矩阵分解----奇异值分解（SVD）原理和应用

1矩阵分解背景

在很多情况下，数据中的一小段携带了数据集中的大部分信息，其他信息要么是噪声，要么是毫不相关的信息。矩阵分析可以将原始矩阵表示成新的易于处理的形式，这种新形式是两个或多个矩阵的乘积。我们可以将这种分解过程想象成代数中的因子分析，不同的矩阵分解技术具有不同的性质，其中有些更适合于某个应用，有些则更适合于其他应用，最常见的一种分解技术是SVD

2 SVD计算原理

奇异值计算方法如下

3 SVD在图像压缩中的应用

def printMat(inMat, thresh=0.8):
    for i in range(32):
        for k in range(32):
            if float(inMat[i,k