lpp算法

A. 人脸识别哪种算法比较好

二维主要有：
1.基于模板匹配的方法；2.基于奇异值特征方法3.子空间分析法；4.局部保持投影(Locality Preserving Projections，LPP)
三维人脸识别方法有：
1.基于图像特征的方法；2.基于模型可变参数的方法。
每种算法都有自己的优缺点，不好说谁最好。

B. Groebner基如何生成

1 前言

工程优化设计的理论和方法近些年来得到了很大的发展和提高。随着计算机技术的迅猛发展,基于智能的优化技术已成为设计自动化的重要方面。基于非线性规划理论的优化技术是工程优化设计的主要基础,如何求出问题的全部最优解和全局最优解一直是从事优化技术研究的人们努力探索的课题。对优化模型进行单调性分析是解决该问题的一种方法。文献〔1～6〕基于单调性分析的优化技术的基本思想是通过对目标函数和约束函数进行单调性分析,找出问题松、紧和控制约束,将原问题分解为较为简单和易于求解的子问题,并且大大提高了求得问题的全局最优解的可能性。子问题的特点是全部约束均为紧约束(等式约束),所以问题可归结为对一组非线性代数方程(或等式约束问题)的求解。
Powell、Yuan和Vardi等对上述等式约束子问题提出了一些方法〔7、8〕,但提出的方法一般都不能求得问题的全部解,因而容易出现将有用的子问题当做多余子问题使原问题的最优解丢失的情况。此外,传统的用数值迭代法求解该非线性代数系统也存在初值的选取问题且一般一次只能求出一个数值解。所有上述方法都只适用于数值优化模型,无法求解符号优化模型(即模型中的已知系数是符号而不是具体数值)。能求出符号模型的最优解显然是很有实用价值的,最优解的符号表达式是在各种参数取值条件下优化设计问题的通用解,它可以用来分析各参数对解的影响从而指导实际设计,它还简化了具体的设计。对符号模型的求解只能通过非数值迭代的代数方法来实现。
Groebner基方法是求解非线性代数系统的一种非数值迭代的代数方法。其基本思想是在原非线性多项式代数系统所构成的多项式环内,通过对变量和多项式的项的适当排序,对原系统进行约简,最后生成一个与原系统等价且便于直接求解的标准基（Groebner基）。传统的结式消元法也可是解符号形式非线性代数系统的代数法,但它需要高度依赖于具体问题的消元技巧,且会产生增根。
文献〔9〕、〔10〕提出了一种基于单调性分析和Groebner基法的求解符号模型优化问题最优解的方法,但他们在用Groebner基法求解子问题时,采用了传统的变量替代和消元的方法,没有解决Groebner基法的重要的排序问题,从而影响了方法的有效程度。本文在用单调性分析和Groebner基法对符号优化问题求解时,根据子问题等价等式方程组的特点提出了两个项及变量排序的法则,从而较快和更有效地生成符号形式的“三角化”的Groebner基,也即优化问题解的符号表达式。文中给出的计算实例说明了所提出的方法在求优化问题符号最优解方面的优越性和有效性。

2 Groebner基方法简介〔11〕

有关Groebner基(以下简写为GB)法的知识可在有关文献(例如文献[11])中找到,我们在此通过一个简单的例子来说明如何用该法生成一个多项式代数系统的GB。
设有一个多项式系统F＝｛f1，f2｝,其中:
f1＝ax2＋bxy
f2＝cx2＋dy2 （1）

式中:x，y——变量;
a，b，c，d——符号形式的系数。
对于f1，f2的项按字典法排序,变量的序为y＜Tx，则各多项式对应的主幂乘积为:LPP（f1）＝x2，LPP（f2）＝x2，由于LPP（f1）／LPP（f2）＝1，所以f1可相对于f2约简为f1′：

f1′＝cf1－af2＝cbxy－ady2 （2）

现在求f1′与f2的S－多项式f3：

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

由于LPP（f2）能被LPP（f1′）整除,即LPP（f2）／LPP（f1′）＝xy2／xy＝y，所以f3可相对于f1′约简为f3′:

f3′＝cbf3＋adyf1′＝（－cb2d－a2d2）y3 （4）

接着求f1′与f3′的S－多项式f4：

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

f4又可相对于f3′约简为f4′:

f4′＝f4＋adyf3′＝0 （6）

同理,f2与f3′的S－多项式也可相对于f3′约简为零。最后得到F的等价Groebner基（GB）为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）

对应于式(7)的方程组即为F所对应的方程组的解的符号表达式。若要求具体的解,可通过式(7)中的g1＝0求出y，再将y代入g2＝0和g3＝0,则g2、g3之GCD(最大公因式)的根即为x的解。显然,上述例的约简是很简单的,我们只是为了说明生成GB的约简过程,对于复杂的系统,其约简和生成GB是通过专用的算法(例如Buchberger算法)程序在计算机上自动完成的。

3 基于单调性分析和Groebner基法的符号优化

3.1 确定优化符号解的方法概述
在文献〔9、10〕中提出了一种确定优化设计符号优化解的方法。该方法的基本思路如下:
(1)通过单调性分析和符号处理把优化设计的原问题转换成若干个子问题[2、11]；
（2）子问题的所有约束都是紧约束(等式约束),每个子问题的紧(等式)约束集组成一个等价系统;
(3)对于每个由等价等式约束集组成的代数系统,确定其GB,此GB即为对应的子问题的优化解的符号表达式;
(4)采用任一种传统的数值算法解对应于各个GB的“三角化”的代数方程组,可求出各个子问题的全部数值最优解;
(5)由于子问题与原问题的等价性,于是也就求出了原问题的优化解符号表达式与全部数值最优解。
如果没能生成GB,则采用同伦连续法求数值解。在他们的研究中,生成GB的约简过程用的是传统的代入消元法。
3.2 子问题的数学模型
考虑如下的优化设计问题（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——设计变量;
f（X）——目标函数;
hj（X）与gi（X）——分别为等式与不等式约束,边界约束(变量的上下界)包含在不等式约束中。
通过单调性分析和符号处理,优化设计问题（PL）可转换成若干个子问题（SPL）,其数学模型如下:
min． f（X）
s．t． hj（X）＝0 （j＝1，2，…，q） （9）
gi（X）＝0 i∈K
式中:K——原问题（PL）的对应于紧约束的编号集。
3．3 确定子问题符号解的GB法
显然,若生成的对应于子问题的等价约束多项式方程系统的GB是“三角化”的,则这个由一序列单变量方程表达的GB可以看成该子问题最优解的符号表达式,它同样可看作原问题（PL）的最优解的符号表达式。
因为不同的变量和项的排序将导致代数系统的不同的多项式约简,所以变量和项排序是影响生成GB的效率和结果的关键因素,只有恰当的排序才能生成GB。到目前为止,最常用的选择排序的方法是试凑,这就限制了生成GB的效率。通过对子问题等价等式方程系统特征的分析,本文提出了选取排序的两个准则,根据这两个准则可以较快地和有效地生成“三角化”的GB。子问题等价等式方程系统的主要特征有:
(1)系统中的多项式是符号多项式（signomial）,其有的变量的幂是负的整数;
(2)一些来自边界约束的多项式是单变量的线性多项式,它们有如xi－ximin or xi－ximax的样子;
(3)各个方程的项数通常都很少。
特征1:表明系统的数学模型必须进行变换以便应用现有的算法如Buchberger算法来生成GB。符号多项式需转换成等价的多项式。
提出的下列选取排序的两个准则是基于特征2和特征3:
准则1:给定项的字典法排序。如果变量数n≥4，仅取变量的n种排序,且在这n种排序中分别将n个变量的每一个置于该种排序的最后。
当变量数n较大时,可能的排序数,即n！很大,而排在序最后的变量将是生成的“三角化”GB中仅含单个变量的第一个多项式中的变量,此时,其余变量的序的选择都不会影响所生成基的结构。因此准则1可省去（n！－n）种不重要的排序。
准则2:给定项的字典法排序。设变量数为n,其中具有上下界约束的变量数为ns,则仅取（n－ns）！种变量排序。
事实上,不管对带边界约束的变量如何排序,这些变量总是相应多项式的主幂乘积（LPP）,因而都可用来对其它的多项式进行约简,因此这些变量的排序不会影响所生成的GB的结构形式。准则2可大大提高n较小和ns较大时生成GB的计算效率。
下面我们提出生成优化设计子问题的GB的算法:
(1)对一个子问题,将其数学模型转换成与Buchberger算法相适应的形式;
(2)选定项的字典法排序;
(3)确定变量的排序。若n－ns＜4，按准则2选取排序,否则按准则1选取排序;
(4)用Buchberger算法生成GB,如果(“三角化”的)GB已经生成,转向（7）,否则转向下一步;
(5)将项按总幂次数法排序,再用Buchberger算法生成GB；
(6)将生成的GB转换成“三角化”的GB；
(7)输出结果并停止。

4 算例

下面是一个普通圆柱蜗杆传动减速器的符号优化设计数学模型〔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——分别为蜗杆的头数、模数和特性系数;
x4——简化求解过程而设的辅助中间变量;
T2——输出轴扭矩;
u——传动比;
[σF]和[σH ]——许用应力;
YF2——齿宽系数;
η——传动的效率;
K，ψ和q2——常数。
通过单调性分析和计算机符号处理,得到如下的十个子问题〔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
为了简化起见,设，，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。子问题中的符号多项式可转换成如下的多项式:
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
下面我们对子问题逐个求解。
子问题1（SPL1）的等价等式方程组中不含单变量多项式,因而是最难解的。当选取项的字典法排序时,所有4！＝24种变量排序都未能生成GB。选取项的总幂次数排序时,取任一种变量排序都得到了“非三角化”的GB,例如取b＜Ta＜Td＜Tc，生成的GB为:

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）

此处coefij（i＝1，2，…，5；j＝1，2，…，9）均为由已知参数表达的符号系数,由于篇幅所限,我们在此仅列出coef11的表达式:
coef11＝（－（（－（－Q1）／（－q0））））／（－（－1／（q0）））
方程式(10)中的多项式的结构显示出很易通过代入和消元将它转换成“三角化”形式。从式（a），（b），（e）我们分别得到：

（f）
c＝－coef42．a4（a6＋coef41）－1 （g）
（h）

将方程式（f）、（g）、（h）代入方程式（b）、（c）,我们得到两个仅含变量a的多项式,它们与方程式（f）、（g）、（h）形成SPL1的新的“三角化”的GB,这个GB即SPL1的最优解的符号表达式。我们还要指出,文献〔9、10〕提出的方法没有能生成此子问题的GB。
对于子问题SPL2,有一个单变量线性多项式,即:q4＝ua－G。此时可用准则2,也就是选项的字典法排序及（4－1）！＝6种变量a任意排序的变量排序。对于下列四种变量排序我们都得到了相同的“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为:

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）的意义与SPL1中的相同不过具有不同的表达式,例如,coef11＝－G／u。
对于SPL3到SPL9,有一到两个单变量线性多项式,我们用与SPL2中同样的方法可生成相应的GB。由于篇幅的限制,在此省略了求解结果。
对于SPL10,有三个单变量线性方程,我们直接得出结果:
a＝－K／u，b＝H，c＝J
生成子问题SPL1～9的“三角化”的GB是在Sun工作站上用Buchberger算法完成的,采用Fortran语言,CPU时间分别为0．08sec．到0．28sec．之间。

C. lpp算法中为什么要引进拉普拉斯矩阵

大概有个印象，矩阵不是可以按某1行或者某1列展开吗？ 拉普拉斯公式大概就是个它的推广，就是按K行或者K列展开 这样对于某一些（主要是0比较多的矩阵）就能方便计算 类似于1行的展开，拉普拉斯公式的顺序是 选定K行进行展开

D. 降维的概念

若原特征空间是D维的,现希望降至d维的 降维方法分为线性核非线性降维，非线性降维又分为基于核函数和基于特征值的方法。
1、线性降维方法：PCA 、ICA LDA、LFA、LPP(LE的线性表示)
2、非线性降维方法：
（1）基于核函数的非线性降维方法：KPCA 、KICA、KDA
（2）基于特征值的非线性降维方法（流型学习）：ISOMAP、LLE、LE、LPP、LTSA、MVU 1、LLE（Locally Linear Embedding）算法（局部线性嵌入）：
每一个数据点都可以由其近邻点的线性加权组合构造得到。
算法的主要步骤分为三步：
（1）寻找每个样本点的k个近邻点（k是一个预先给定的值）；
（2）由每个样本点的近邻点计算出该样本点的局部重建权值矩阵；
（3）由该样本点的局部重建权值矩阵和其近邻点计算出该样本点的输出值，定义一个误差函数。

E. 什么样的手机玩游戏最快

这个没有明确的答案。一台升级实用性高不高要看它的价格。例如8848钛金手机，看起来就很牛逼了，可是他贵的要死，几乎要1万块。个人认为买台2000到3000的手机就已经算配置挺高的了。要是没钱，买台1千多的也凑合着用也行，玩一些大型游戏也挺流畅的。
iPhone的运行速度与流畅度确实很牛，只是那个做工、几乎每一部iPhone都有不同程度的缝隙有的甚至很夸张，在所有的手机当中iPhone摄像头的畸变是最为严重的、售后一定是最差的、排线闪动一定是最显着的这个勉强可以理解，因为一部手机不可能在拥有超强配置的同时还能完美的控制发热量至少目前没有这样的手机，总而言之，追求性能不在乎外观上的细节iPhone一定是你的最爱，但在要求速度的同时又看重做工那还是别选苹果，记住，iPhone不仔细看做工貌似很好，但要看仔细了一定失望

F. 手机指纹解锁逐渐成为标配，电脑需要这项功能吗

随着手机技术的发展，如今越来越多的手机都加入了指纹识别功能，而指纹识别功能在几年前还只是高端手机的标配，不过现在很多千元级别的手机也都拥有这一功能。和以前不一样的是，现在的指纹识别功能不再是只能解锁，部分手机的指纹识别功能还可以进行移动支付、充当拍照快捷键等等。而在易用性方面，如今指纹识别的识别率也要比之前的好很多。 今天笔者就向大家推荐几款配备指纹识别功能的手机，包括魅蓝3S、ZUK Z2、一加手机3、vivo Xplay5和三星Galaxy S7，这些手机包括了高中低端，每款手机在硬件配置上也都达到了很高的水平，满足用户平时的使用需求并无压力。除此之外，这几款机型还拥有一定的特色，您可以根据自己的需求来选择适合的机型。 推荐机型：魅蓝3S 参考价格：699元 推荐理由：性价比高 在今年上半年，魅族推出了多款手机，包括PRO系列和魅蓝系列这些定位不同的产品。4月25日的时候，魅族发布了魅蓝3，而在前段时间，魅族又推出了性价比更高的魅蓝3S。从命名方式上看，魅蓝3S可以视作魅蓝3的增强版，而价格也仅比魅蓝3多了100元。 魅蓝3S的正面采用了一块白色的前面板(深灰色除外)，并覆盖了一层2.5D弧面玻璃，使其看上去圆润了不少，当然手感也在一定程度上得到提升。屏幕下方配备了魅族机型经典的mBack腰圆键，按压操作的反馈感比初期机型好，这枚Home键集成指纹识别功能，理论上最快解锁速度为0.2s。 魅蓝3预装了基于Yun OS的Flyme 5.1系统，而魅蓝3S则预装了基于Android 5.1的Flyme 5.1系统，由于两者都经过了魅族的深度定制，因此在使用起来并不会有太大的区别。Flyme 5.1采用了扁平化+卡片式的UI设计，而为了使界面整体看起来更加和谐，从Flyme 4.0开始魅族就重新绘制了多达1000个图标。魅蓝3S在魅蓝3的基础上新增了对指纹识别的支持，通过几个简单的步骤就能录入指纹，解锁时间快至0.2秒。 魅蓝3S和魅蓝3相比，其配置上并没有太大的变化，同样采用了联发科的MT6750处理器，并辅以2GB RAM+16GB ROM的存储组合，并支持最高128GB内存卡扩展。MT6750采用八核心设计，基于28nm HPM制程工艺打造，内置1.5GHz的4xA53+1.0GHz的4xA53核心，GPU方面为T860mp2(350MHz)。支持LPDDR3内存。而网络支持方面则是这颗SoC的亮点，MT6750集成全网通Cat 6基带，下行支持2x20MHz双载波聚合，理论速率达上/下行:50/300Mbps。 摄像头上面，前置的为500万像素，搭配智能美颜及Face AE面部曝光增强算法，自拍时人脸的曝光更为准确。前置镜头为4P镜组设计，采用69度广角与F2.0大光圈。后置摄像头为1300万像素，配备5P镜组与蓝玻璃滤镜，光圈F2.2，拥有1.12μm的大像素保障弱光下的画面纯净度。另外，魅蓝3S支持相位对焦功能，特别是日间环境下拍摄的时候对焦速度比较快，还配备了双色温补光灯，拍摄的时候画面颜色更自然真实。 编辑点评： 魅蓝3S可以看作是魅蓝3的升级版，主要体现在机身材质和ID设计上，配置方面则基本保持不变，对于699元的价格，想必也是很多人可以接受的。 推荐机型：ZUK Z2参考价格：1799元 推荐理由：配置主流四月份ZUK推出了Z2 Pro这款手机，该机凭借“九个第一”受到了消费者的高度关注，而在五月底的时候ZUK发布了售价只有1799元的Z2，相对于Z2 Pro，Z2并没有缩减硬件配置，并延续了Z2 Pro的高颜值和高配置。ZUK Z2的正面看起来非常简洁，2.5D玻璃几乎是目前手机的标配，顶部只有两个开孔，因为光线感应器和扬声器集合在一起了，这是一个非常聪明的做法。部只有一个长条圆角矩形的多位一体实体Home键，背面也采用玻璃材质，摸起很舒服。Z2的系统ZUI给人的第一感觉是简洁美观，色彩运用得恰到好处，而且风格非常清新，比较符合现在年轻人的审美。日常使用非常流畅，响应迅速，优化得不错。ZUK Z2配备了高通骁龙820处理器，支持ZUK自家的一键超频功能，最高可以达到2.3GHz。骁龙820基于14nm FinFET LPP制程工艺打造，内置4*Kryo自主架构核心，集成最新的Adreno 530 GPU。而基带方面则是这颗Soc的重点，其内置全网通X12 LTE基带，下行支持3*20MHz/上行2*20MHz载波聚合，达到Cat 12/13，搭载RF360前端射频解决方案。ZUK Z2内部采用了优化设计，搭载了L型主板，使得5.0英寸屏的机身可以容纳3500mAh的电池，并支持2.5A大电流快充。ZUK Z2前置800万像素的摄像头，拥有1.4μm大像素，镜组为5P设计，光圈F2.0，支持智能美颜功能。后置摄像头为1300万像素，采用了来自三星公司的传感器(1.34 μm像素尺寸)，配备5P镜组，光圈为F2.2，支持相位对焦与数码防抖，相机功能上面，要比很多厂商的机型要简单一些，但是基本上覆盖常见的功能。编辑点评： 对于1799元的价格，ZUK Z2在各方面都对得起这个售价，时尚的外观、骁龙820、3500毫安大电池及4+64GB的大内存结合在一起，让ZUK Z2成为当下性价比最高的手机，总体来说还是很值得购买的。 推荐机型：一加手机3参考价格：2499元 推荐理由：旗舰级配置一加手机3是一加公司的最新产品，这款手机相对于上代产品在各方面都有一定的升级。除了升级为高通骁龙820+6GB运存的组合外，一加手机3确实弥补了不少前辈机型的遗憾，机身不再笨重，全金属后盖加入，呼吁声很高的闪充也来了，而价格也只为2499元。一加手机3可以说是延续了前辈作品的风格，变化没有从1代过渡到2代那么明显。上面的三段式开关广受好评，拨动即可调节静音、勿扰、响铃模式，而一加手机3上面也延续了这个功能。一加3采用了新的设计语言，抛弃了前两代可更换后盖的设计而采用了一体化全金属机身，在质感上上升了一个台阶。一加手机3带来了基于Android 6.0.1深度优化的氢OS系统，版本为1.4，这是自氢OS系统发布以来更新最大的版本，在保持精简的同时，易用性更好。氢OS 1.4系统当中，加入了半透明的毛玻璃效果，UI界面更为华丽。氢视窗2.0上面，卡券场景比较完善，而相对于一加手机2上面的氢OS来讲，一加手机3增加了乐动力的插件，可以记录用户在日常生活当中的运动状态，而用户可以根据自己的情况，制定锻炼目标。在管理中心当中，除了常规的清洁功能之外，还有自启动管理，可以减少不必要的应用占用CPU与RAM资源，降低耗电量与发热量。一加手机3采用了高通骁龙820处理器，内置6GB运行内存，存储空间则为64GB，满足用户平时的使用需求毫无压力。充电方面，一加3采用了5V 4A的大电流快充方案——Dash闪充，一加官方宣称30分钟可将3000mAh的电池充到63%(玩游戏、上网、看电影……等情况)。一加手机3前置800万像素的摄像头，光圈F2.0，支持视频美颜模式，在微信 与QQ这些软件进行视频通话的时候会自动对肤色进行优化。后置摄像头采用了来自索尼公司的IMX298堆栈式传感器，像素1600万，加了DTI像素隔离技术，降低像素之间的干扰，提高控噪能力。摄像头光圈同为F2.0，支持PDAF相位对焦功能，同时拥有光学防抖与数码防抖功能，保障了拍摄成功率。编辑点评： 在发布会当天一加手机3就受到了媒体的广泛好评，而作为一款典型的Android旗舰，一加3该有的一个不落地都用上了，该用的基本上也都没有偷工减料，这样的配置起码可以玩一年。综合来讲，一加3是今年国产手机2500元价位上少有的良心之作，还是很值得购买的。 推荐机型：vivo Xplay5参考价格：3698元 推荐理由：双曲面屏vivo xplay5是国产旗舰手机的标杆，该机共有两个版本，分别命名为Xplay5和Xplay5旗舰版。Xplay5旗舰版搭载了高通820处理器，配备6GB RAM+128GB ROM储存组合，配备HiFi 3.0芯片;而Xplay5则搭载了高通652处理器，配备4GB RAM+128GB ROM的存储组合。在外观设计方面，vivo Xplay5采用一体化金属机身，机身背部采用了金属一体化的后盖设计，应用了纳米注塑工艺。机身厚度为7.59mm，裸机重量为167.8g。vivo Xplay5拥有一块5.43英寸Super AMOLED双曲面屏幕，这是国产自主品牌首款采用双曲面屏幕的手机，具有划时代的意义，分辨率达2K级别，显示效果不错。侧屏幕可以支持来电提醒、解锁伴随光晕效果。vivo Xplay5 的电池容量为3600mAh，采用不可更换设计，支持快速充电，一般情况下实现1天以上的待机时间问题不大，轻度使用甚至可以待机2天以上。vivo Xplay5配备 4GB RAM和128GB ROM，Xplay5旗舰版在配备了6GB RAM和128GB ROM，都不支持存储卡扩展。vivo Xplay5搭载funtouch OS 2.5(Android 5.1)，Xplay5旗舰版则搭载Funtouch OS 2.6(Android 6.0)，支持指纹识别、全网通、分屏多任务、应用分身等功能，HiFi 3.0则是Xplay5旗舰版的配置，对于注重音乐体验的消费者来说更有吸引力。在拍摄方面，vivo Xplay5达到业界中等偏上水平，前置800万像素的摄像头，可合成3200W高清美颜自拍样张，支持实时美颜功能，自拍效果不错。后置摄像头为1600像素，光圈为F2.0，采用了索尼IMX298传感器，传感器尺寸达到1/2.8英寸，支持PDAF相位对焦，理论上最快速度可以达到0.1秒，并且支持电子防抖、HDR、全景、夜景、超清画质、慢镜头、快镜头等功能。vivo Xplay5采用双色温闪光灯，这也是目前的一项主流配置。编辑点评： 手机并不是越大越好，适当的小一点是很有必要的。vivo Xplay5相对于X6来说屏幕尺寸有所减小，但屏幕更改为双曲面屏幕，分辨率也更高，这个变化还是值得肯定的。vivo Xplay5不仅有强大的处理器，而且旗舰版提供了6GB RAM，这是目前市售手机中最高的RAM容量，未来1-2年都不会落伍，为流畅运行奠定了基础。 总结： 以上几款机型都配备了指纹识别功能，其中魅蓝3S和ZUK Z2是两款主打性价比的机型，适合预算在2000元以内的朋友选购;一加手机3相对于上代产品有较大升级，2499元的售价也不算很贵，还是很值得购买的;vivo Xplay5采用了双曲面屏幕，外观看起来十分漂亮，注重外观的朋友可以考虑下;

G. 为什么高通骁龙845出

换句话说，骁龙845的出现，意味着2018全年的旗舰手机都要力推骁龙845的主打功能；意味着麒麟980要卯足了劲儿硬肛骁龙845的运算性能和功能特性；也意味着2019年的骁龙6XX要把845的规格带入“寻常百姓家”。

永远处于风口浪尖上的骁龙800系列推出了新旗舰产品，我们自然很有必要把这款骁龙845的所有特性由浅入深地扒一扒。希望大家在看过这篇文章之后，都能了解到“高通骁龙845究竟能为我们带来什么”，以及“明后年的智能手机应该怎么买”。

理论性能和可能的实际性能

自从手机SoC迈入64位时代之后，高通发布过以下三代800系旗舰产品：

高通骁龙810；

高通骁龙820/821；

高通骁龙835。

这三代产品当中，810采用八核心公版架构和20nm制程，820/821采用四核心骁龙魔改Kryo架构和14nm制程；835则采用八核心骁龙魔改Kryo架构和第一代10nm制程（LPE）。

蓝牙方面，骁龙845拥有了蓝牙5.0广播的功能，搭载骁龙845的设备可以通过直连两台蓝牙音箱设备来分开左右声道，无需通过其他设备。这可以极大提升蓝牙功放的用户体验并降低设备功耗。

One More Thing

作为业界影响力最大、掌握最多核心科技的芯片厂商，高通的旗舰级SoC不仅代表着Android设备的最佳性能体验，也是每年智能手机行业带节奏的大师。

高通骁龙845拥有半自研的魔改CPU、自研GPU/ISP/DSP/Modem，他们可以用自己家的技术解决问题，这才是真正拥有高技术含量的产品。苹果挤破了脑袋要把A11的GPU换成自己的，为的也是让SoC的自研化程度更高，更加无懈可击。

此次骁龙845还加入了全新的独立安全芯片（SPU），以后金立的“内置安全芯片”将不再是卖点，因为未来的高端智能手机都将拥有一颗负责数据安全和通讯安全的芯片。同理，骁龙845在XR方面的发力，也将推动麒麟等高端SoC开发出面向VR和AR的功能和特性。

还是一句老话，芯片厂商之间的良性竞争总会推动整个行业的技术发展。高通作为领头羊，也实实在在带起了智能手机技术进步的节奏。2018年你可以享受到骁龙845旗舰机上的顶级体验，到了2019年你也许就可以在2000多元的中高端机型上享受到同样的体验。缺少了联发科的竞争，明年的高端智能手机市场，留给终端用户的选择也许只剩下了搭载高通骁龙845的产品。

H. 人脸识别算法的分类

人脸识别法主要集中在二维图像方面，二维人脸识别主要利用分布在人脸上从低到高80个节点或标点，通过测量眼睛、颧骨、下巴等之间的间距来进行身份认证。人脸识别算法主要有：
1.基于模板匹配的方法:模板分为二维模板和三维模板，核心思想:利用人的脸部特征规律建立一个立体可调的模型框架,在定位出人的脸部位置后用模型框架定位和调整人的脸部特征部位,解决人脸识别过程中的观察角度、遮挡和表情变化等因素影响。
2.基于奇异值特征方法：人脸图像矩阵的奇异值特征反映了图像的本质属性，可以利用它来进行分类识别。
3.子空间分析法：因其具有描述性强、计算代价小、易实现及可分性好等特点，被广泛地应用于人脸特征提取，成为了当前人脸识别的主流方法之一。
4.局部保持投影(Locality Preserving Projections，LPP)是一种新的子空间分析方法，它是非线性方法Laplacian Eigen map的线性近似，既解决了PCA等传统线性方法难以保持原始数据非线性流形的缺点，又解决了非线性方法难以获得新样本点低维投影的缺点。
5.主成分分析(PCA)
PCA模式识别领域一种重要的方法，已被广泛地应用于人脸识别算法中，基于PCA人脸识别系统在应用中面临着一个重要障碍：增量学习问题。增量PCA算法由新增样本重构最为重要 PCS，但该方法随着样本的增加， 需要不断舍弃一些不重要PC，以维持子空间维数不变， 因而该方法精度稍差。
6.其他方法：弹性匹配方法、特征脸法(基于KL变换)、人工神经网络法、支持向量机法、基于积分图像特征法(adaboost学习)、基于概率模型法。 二维人脸识别方法的最大不足是在面临姿态、光照条件不同、表情变化以及脸部化妆等方面较为脆弱，识别的准确度受到很大限制，而这些都是人脸在自然状态下会随时表现出来的。三维人脸识别可以极大的提高识别精度，真正的三维人脸识别是利用深度图像进行研究，自90年代初期开始，已经有了一定的进展。三维人脸识别方法有：
1.基于图像特征的方法：采取了从3D结构中分离出姿态的算法。首先匹配人脸整体的尺寸轮廓和三维空间方向；然后，在保持姿态固定的情况下，去作脸部不同特征点(这些特征点是人工的鉴别出来)的局部匹配。
2.基于模型可变参数的方法：使用将通用人脸模型的3D变形和基于距离映射的矩阵迭代最小相结合，去恢复头部姿态和3D人脸。随着模型形变的关联关系的改变不断更新姿态参数，重复此过程直到最小化尺度达到要求。基于模型可变参数的方法与基于图像特征的方法的最大区别在于：后者在人脸姿态每变化一次后，需要重新搜索特征点的坐标，而前者只需调整3D变形模型的参数。