图像识别 -- 基本向量空间搜索引擎理论

好久好久没有些博客了，赘肉又长了20斤，可惜没张脸上

最近在学习python、服务器、大数据相关的知识，做实验楼的实验时遇到一个验证码破解的实验，整理一下相关知识，以便查缺补漏

附实验楼链接：https://www.shiyanlou.com/courses/364

基本向量空间搜索引擎理论：http://ondoc.logand.com/d/2697/pdf

要理解利用向量空间进行校验搜索，则必须懂得向量的概念。

向量属于几何学、线性代数的范畴，高中数学有学到。最初是二维A(1,2)，高端的三维A(1,2,3)，更牛的4，5，6，7....维度A(1,2,3,4....)。

相同维度下，比较两向量的余旋夹角来判断两个向量之间的相似度。这就是向量空间搜索理论。

那么问题来了，如何计算两个向量之间的余旋夹角呢？公式就是：cos=数量积/(查询向量大小*文件向量大小)

好家伙，引出的概念有多了 余旋夹角、向量大小、查询向量、数量积。数学的世界真是很奇妙！

不要 方，这些概念如何理解，让我一一道来。。。。

余旋夹角：    见:https://baike.baidu.com/item/%E4%BD%99%E5%BC%A6%E5%AE%9A%E7%90%86/957460?fr=aladdin

向量大小：利用勾股定理求得向量大小，例如A（3，1，4）向量，其大小为：V1 = √（(3^2)+(1^2)+(4^2)） =  √（9 + 1 + 16 ）=  √26 = 5.09901

查询向量：即用来做相似度对比的向量

数量积：

待续

---