从几何解释SVD分解

162 篇文章 113 订阅 ¥9.90 ¥99.00
本文介绍了SVD(奇异值分解)的概念及其在图像分析中的应用。通过几何解释,展示了SVD如何将矩阵分解为旋转、拉伸和再旋转的过程。文章探讨了对称矩阵在坐标变换后的效果,以及奇异值在数据压缩和降噪中的作用,特别指出奇异值分解在图像处理中的重要性。
摘要由CSDN通过智能技术生成

介绍

SVD分解(奇异值分解),实际上,SVD分解不但很直观,而且极其有用。SVD分解提供了一种方法将一个矩阵拆分成简单的,并且有意义的几块。它的几何解释可以看做将一个空间进行旋转,尺度拉伸,再旋转三步过程

基本理论

首先来看一个对角矩阵,

几何上, 我们将一个矩阵理解为对于点 (x, y) 从一个平面到另一个平面的映射:

评论 7
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值