1. 有沒有找相同照片的軟件
我們熟悉的歐氏距離雖然很有用，但也有明顯的缺點。它將樣品的不同屬性（即各指標或各變量）之間的差別等同看待，這一點有時不能滿足實際要求。例如，在教育研究中，經常遇到對人的分析和判別，個體的不同屬性對于區分個體有著不同的重要性。因此，有時需要采用不同的距離函數。? ? 如果用dij表示第i個樣品和第j個樣品之間的距離，那么對一切i，j和k，dij應該滿足如下四個條件：①當且僅當i=j時，dij=0②dij＞0③dij＝dji（對稱性）④dij≤dik＋dkj（三角不等式）? ? 顯然，歐氏距離滿足以上四個條件。滿足以上條件的函數有多種，本節將要用到的馬氏距離也是其中的一種。? ? 第i個樣品與第j個樣品的馬氏距離dij用下式計算：dij =(x i 一x j)‘S-1(x i一xj)? ? ?其中，x i 和x j分別為第i個和第j個樣品的m個指標所組成的向量，S為樣本協方差矩陣。馬氏距離有很多優點。它不受量綱的影響，兩點之間的馬氏距離與原始數據的測量單位無關；由標準化數據和中心化數據(即原始數據與均值之差）計算出的二點之間的馬氏距離相同。馬氏距離還可以排除變量之間的相關性的干擾。它的缺點是夸大了變化微小的變量的作用。------------------------------------------------------------------------歐氏距離定義：歐氏距離（ Euclidean distance）是一個通常采用的距離定義，它是在m維空間中兩個點之間的真實距離。在二維和三維空間中的歐式距離的就是兩點之間的距離，二維的公式是d = sqrt((x1-x2)^ (y1-y2)^)三維的公式是d=sqrt(x1-x2)^ (y1-y2)^ (z1-z2)^)推廣到n維空間，歐式距離的公式是d=sqrt( ∑(xi1-xi2)^ ) 這里i=1,2..nxi1表示第一個點的第i維坐標,xi2表示第二個點的第i維坐標n維歐氏空間是一個點集,它的每個點可以表示為(x(1),x(2),...x(n)),其中x(i)(i=1,2...n)是實數,稱為x的第i個坐標,兩個點x和y=(y(1),y(2)...y(n))之間的距離d(x,y)定義為上面的公式.歐氏距離看作信號的相似程度。距離越近就越相似，就越容易相互干擾，誤碼率就越高。--------------------------------------------------------------------------------馬氏距離是由印度統計學家馬哈拉諾比斯(P. C. Mahalanobis)提出的，表示數據的協方差距離。它是一種有效的計算兩個未知樣本集的相似度的方法。與歐式距離不同的是它考慮到各種特性之間的聯系（例如：一條關于身高的信息會帶來一條關于體重的信息，因為兩者是有關聯的），并且是尺度無關的(scale-invariant)，即獨立于測量尺度。下面是關于馬氏距離的計算方法（參考：http://topic.csdn.net/u/20080911/14/f4402565-3b4f-4de4-a4fa-f4c020dd1477.html ）兩個樣本：His1 = {3,4,5,6}His2 = {2,2,8,4}它們的均值為：U = {2.5, 3, 6.5, 5}協方差矩陣為：S =| 0.25 0.50 -0.75 0.50 || 0.50 1.00 -1.50 1.00 ||-0.75 -1.50 2.25 -1.50 || 0.50 1.00 -1.50 1.00 |其中S(i,j)={[His1(i)-u(i)]*[His1(j)-u(j)] [His2(i)-u(i)]*[His2(j)-u(j)]}/2下一步就是求出逆矩陣S^(-1)馬氏距離 D=sqrt{[His1-His2] * S^(-1) * [(His1-His2)的轉置列向量]}歐氏距離（http://en.wikipedia.org/wiki/Euclidean_distance ）即兩項間的差是每個變量值差的平方和再平方根，目的是計算其間的整體距離即不相似性。馬氏距離（Mahalanobis distances）1）馬氏距離的計算是建立在總體樣本的基礎上的，這一點可以從上述協方差矩陣的解釋中可以得出，也就是說，如果拿同樣的兩個樣本，放入兩個不同的總體中，最后計算得出的兩個樣本間的馬氏距離通常是不相同的，除非這兩個總體的協方差矩陣碰巧相同；2）在計算馬氏距離過程中，要求總體樣本數大于樣本的維數，否則得到的總體樣本協方差矩陣逆矩陣不存在，這種情況下，用歐式距離來代替馬氏距離，也可以理解為，如果樣本數小于樣本的維數，這種情況下求其中兩個樣本的距離，采用歐式距離計算即可。3）還有一種情況，滿足了條件總體樣本數大于樣本的維數，但是協方差矩陣的逆矩陣仍然不存在，比如A（3，4），B（5，6）；C（7，8），這種情況是因為這三個樣本在其所處的二維空間平面內共線（如果是大于二維的話，比較復雜？？？）。這種情況下，也采用歐式距離計算。4）在實際應用中“總體樣本數大于樣本的維數”這個條件是很容易滿足的，而所有樣本點出現3）中所描述的情況是很少出現的，所以在絕大多數情況下，馬氏距離是可以順利計算的，但是馬氏距離的計算是不穩定的，不穩定的來源是協方差矩陣，這也是馬氏距離與歐式距離的最大差異之處。我們熟悉的歐氏距離雖然很有用，但也有明顯的缺點。它將樣品的不同屬性（即各指標或各變量）之間的差別等同看待，這一點有時不能滿足實際要求。馬氏距離有很多優點。它不受量綱的影響，兩點之間的馬氏距離與原始數據的測量單位無關；由標準化數據和中心化數據(即原始數據與均值之差）計算出的二點之間的馬氏距離相同。馬氏距離還可以排除變量之間的相關性的干擾。它的缺點是夸大了變化微小的變量的作用。?馬氏距離的計算：[plain] view plain copy print?%歐氏距離和馬氏距離的計算 ?x=[1 2;1 3;2 2;3 1]; ?[mx,nx]=size(x); ?Dis=ones(mx,nx);%產生全1的矩陣 ?C=cov(x);%計算協方差 ?for i=1:mx ?? ? for j=1:nx ?? ? ? ? D(i,j)=((x(i,:)-x(j,:))*inv(C)*(x(i,:)-x(j,:))‘)^0.5; ?? ? end ?end ?D ??Y=pdist(x,‘mahal‘) ?y=squareform(Y) ?[plain] view plain copy print??結果：前面.................
2. 照片找不同軟件
可以畫汽車的三維圖軟件有很多
比如CAD,犀牛（Rhino），CATIA，PRO/E,UG等都可以
要看你畫圖用到什么程度了
如果只是花一些簡單的汽車三維圖的話
用CAD或者犀牛就行了，比如在很多的汽車設計比賽中就有很多人都是用犀牛來做的設計，因為犀牛相對于CAD來說專業性稍強，但是比CATIA等的專業性要簡單得多，而且側重渲染效果，學習犀牛的話2星期足夠應付了，最終出來的圖也很漂亮，在汽車設計大賽里面對于初學者來說沒多少人會拿CATIA等做的作品參賽，犀牛使用占絕對優勢！（因為渲染效果好，圖片感官上面好看）
如果你是做汽車專業的設計
那么首推CATIA，其次是UG和PRO/E，這三款軟件是工程設計的著名軟件
相比犀牛，CATIA等軟件博大精深，學習時間應以年記
現在國內很多的汽車設計院都是用的CATIA了，如果你以前沒學過這方面的軟件就推薦學CATIA，是趨勢所在
如果以前也做過設計的話，應該對PRO/E不陌生，可以直接使用PRO/E，只不過PRO/E在設計發動機等方面有用，在車身方面的話就不如CATIA了
至于UG。。。本人沒有使用過，但是見界面跟CATIA，PRO/E的界面差不多，從學習了CATIA之后再學習PRO/E的經歷來看，如果你學會了這三款軟件中的任一款，對于其他兩款上手都很快，只是一些基本造作和一些設計上的側重點不同罷了
3. 找同樣照片的軟件
可以找回照片的。有以下三種方式。
1.從系統備份中恢復華為手機的系統有備份照片的功能，如果你用系統備份過照片，可以直接利用系統恢復誤刪的照片?；謴停簜浞?-恢復--選擇需要恢復的照片的來源--選擇想恢復的照片--點擊“開始恢復”--選擇照片恢復位置--單擊“確定”即可。
2.從云備份中恢復華為跟小米是一樣的，也有云服務。如果你在云服務設置了自動備份手機照片，可以利用云服務找回刪除的照片。恢復：選擇桌面的“圖庫”--選中云相冊--單擊“立即開啟”即可恢復。
3.利用第三方軟件恢復（無備份時可用）如果你誤刪的照片是剛剛拍攝的，還沒有來得及進行備份，那你也可以利用強力安卓恢復精靈之類的第三方軟件恢復誤刪的照片。運行電腦上的強力安卓恢復精靈，然后用USB連接安卓手機到電腦，并開啟USB調試模式。然后等軟件檢測到你的手機，你就選擇“一鍵恢復”，再選擇“深度掃描”。掃描結束后，你再選擇左側的“照片”欄，就可以看到你之前誤刪的照片。選擇你想要恢復的部分照片，單擊“恢復選中文件”即可實現照片的恢復。
4. 有沒有可以查找相同照片的軟件
、首先選擇任意瀏覽器，點擊打開。
二、然后打開搜索，可以看到搜索框有一個照相機的小圖標。
三、點一下相機的小圖標，會提示拖拽一張照片或者上傳一張照片，這個根據自己的情況選擇。
四、這里我們選擇上傳，選一張自己想找相似的圖片，雙擊圖片。
五、好了，這個時候就搜索出了圖片的來源和出處，還有類似的圖片。
5. 有什么軟件可以把相同的照片找出來
利用美圖秀秀軟件可以將多張照片弄到同一張圖中出現，具體操作請參照以下步驟。；
1、在電腦上打開美圖秀秀軟件，在主頁界面選擇拼圖后單擊。；
2、進入拼圖窗口后，在界面左側找到“模板拼圖”選項后單擊。；
3、然后進入模板拼圖界面，在界面右側素材區選擇個人需要的樣式。；
4、選擇好樣式后單擊，在主編輯區點擊“添加多張圖片”按鈕依次導入圖片。；
5、圖片導入完后，點擊下方的保存選項將最終圖片保存即可。按照以上操作，就可以將多張照片弄到同一張圖中出現。
