第(3/3)页

    在设计的时候，往往面对的需求是多样的，而且并非是例题那般，更多需要用头脑去思考解决的办法。

    这就是算法的魅力。

    任何程序，归根结底，都是1和0的构成，都是编程语言用算法来实现的。

    晚上的时候，江成收到了杨明德教授的回复。

    邮件里头，杨教授很耐心地回了江成，还对江成的作业进行了批改。

    最后，杨明德还附了一句话，“算法一途，既艰难又有趣，你若有心，记得走得更远一些、更深一些。”

    江成注重算法，更为重要的是，他知道未来的很多程序，都在算法之上下了苦功。

    他们结合大数据分析和用户喜好分析，专门推荐相关的新闻、短视频等，为每一个用户构建了一个圈子。

    一个既舒适，又稳定的圈子。

    圈子里头，有共同爱好的人，有共同三观的人。

    江成必将进军这些类别的程序，那么自己深度掌握算法，会是核心技术所在。

    江成书写了感谢信后，没有立即又发问题，他也怕这个教授晚上抓狂得把他拉黑了。

    第二天，江成准备了题，直接又找杨明德面教了。

    当面请教之后，杨明德对江成更加有印象了，还互留了扣扣和联系方式。

    再过几天，江成便顺理成章选了杨明德作导师，并被允许在他的项目中学习。

    基于mb-lbp算子和multilinearpca算法的人脸识别的实现。

    感觉高大上的样子。

    不过江成知道未来的手机，都会携带人脸识别技术。

    这是目前研究的一个重要方向。

    pca算法，江成并不是很熟悉，只在书籍中接触过，知道这个全称是principlecompoentanalysis,译为主元成分分析，原理是将高维的数据投影，再重新选点计算分析。

    因为在项目里头可以跟着打杂，江成便重点将学习重点放在了pca算法之上，把图书馆有关这一类的算法都看了一遍，还看了下最近一些期刊、论文，把前沿知识初步记下了。

    等到接触了，江成这才不至于一懂不懂，而是基本能够反应过来。

    现如今，项目已经到了最难的地方。

    pca算法是降维算法，也是有损算法，直接通过这个算法来识别人脸，错误率极高。

    基本相当于大家都可以被识别成为彦祖。

    杨明德等团队打算利用mb-lbp算法先提取人脸图像的特征，然后再用multilinearpca算法对提取的人脸特征进行降维，最后用最近邻分类器进行人脸识别。

    方式是好的，但在实际研究过程，因为算法的原因，识别并不够准确。


    第(3/3)页