1、求大神简述一下LLE算法（或降维算法）在模式识别和数据挖掘中是怎样被应用的呢，谢谢

关于LLE算法具体的理论部分你可参考http://www.pami.sjtu.edu.cn/people/xzj/introducelle.htm

Locally linear embedding (LLE)，使用这种算法可以进行非线性降维，关键是其能够使降维后的数据保持原有拓扑结构

先给出一张下面算法得到的图 ，图中第一幅

LLE算法可以归结为三步:

（1）寻找每个样本点的k个近邻点；

（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。

为原始数据，第三个为降维后的数据，可以看出处理后的低维数据保持了原有的拓扑结构。

另，本人对LLE算法不是很熟悉，在此介绍一下其他降维算法的使用，以SVD算法为例。

电影推荐。

（1）假设现在有一个用户和电影评分的二维矩阵，矩阵内容是用户对电影的评分，现有得知某个用户对部分电影的评分，由此为该用户推荐他可能喜欢的电影。

（2）假设用户有100W，电影有100W部，那么对于任意一种推荐算法来说，这个数据量都很大，该问题无法在单机上进行运算解决；

（3）这100W维特征中必然存在一些几乎不重要的特征，这时，我们就需要用降维算法进行降维，降维的目的就是去掉大量的不重要的特征，以简化运算；

（4）在此例中，可以使用SVD(或SVD++)算法对矩阵进行降维

图片相似度

（1）通常，进行图片相似度判断首先会将图片通过傅里叶变换转换成数值代表的矩阵，矩阵代表着该图片，一般来说矩阵维数越高越精确

（2）同样，维数过高的情况下，相似度计算成本很高，因此同样需要降维，在图片相似度识别中常用的降维算法是PCA算法；

总之，降维的目的就是减少特征的维数，减少运算的成本。

以上皆为我的拙见，如有疑义请指正。

2、图像处理与模式识别算法工程师需要哪些基础？

图像和模式识别算法工程师需要相当好的数学基础，门槛较高，当然我指的是你想真正在这个行业立足，随便找一本模式识别或者图像处理的书看看就知道难度了。不然各大公司也不会校招就开出30w的年薪给这类职业

3、机器学习和模式识别有什么区别？看教材，发现它们的算法都差不多一样啊。。。

一、方式不同

1、机器学习：是通过计算机用数学技术方法来研究模式的自动处理和判读。

2、模式识别：专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。

二、研究过程不同

1、机器学习：学习是一项复杂的智能活动，学习过程与推理过程是紧密相连的，按照学习中使用推理的多少，机器学习所采用的策略大体上可分为4种——机械学习、通过传授学习、类比学习和通过事例学习。

2、模式识别：指对表征事物或现象的各种形式的(数值的、文字的和逻辑关系的)信息进行处理和分析，以对事物或现象进行描述、辨认、分类和解释的过程，是信息科学和人工智能的重要组成部分。

三、应用前景不同

1、机器学习：继专家系统之后人工智能应用的又一重要研究领域，也是人工智能和神经计算的核心研究课题之一。现有的计算机系统和人工智能系统没有什么学习能力，至多也只有非常有限的学习能力，因而不能满足科技和生产提出的新要求。

对机器学习的讨论和机器学习研究的进展，必将促使人工智能和整个科学技术的进一步发展 。

2、模式识别：一是研究生物体(包括人)是如何感知对象的，属于认识科学的范畴，二是在给定的任务下，如何用计算机实现模式识别的理论和方法。前者是生理学家、心理学家、生物学家和神经生理学家的研究内容。

来源：百度百科-模式识别

来源：百度百科-机器学习

4、如何提高编程的思维逻辑能力

想提高编程的思维能力就要把握好编程思维的这四点：

把握好“理解问题——找出路径”的高效思维过程，它由“分解—抽象—模式识别—算法”这四个步骤。

1、分解，简单来说，就是“把复杂的大问题，拆解成更可执行、更好理解的小步骤”，它能锻炼我们拆解复杂问题的能力。

2、“抽象思维”能力，它能锻炼我们聚焦重点，忽略无用信息，并抽取关键信息的能力。

3、模式识别，就是“如何找出相似的模式，并高效率解决细分问题”，它能极大锻炼我们规律整合的能力。

4、算法，就是根据之前一系列对于问题的理解，设计一步一步的解决路径，并解决整个问题。

反复训练提升这 4 项重要的思维模式，建立一种真正“抗打”的认知思维和学习能力，酒客快速提高了！

请添加微信号咨询：19071507959

在线报名

上一篇：模式识别受体,模式识别受体有哪些

下一篇：模拟摄像机清晰度,模拟监控摄像头700线相当于网络摄像头多少像素