使用纯python代码画一个五角星，可用于学习

PCA的理论知识已经有很多博客做了清晰的解释，主要概括为找到投影的面使得类间误差最大，转化为找到构建的协方差的特征值与特征向量，在新的投影方向（特征向量）上投影，构建数据库和待检索的人脸进行比对，得到相似度最高的人脸作为查询结果，本文使用ORL人脸数据库基于PCA方法实现人脸识别。

相比其他只是复制粘贴的，我只想说，为什么没有人说这可以直接比较图片而是都去比较array。 其实是可以直接比较两张图片直接的dice，distance的，只要能被sitk.ReadImage读取进来。不需要sitk.GetImageFromArray或者hausdorffcomputer.Execute(labelTrue>0.5,labelPred>0.5)的额外处理。这两个步骤只是用来把array回复成image，并做灰度处理得到两分图片。如果你的原始输入数据就是二分图片，就不需要，只要读取进来即可。 # -*- coding: utf-8 -*- “”” Created on Mon F

通过opencv完成视觉巡线。 在白色地面上利用摄像头检测黑色的车道线，完成巡线任务。 将小车的行驶速度分为四个等级。当小车行驶在直道上会逐渐加速，当加到最高速时保持匀速行驶。当检测到弯道时小车会立即减速，再根据弯道大小调整速度，使得小车在保证行驶速度的同时能够安全转过弯道。

Python代码，获取栅格矢量边界，文件说明：https://xcosmic.blog.csdn.net/article/details/108536771

期望最大化（Expectation Maximization， EM）算法，是一种求解含有隐变量（Latent Variable）的概率模型参数的极大似然估计（Maximum Likelihood Estimation），或称极 大后验概率估计。 EM 算法并不是简单地将数据的输入输出格式固定，然后直接调用 工具包就可以使用，而是需要根据其思想基于具体问题设计相应具体算法，因此 EM 算法更可以说是一种框架或者方法论。

python

可以将ros包中的颜色图和深度图读取出来，并保存到对应文件夹下。 使用时仅需要修改对应话题和路径即可。

SVM python代码实现 支持向量机（support vector machines, SVM）是一种二分类模型，它的基本模型是定义在特征空间上的间隔最大的线性分类器，间隔最大使它有别于感知机；SVM还包括核技巧，这使它成为实质上的非线性分类器。SVM的的学习策略就是间隔最大化，可形式化为一个求解凸二次规划的问题，也等价于正则化的合页损失函数的最小化问题。SVM的的学习算法就是求解凸二次规划的最优化算法。

编写一个猜数字的小游戏，随机生成一个1到10之间(包括1和10)的数字作为基准数，玩家每次通过键盘输入一个数字，如果输入的数字和基准数相同，则成功过关，否则重新输入。如果玩家输入-1，则表示退出游戏。