关于为什么要进行Matrix normalization

物理意义:

比如一个人说的话声音有时候声音很大，有时候很小，为了避免大声音和小声音在运算中过度影响结果，就需要将它们统一拉回一个特定的范畴轨道

数学意义:

本次研究基于18年MCE提供的baseline。该实验中用到了矩阵的列一化。

矩阵的列归一化，就是将矩阵每一列的值，除以每一列所有元素平方和的根号值，这样做的结果就是，矩阵每一列元素的平方和为1了。

 

def length_norm(mat):
    norm_mat = []
    for line in mat:
        temp = line/np.math.sqrt(sum(np.power(line,2)))
        norm_mat.append(temp)
    norm_mat = np.array(norm_mat)
    return norm_mat