在計算機科學的相關研究領域裡，常需利用向量的形式來描述所欲探討之資料物件。以視訊影像為例，一張解析度為64 x 64像素的灰階影像，可用一4096維度的特徵向量（feature vector）來表示，其中每一維度儲存了相對應像素的灰階值。將物件以特徵向量之數學化形式呈現後，一個物件即可被視為向量空間中的一點，而一群物件將會在空間中形成某種分佈，這有益於實際應用上的分析，如物件的特徵萃取（feature extraction）、分群（clustering）、分類（classification）或辨識（recognition）。
時 間：3月11日（星期六）下午2時
在計算機科學的相關研究領域裡，常需利用向量的形式來描述所欲探討之資料物件。以視訊影像為例，一張解析度為64 x 64像素的灰階影像，可用一4096維度的特徵向量（feature vector）來表示，其中每一維度儲存了相對應像素的灰階值。將物件以特徵向量之數學化形式呈現後，一個物件即可被視為向量空間中的一點，而一群物件將會在空間中形成某種分佈，這有益於實際應用上的分析，如物件的特徵萃取（feature extraction）、分群（clustering）、分類（classification）或辨識（recognition）。 