並不是越大越好，適當的小一點是很有必要的。vivo Xplay5相對於X6來說屏幕尺寸有所減小，但屏幕更改為雙曲面屏幕，解析度也更高，這個變化還是值得肯定的。vivo Xplay5不僅有強大的處理器，而且旗艦版提供了6GB RAM，這是目前市售手機中最高的RAM容量，未來1-2年都不會落伍，為流暢運行奠定了基礎。 總結： 以上幾款機型都配備了指紋識別功能，其中魅藍3S和ZUK Z2是兩款主打性價比的機型，適合預算在2000元以內的朋友選購;一加手機3相對於上代產品有較大升級，2499元的售價也不算很貴，還是很值得購買的;vivo Xplay5採用了雙曲面屏幕，外觀看起來十分漂亮，注重外觀的朋友可以考慮下;

G. 為什麼高通驍龍845出

換句話說，驍龍845的出現，意味著2018全年的旗艦手機都要力推驍龍845的主打功能；意味著麒麟980要卯足了勁兒硬肛驍龍845的運算性能和功能特性；也意味著2019年的驍龍6XX要把845的規格帶入「尋常百姓家」。

永遠處於風口浪尖上的驍龍800系列推出了新旗艦產品，我們自然很有必要把這款驍龍845的所有特性由淺入深地扒一扒。希望大家在看過這篇文章之後，都能了解到「高通驍龍845究竟能為我們帶來什麼」，以及「明後年的智能手機應該怎麼買」。

理論性能和可能的實際性能

自從手機SoC邁入64位時代之後，高通發布過以下三代800系旗艦產品：

高通驍龍810；

高通驍龍820/821；

高通驍龍835。

這三代產品當中，810採用八核心公版架構和20nm製程，820/821採用四核心驍龍魔改Kryo架構和14nm製程；835則採用八核心驍龍魔改Kryo架構和第一代10nm製程（LPE）。

藍牙方面，驍龍845擁有了藍牙5.0廣播的功能，搭載驍龍845的設備可以通過直連兩台藍牙音箱設備來分開左右聲道，無需通過其他設備。這可以極大提升藍牙功放的用戶體驗並降低設備功耗。

One More Thing

作為業界影響力最大、掌握最多核心科技的晶元廠商，高通的旗艦級SoC不僅代表著Android設備的最佳性能體驗，也是每年智能手機行業帶節奏的大師。

高通驍龍845擁有半自研的魔改CPU、自研GPU/ISP/DSP/Modem，他們可以用自己家的技術解決問題，這才是真正擁有高技術含量的產品。蘋果擠破了腦袋要把A11的GPU換成自己的，為的也是讓SoC的自研化程度更高，更加無懈可擊。

此次驍龍845還加入了全新的獨立安全晶元（SPU），以後金立的「內置安全晶元」將不再是賣點，因為未來的高端智能手機都將擁有一顆負責數據安全和通訊安全的晶元。同理，驍龍845在XR方面的發力，也將推動麒麟等高端SoC開發出面向VR和AR的功能和特性。

還是一句老話，晶元廠商之間的良性競爭總會推動整個行業的技術發展。高通作為領頭羊，也實實在在帶起了智能手機技術進步的節奏。2018年你可以享受到驍龍845旗艦機上的頂級體驗，到了2019年你也許就可以在2000多元的中高端機型上享受到同樣的體驗。缺少了聯發科的競爭，明年的高端智能手機市場，留給終端用戶的選擇也許只剩下了搭載高通驍龍845的產品。

H. 人臉識別演算法的分類

人臉識別法主要集中在二維圖像方面，二維人臉識別主要利用分布在人臉上從低到高80個節點或標點，通過測量眼睛、顴骨、下巴等之間的間距來進行身份認證。人臉識別演算法主要有：
1.基於模板匹配的方法:模板分為二維模板和三維模板，核心思想:利用人的臉部特徵規律建立一個立體可調的模型框架,在定位出人的臉部位置後用模型框架定位和調整人的臉部特徵部位,解決人臉識別過程中的觀察角度、遮擋和表情變化等因素影響。
2.基於奇異值特徵方法：人臉圖像矩陣的奇異值特徵反映了圖像的本質屬性，可以利用它來進行分類識別。
3.子空間分析法：因其具有描述性強、計算代價小、易實現及可分性好等特點，被廣泛地應用於人臉特徵提取，成為了當前人臉識別的主流方法之一。
4.局部保持投影(Locality Preserving Projections，LPP)是一種新的子空間分析方法，它是非線性方法Laplacian Eigen map的線性近似，既解決了PCA等傳統線性方法難以保持原始數據非線性流形的缺點，又解決了非線性方法難以獲得新樣本點低維投影的缺點。
5.主成分分析(PCA)
PCA模式識別領域一種重要的方法，已被廣泛地應用於人臉識別演算法中，基於PCA人臉識別系統在應用中面臨著一個重要障礙：增量學習問題。增量PCA演算法由新增樣本重構最為重要 PCS，但該方法隨著樣本的增加， 需要不斷舍棄一些不重要PC，以維持子空間維數不變， 因而該方法精度稍差。
6.其他方法：彈性匹配方法、特徵臉法(基於KL變換)、人工神經網路法、支持向量機法、基於積分圖像特徵法(adaboost學習)、基於概率模型法。 二維人臉識別方法的最大不足是在面臨姿態、光照條件不同、表情變化以及臉部化妝等方面較為脆弱，識別的准確度受到很大限制，而這些都是人臉在自然狀態下會隨時表現出來的。三維人臉識別可以極大的提高識別精度，真正的三維人臉識別是利用深度圖像進行研究，自90年代初期開始，已經有了一定的進展。三維人臉識別方法有：
1.基於圖像特徵的方法：採取了從3D結構中分離出姿態的演算法。首先匹配人臉整體的尺寸輪廓和三維空間方向；然後，在保持姿態固定的情況下，去作臉部不同特徵點(這些特徵點是人工的鑒別出來)的局部匹配。
2.基於模型可變參數的方法：使用將通用人臉模型的3D變形和基於距離映射的矩陣迭代最小相結合，去恢復頭部姿態和3D人臉。隨著模型形變的關聯關系的改變不斷更新姿態參數，重復此過程直到最小化尺度達到要求。基於模型可變參數的方法與基於圖像特徵的方法的最大區別在於：後者在人臉姿態每變化一次後，需要重新搜索特徵點的坐標，而前者只需調整3D變形模型的參數。