对于A矩阵，所有用户—所有电影都赋予一个值，即行：all_users_size，列：movies_size，首先给all_user、movies进行编号排序:all_uid_idx，mid_inx，每次从数据得到的用户、电影需要映射到序列函数中，得到其编号，如下图for循环中A[all_uid_idx[rating.userId], mid_inx[rating.movieId]]已知k_user

我们认为图像在0度、45度、90度、135度中的某一个方向上变化，如果（x，y）梯度角度是0度，则比较此处的左右两边的像素值大小，如果此处值大于两边的值，则认为这里的图像变化主要由（x， y）引起的，（x， y）点像素值保留。（x， y）点为强边缘，其附近的八连通图中，只有一个或者没有强边缘，则认为（x， y）为孤立点，（x，y）像素值为0。（x， y）点附近的八连通图内，如果有四个或者四个以上的

这一点成为SIFT特征的突破口，将图像特征的提取和描述的问题转化为寻找图像关键点和建立基于关键点的图像特征描述子的问题。输入一张图片后，同样的步骤，计算特征值、直方图，然后输入图的直方图与1000张的直方图相比较，得到一个相似度矩阵。遍历所有图像，将各图像中的所有特征点映射到与其欧式距离最近的点上，然后根据该图像中各聚类中心出现的频率构造出图像的直方图向量histo_all。SIFT算法提出的目标