1、相似性度量：
a、資料庫
儲存後台多**資料(包含多個多**物件p)，每個物件表示成d維向量形式
b、查詢q：
從查詢物件中抽取的d維特徵向量
c、度量：
計算p與q之間的相似性或者距離d(p,q),其中d是距離度量函式
2、典型的相似性度量公式：
a、l-p方程
p=2為euclidean距離
帶權值的l-p方程
b、quadratic方程
a為相似性矩陣
3、基於樣本的查詢：
a、使用者提供乙個查詢影象，通常為
數字影象
使用者手工畫的輪廓
簡單的線條
瀏覽的影象
b、系統根據使用者提供的影象樣本返回相似性的影象搜尋結果
4、影象的距離度量：
a、度量查詢影象和資料庫影象集之間的相似性主要依賴於：
影象視覺特徵
距離度量公式
b、常用的影象視覺特徵：
顏色相似性
紋理相似性
形狀相似性
空間相似性
5、顏色相似性度量：
a、比如說，ibm的qbic系統允許使用者輸入顏色百分比的查詢來搜尋影象，使用者能選擇五中顏色和它們的百分比
b、系統不關心顏色的空間分布資訊
c、顏色柱狀圖：
最典型的顏色相似度度量方法
將影象表示成顏色柱狀圖，通過比較查詢影象和資料庫影象的柱狀圖的相似性來返回結果
每一幅影象對應於乙個經過歸一化處理的顏色柱狀圖hi
使用者選擇乙個查詢影象，系統計算查詢影象與每乙個後台資料庫影象的之間的交集
交集的值越接近1，影象之間的匹配程度越高
計算交集的方法沒有考慮顏色之間的相似性
mahalanobis距離
a是用來描述不同顏色之間的相似性矩陣
d、顏色布局：
採用全域性的顏色柱狀圖計算相似性沒有考慮顏色的空間分布
使用者在查詢影象中的特定區域指定特定顏色
計算查詢影象和後台影象在特定區域的顏色相似性，並將所有區域的相似性求和來度量總體相似性
6、紋理相似性：
a、紋理相似性比顏色相似性更加複雜：
兩幅影象有著相似的紋理意味著它們有著相似的顏色空間分布，但並不意味著有著相同的顏色。
7、形狀特徵：
a、形狀特徵是針對一幅影象的特定區域
b、與顏色和紋理特徵不一樣，形狀特徵需要首先對影象內部的區域進行識別
c、影象分割是乙個亟待解決的重要問題
d、形狀直方圖：
水平/垂直對映：將每一行/每一列的1-pixs數進行統計
對角線對映：從左上角到右下角的1-pixs數進行統計
e、形狀特徵的特點：
尺寸不變性(size invariant)
平移不變性
旋轉不變性
8、空間關係：
a、一旦物件在影象中被識別出來，物件之間的空間關係就能被確定
b、涉及到影象分割將影象分成很多區域包括物件和背景
c、觀察物件之間的空間關係
9、相關反饋：
a、有時使用者不能精確地表達其查詢需求，導致查詢結果不理想
b、相關反饋：一種有效的查詢更新方式，能幫助找到更好的結果
c、使用者對查詢結果進行反饋(指出相關的和不相關的結果)，系統根據使用者的反饋更新查詢
10、查詢更新：
a、查詢結果中相關物件的特徵加入到原有的查詢向量中，查詢結果中不相關物件的特徵從原有查詢向量中去除。
b、cr:相關的查詢結果
c、n:所有的查詢結果
機器智慧型（一）
2 人工智慧的定義 有四種，像人一想思考 合理地思考 像人一樣行動 合理地行動 3 合理的行動 當前的定義 有統一的標準，易於實現 a 正確的推理可能是合理的推理 b 正確的推理不是合理性的全部 c 有些合理的行動不涉及推理 合理的行動比思維法則更一般，因為正確的推理只是實現合理性的其中可能機制之一...
關於智慧型機器對話
1.之前webapi用科大訊飛語音合成，aiui語音識別，圖靈機械人智慧型反應 2.現在開始離線版本，打算改寫科大訊飛安卓sdk實現多 聲音的識別與合成 3.智慧型分析與對話涉及到技術 seq2seq lucene hanlp nlp 自然語言處理 集束搜尋beam search和貪心搜尋greed...
入門機器學習 十一 機器學習系統的設計
1.誤差分析 error analysis 當研究機器學習時，最好的方法不是使用複雜的系統，而是用簡單的演算法，最快得到結果。即便執行不完美，但是也要執行一遍，最後通過交叉驗證來驗證資料。一旦做完，可以畫出學習曲線，通過畫出學習曲線，以驗證檢驗誤差來判斷演算法是否具有高偏差或者高方差的問題。在分析之...