Eigenface是一种应用主成分分析来实现图像人脸降维的方法，主要应用于人脸识别。输入36张人脸/猫脸，先将图片规整到50*50大小，然后将每幅人脸表达成向量形式，即每幅人脸中像素点从上到下，逐行拼接成向量，再减去平均人脸向量。由于有36张图片，于是可以得到2500*36大小的矩阵。对该矩阵的协方差矩阵进行SVD分解，取六个最大的特征值对应的特征向量，即为所求的特征人脸。 资源包括python代码，文档，运行结果，人脸或任何其他脸的图片可以自己去截取，代码会自动规整到相同大小

*AI学习知识点* 1. 基础知识 概率论 微积分与逼近论 极限、微分、积分的基本概念 利用逼近的思想理解微积分，利用积分的方式理解概率论 概率论的基础 古典模型 常见的概率分布 大数定理和中心极限定理 协方差和相关系数 最大似然估计和最大后验估计 凸优化 凸优化的基本概念 凸函数 凸集 凸优化问题的标准形式 线性代数及矩阵 线性空间及线性变化 矩阵的基本概念 状态转移矩阵 特征

今天小编就为大家分享一篇Python:Numpy 求平均向量的实例，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧

如下所示： >>> import numpy as np >>> a = np.array([[1, 2, 3], [3, 1, 2]]) >>> b = np.array([[5, 2, 6], [5, 1, 2]]) >>> a array([[1, 2, 3], [3, 1, 2]]) >>> b array([[5, 2, 6], [5, 1, 2]]) >>>