GPU上大规模稀疏矩阵特征值计算高效算法之二——稀疏矩阵
来源:互联网 发布:炎锤网络 编辑:程序博客网 时间:2024/05/21 05:06
稀疏矩阵存储方式
1)协调存储格式COO(coordinate format)
COO 格式是一种简单的存储方案,采用三个数组存储行标识,列标识和非0元素的值。COO是一种通用的存储格式,缺点是存储的效率不高。
2)行压缩存储格式 CSR
CSR 格式的稀疏矩阵使用3个数组存储。CSR格式适合于一般的稀疏矩阵,可找到矩阵中任意元素的值,并很快得到每一行中的非 零元素个数。稀疏矩阵CSR存储格式如图所示,其中data数组用于按行存储非零元素,数组indices用于标识非零元素的列索引,数组ptr用于存储每一行的位置,其包含指向每一行开始元素的指针,因此ptr[i]的内容为对应数组data和indices在第i行开始的位置。
特征值求解方法
乘幂法求解矩阵主特征值
1.乘幂法是计算矩阵主特征值和主特征向量最简单的数值方法之一,也称为向量迭代法。乘幂法的基本思想是:给定一个非零初始向量q,构造迭代序列q,Aq,A2q,A3q,...。在实际序列计算中,因为序列中的每个向量都可以用矩阵A乘以前一个向量得到,Ai+1=A(Aiq),所以不需要显示地计算A的幂,这可以极大地节省计算量。
2.乘幂法计算的性能瓶颈为:大规模稀疏矩阵向量乘为存储密集型应用,内存访问量大;大规模稀疏矩阵的运算很不规则。
1 0
- GPU上大规模稀疏矩阵特征值计算高效算法之二——稀疏矩阵
- GPU上大规模稀疏矩阵特征值计算高效算法之三——SLEPc测试
- GPU上大规模稀疏矩阵特征值计算高效算法之一——GPU介绍
- matlab 稀疏矩阵求 特征值
- 稀疏矩阵存储之二
- 大规模稀疏矩阵求逆
- 数据结构之——稀疏矩阵
- 稀疏矩阵算法
- 算法复习--------------稀疏矩阵
- 如何高效存储稀疏矩阵?
- 稀疏矩阵相乘——三元组稀疏矩阵
- 数据结构之稀疏矩阵
- 稀疏矩阵之我见
- 数据结构之稀疏矩阵
- 特殊矩阵之稀疏矩阵
- 数据结构之 矩阵---稀疏矩阵
- 数据结构——稀疏矩阵
- 稀疏矩阵——数据结构
- jQuery全选、取消全选
- Java不重复的随机数
- 常用的Hadoop Common组件属性分享
- linux编程中的socket编程--server端ip0.0.0.0问题
- 微信营销的差异化,你找到了吗?
- GPU上大规模稀疏矩阵特征值计算高效算法之二——稀疏矩阵
- Haproxy源码分析一、概述
- ObjectMapper 将其他对象转换为json
- Java web开发一个帐号同一时间只能一个人登录
- C和C++中const的区别
- LeetCode | Decode Ways(译码方式)
- mysql用户操作
- GPU编程之CUDA(三)——关于联想Y470
- 利用ajaxfileupload.js实现跨域上传图片并处理返回的数据