奇异值分解和特征值分解的一些备注
来源:互联网 发布:淘宝什么匿名评价 编辑:程序博客网 时间:2024/05/14 22:37
老板最新给我的任务就是看看k-svd的东西,对于svd其实都学过,概念很简单。由于矩阵分解也就特征值和奇异值这两种所以一起拿来学习了下做个备注和补充
1:特征值分解比如AX=lamudaX。这种的含义其实是A对x长度的变化,长度变化量就是lamuda
2:奇异值分解中A=UEV',做个简单变换AV=UE,其实A对V做的不仅有长度的变化还有方向的变化,对应的方向在U中,长度是E中的对应分量
我对于这两种分解的最大体会也就是在这里了。
对于EVD(特征值分解)和SVD(奇异值分解)这两种分解的应用范围
1:EVD用于方阵
2:SVD可以用于任何的矩阵
书上说SVD的最大魅力在于可以对任何形式得到矩阵进行分解,而现实中的问题更多的也是对应的非方阵吧
补充:
1:SVD分解后的E中,非0的个数就是A的秩。
2:E中的值变化跨度很大
应用:
1:根据上面的特性知道些大概用处,其实和EVD的差不多,比如用于数据压缩
2:数据去噪等。。
前几天我们的seminar中说到,在低秩表达中其实用的就是SVD对字典进行变换(这句话对不对暂时未知)
- 奇异值分解和特征值分解的一些备注
- 奇异值分解和特征值分解
- 奇异值分解和特征值分解
- 矩阵的“特征值分解”和“奇异值分解”区别
- 矩阵的“特征值分解”和“奇异值分解”区别
- 特征值分解(EVD)和奇异值分解(SVD)
- 矩阵特征值,奇异值分解
- 特征值分解与奇异值分解
- 奇异值分解与特征值分解
- 特征值分解 & 奇异值分解(SVD)
- 特征值分解与奇异值分解
- 特征值分解与奇异值分解含义
- 特征值分解与奇异值分解
- 奇异值分解 VS 特征值分解
- 【转】矩阵的奇异值分解和特征值分解的异同
- 一分钟了解"特征值分解和奇异值分解SVD的区别"
- 数据降维:特征值分解和奇异值分解的实战分析
- 【推荐系统】特征值分解(谱分解)和奇异值分解(SVD),即在PCA上的应用
- Linux Trace实现
- 拷贝构造函数的参数为什么必须使用引用类型
- 配置DispatcherServlet
- wireshark使用与抓包分析
- centos5.8 禁用ipv6
- 奇异值分解和特征值分解的一些备注
- WizFi210 应用笔记——Limited AP测试
- 健康小贴士:喝酒时别点哪些菜_新闻中心_新浪网
- linux自动每日更新桌面背景
- 异常处理
- 定时任务:Java中Timer和TimerTask的使用
- Android之粘性广播理解
- Java上机实践(交大闵行校区-上院4楼计算机中心)
- NGUI v2.0 Tweening_4:TweenRotation 旋转间补类