- 博客(2)
- 资源 (2)
- 收藏
- 关注
原创 矩阵奇异值分解与照片压缩、去噪
#从特征值分解引入 我们知道矩阵的特征值分解是提取矩阵特征的一个方法,其中v是一个一维矩阵,λ是特征值,代表v表示的矩阵特征的重要性。但矩阵的特征值分解有一个局限性,在于变换的矩阵必须是方阵。奇异值分解现实世界中大部分矩阵都不是方阵,这时如果我们想描述矩阵的特征,就要用到奇异值分解。 假设A是一个N * M的矩阵,那么得到的U是一个N * N的方阵(里面的向量是正交的,U里面的向量称为左奇异向
2016-04-23 18:14:14 11586 2
原创 Numpy库进阶教程(二)
第一篇在这里:Numpy库进阶教程(一)求解线性方程组求解特征值和特征向量关于特征值和特征向量的介绍,可以点击这里 首先创建一个矩阵In [1]: A=mat("3 -2;1 0")In [2]: AOut[2]: matrix([[ 3, -2], [ 1, 0]])在numpy.linalg模块中,eigvals函数可以计算矩阵的特征值,而eig函数可以返回一个包含特征值
2016-04-04 19:37:24 3499
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人