SVD及c++实现

最新推荐文章于 2024-07-15 00:47:03 发布
最新推荐文章于 2024-07-15 00:47:03 发布
阅读量3.7k 收藏 24
点赞数 3
分类专栏： 数学
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Bluenapa/article/details/102062606
版权
本文详细介绍了奇异值分解(SVD)的概念、求解过程，并通过一个例子展示了如何使用Eigen库进行SVD的C++实现。同时，文章还探讨了特征值分解(EVD)与SVD的关系，以及SVD在数据压缩中的应用。
摘要由CSDN通过智能技术生成

目录

前言

一 .特征值分解（EVD-eigen value decomposition）

定义

回顾

二  .奇异值分解（SVD-singular value decomposition）

定义

求解

三 例子和应用

e.g.

eigen代码实现

四 压缩比率 compress ration

拓展：PCA

前言

EVD分解要求 被分解矩阵  是实对称矩阵

SVD对被分解矩阵没有这个要求。

相当于一个从特殊到一般的过程。

 

一 .特征值分解（EVD-eigen value decomposition）

定义

在理角奇异值分解之前，需要先回顾一下特征值分解，如果矩阵A  是一个 m×m 的实对称矩阵（即\boldsymbol{A=A^T} ），那么它可以被分解成如下的形式

                                                          \boldsymbol{A=P\Lambda P^T} =\left( \begin{matrix} \lambda_1 & \cdots &\cdots &\cdots &\\ \cdots &\lambda_2 & \cdots &\cdots \\ \cdots &\cdots& \ddots &\cdots \\ \cdots & \cdots &\cdots & \lambda_m \end{matrix} \right ) 

其中P是 标准正交 阵 (orthogonal) ，即$PP^T=I(E)$， \lambda _i 是特征值。

回顾

线性代数（ liner algebra） 中，定义 如果  \boldsymbol{Ax}=\lambda \boldsymbol{ x } ,  那么\lambda就是特征值eigenvalue，\boldsymbol{x}是特征向量eigenvector。

其中  A 是n*n的实对称阵，\lambda 是数，\boldsymbol{x} 是n维列向量。

           e.g.                                \boldsymbol{Ax}=\begin{bmatrix} 0& 0 & 1\\ 0 &1 &0 \\ 1 &0 & 0 \end{bmatrix} \begin{bmatrix} -1\\ 0\\ 1 \end{bmatrix}= \begin{bmatrix} 1\\ 0\\ -1 \end{bmatrix}= (-1)\begin{bmatrix} -1\\ 0\\ 1 \end{bmatrix}= \lambda \boldsymbol{x}

then， 定义变形为    \left ( \lambda \boldsymbol{E-A} \right )\boldsymbol{x}=\boldsymbol{0}  ,  求此等式有非零解（

最低0.47元/天 解锁文章
Bluenapa
关注
专栏目录
SVD奇异值分解（理论与C++实现）
m0_37772174的博客
03-30 3081
目录前言 前言   奇异值分解(singular value decomposition，以下简称SVD)是线性代数中一种重要的矩阵分解。SVD将矩阵分解为奇异向量(singular vector)和奇异值(singular value)。SVD将矩阵AAA分解成三个矩阵的乘积 A=UDVT A = UDV^{T}A=UDVT   设AAA是m×nm\times nm×n的矩阵，则UUU是一个m×mm\times mm×m的矩阵，DDD是一个m×nm\times nm×n的矩阵VVV是一个n×nn\time
SVD的C++代码实现
02-09
SVD分解算法的C++代码实现 For an m-by-n matrix A, the singular value decomposition is an m-by-m， orthogonal matrix U, an m-by-n diagonal matrix S, and an n-by-n orthogonal ，matrix V so that A = U*S*V^T.
SVD的实现及代码详解
最新发布
2301_77444219的博客
07-15 156
图像压缩是通过减少图像数据的冗余信息来减小图像文件的大小，以节省存储空间和加快传输速度。奇异值分解（SVD）是一种矩阵分解技术，可以将一个矩阵分解为三个矩阵的乘积。该原理在信号处理、图像处理、数据压缩等领域有着广泛的应用。1. 对图像矩阵进行奇异值分解，得到左奇异矩阵、奇异值和右奇异矩阵。3. 将截断后的奇异值矩阵与左右奇异矩阵相乘，得到压缩后的图像矩阵。2. 保留部分奇异值，将其他奇异值置零，得到一个截断的奇异值矩阵。4. 根据压缩后的图像矩阵重构图像，实现图像的压缩和重构。
SVD算法_C++版本
10-15
经本人测试，完全可以运行，放心使用。 C++实现矩阵的SVD分解，矩阵基本运算“+，-，*，/”，三角分解，QR分解，矩阵显示，矩阵转置，矩阵特征值与特征向量运算. 并在 Source.cpp中附有使用例子代码，方便读者快速上手。 对于SVD分解，经过与matlab中结果对比，发现，当矩阵的列数>=行数时，基本没问题。
SVD分解原理及C++实现
热门推荐
chenaiyanmie的博客
04-19 1万+
SVD分解 SVD分解 1）特征值(EVD)变换 2）SVD分解 3）SVD与PCA 4）SVD分解矩阵的代码实现 1）特征值(EVD)变换 如果说一个向量v是方阵A的特征向量，将一定可以表示成下面的形式： 这时候λ 就被称为特征向量v对应的特征值，一个矩阵的一组特征向量是一组正交向量。特征值分解是将一个矩阵分解成下面的形式：若A 有n个特征值，则A矩阵 P−1A...
奇异值SVD分解（C++）
08-09
核心代码来源于《Numerical recipes》，生成的对角阵，删除了多余的0行，与matlab里对应的[U,S,V] = svd(A,'econ')相对应，详情可见 https://ww2.mathworks.cn/help/matlab/ref/double.svd.html;jsessionid=4126601224eda58b1a7426abba05。
K-SVD算法C++实现
12-26
总的来说，K-SVD算法的C++实现涉及到矩阵运算、优化方法和迭代逻辑，是一个相对复杂的项目。理解和应用这个实现需要扎实的编程基础以及对矩阵分解和信号处理的理解。通过深入研究并调整这个实现，你可以定制更适合...
SVD_SVD_C++_lapackesvd分解_
09-30
本文将深入探讨SVD的基本概念，C++实现以及如何利用开源库Eigen进行SVD运算，并结合lapackesvd分解方法进行详细讲解。 一、奇异值分解（SVD） SVD是矩阵的一种分解形式，对于任意非零的m×n矩阵A，可以表示为： A...
机器学习算法SVD奇异值分解之c++实现（不调用外源库）
修行之路
10-11 533
机器学习算法SVD奇异值分解之c++实现（不调用外源库）
奇异值分解(svd)的c++程序
03-14
此文件来源于世界著名的Numerical Recipes，用于奇异值分解的计算
SVD分解求变换矩阵（C++详细过程版）
点云侠的博客
09-14 3323
SVD是点云配准中最常用计算方法之一，看到网上有很多写实现过程的代码，但是，，，，，。自己去搜一下，再结合算法原理理解一下就知道代码是否正确或完整了！！！！
SVD分解的c++代码（Eigen 库）
weixin_30522095的博客
04-20 2729
使用Eigen 库：进行svd分解，形如 A = U * S * VT。 JacobiSVD<MatrixXd> svd(J, ComputeThinU | ComputeThinV); U = svd.matrixU(); V = svd.matrixV(); A = svd.singularValues(); Eigen::Jac...
c++svd算法_数据挖掘——推荐算法（数据挖掘的最广泛应用）
weixin_29098367的博客
12-29 391
在这个信息过载的时代，推荐应该做精准营销——target marketing。如果先做一个用户画像（profile），则会更精准的推荐用户需要的。Targeted Advertisement：比如，可以根据浏览的新闻预测兴趣点进行推荐手机上，用不同网页浏览新闻会有不同的广告推荐。因为当手机浏览该网页的时候，网页的后台是可以获取你的手机型号，地理位置，可以会有更适合用户的广告投放策略。网站会预先推荐...
奇异值分解（SVD）C++实现
weixin_45804601的博客
06-11 3057
奇异值分解SVD（紧奇异值分解，截断奇异值分解）C++实现
C++实现奇异值分解SVD（附完整源码）
希望我的博客，能帮上你解决学习中工作中所遇到的问题
05-24 516
C++实现奇异值分解SVD（附完整源码）
svd奇异值分解_从奇异值分解 SVD 看 PCA 的主成分
weixin_39616003的博客
12-08 245
今天我们来看一个在数据分析和机器学习领域中常用的降维方法，即主成分分析(PCA)。它是探索性数据分析(EDA)和机器学习算法对数据的基本处理方法。1引言首先，我们来看一下机器学习中数据的表示形式。如下图所示，一般用一个矩阵 表示数据(特别是表格型数据)， 可以是一个目标向量，表示数据的标签。为什么要对 降维呢？我们可以找到多个理由，至少可以这么看嫌 长得太胖穿得太多，一下看不清。让...
c++svd算法_PCA & SVD 算法流程小结
weixin_31517321的博客
12-29 384
1 主成分分析（Principal Component Analysis，PCA）核心知识点：协方差矩阵和特征值分解协方差公式：cov(x, y) = E([x - E(x)][y - E(y)])PCA降维过程如下：（1）对原始数据X进行标准化 X，(m, n) m条样本，每条样本n维特征，n较大（2）计算协方差矩阵 C (n, n) n行n列（3）计算协方差矩阵的特征值和特征向...
C++实现SVD分解
Carzy_的博客
11-19 211
【代码】C++实现SVD分解。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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