matlab SVD分解的相关解释·
来源:互联网 发布:u盘数据恢复 360 编辑:程序博客网 时间:2024/05/22 04:58
使用SVD技术的过程是:
(1)对给定集进行奇异值分解,得到奇异矩阵S。
(2)将奇异值居矩阵S中最小的几个值置为0,并将U和V中对应的行和列都置为0;
(3)得到经过特征缩减的新数据集X'=U*S*V。格式 s = svd (X) %返回矩阵X 的奇异值向量
好奇与两者分解的有效性,所以在此记录一下~
[U,S,V] = svd (X) %返回一个与X 同大小的对角矩阵S,两个正交矩阵U 和V,
且满足= U*S*V'。若A 为m×n 阵,则U 为m×m 阵,V为n×n 阵。奇异值在S 的对角线上,非负且按降序排列。
[U,S,V] = svd (X,0) %得到一个“有效大小”的分解,只计算出矩阵U 的前n
列,矩阵S 的大小为n×n。 结果中 s 矩阵表示的是奇异值,代表了原矩阵的特性,这样做,可以对数据降维,保留数据特性的基础上做降维,方便做一些特征对比处理,减小计算量,提高匹配精度。
- matlab SVD分解的相关解释·
- svd 分解的解释
- matlab svd分解
- 从几何解释SVD分解
- 从几何解释SVD分解
- 关于奇异值分解SVD很好的解释
- 奇异值分解 SVD 的数学解释和numpy实例
- 利用SVD分解求解协方差的特征值以及特征向量--matlab
- matlab svd函数 矩阵的奇异值分解
- Python库numpy中的svd分解和Matlab中的svd的一点区别
- SVD分解的理解
- SVD分解的理解
- SVD分解的理解
- SVD分解的理解
- SVD分解的理解
- SVD分解的理解
- SVD分解的理解
- SVD分解的理解
- 关于计算解码速度的问题
- Apache+PHP配置问题
- ubuntu之shell编程学习笔记3——编程的基本元素
- 利用Cookie或URL实现Session跟踪-----利用Session实现一次性验证码
- 监控系统调研
- matlab SVD分解的相关解释·
- 盛大游戏2011.10.22校园招聘会笔试题
- 3ds max 刚体运动的基础知识
- Windows下clucene-core-2.3.3.4的编译方法
- struts 标签---bean标记库
- css最常用的30个选择器
- Bios intelz77主板设置WakeOnLan
- WINCE下点阵转化为位图
- 计算器设计