【清风数学建模笔记】第十三讲:SVD和图形处理

最新推荐文章于 2024-07-14 15:49:41 发布
最新推荐文章于 2024-07-14 15:49:41 发布
阅读量411 收藏 6
点赞数
分类专栏： 数学建模 文章标签： matlab 图像处理 开发语言 数学建模
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/manerzi/article/details/128900274
版权

奇异值分解（Singular Value Decomposition）是线性代数中一种重要的矩阵分解，其在图形学、统计学、推荐系统、信号处理等领域有重要应用。本讲我们将介绍奇异值分解在图形压缩中的运用，并将简单介绍下Matlab对于图形和视频的处理。

文章目录

线性代数基础知识回顾

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

奇异值分解

在这里插入图片描述

奇异值分解的例子

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

利用SVD对数据进行"降维"

在这里插入图片描述

在这里插入图片描述

保留原矩阵的特征比例

在这里插入图片描述

Matlab进行奇异值分解：[U,S,V] = svd(A)

在这里插入图片描述

定义我们自己的mysvd函数

在这里插入图片描述

Matlab图形的处理

在这里插入图片描述
图片压缩的函数

在这里插入图片描述

SVD压缩后的效果
在这里插入图片描述

在这里插入图片描述

将视频分离为图片

在这里插入图片描述

在这里插入图片描述

批量处理文件夹内的所有图片

在这里插入图片描述

SVD的评价和应用

SVD（奇异值分解）：
1.优点：简化数据，去除噪声点，对数据降维（减少秩）；
2.缺点：数据的转换可能难以理解；
3.适用于数据类型：数值型。
通过SVD对数据的处理，我们可以对原始数据进行精简，这样做实际上是去除了噪声和冗余信息，以此达到了优化数据的目的。
SVD的另外两个重要应用：
潜在语义索引：最早的SVD应用之一就是信息检索，我们称利用SVD的方法为潜在语义检（LSI）或隐形语义分析（LSA），有兴趣可以去阅读吴
军老师的《数学之美》。
推荐系统：SVD的另一个应用就是推荐系统，较为先进的推荐系统先利用SVD从数据中构建一个主题空间，然后再在该空间下计算相似度，以此提
高推荐的效果。

作业

在这里插入图片描述

蔓蔓的学习记录
关注
  • 0
    点赞
  • 踩
  • 6
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
SVD在图像处理中的基本应用
开飞机的小毛驴儿
06-30 1958
转载自：https://heleifz.github.io/15084626290253.html著作权归原作者所有。
SVD(奇异值分解)和图形处理
qq_45893591的博客
03-16 459
SVD奇异值分解和图形处理SVD(奇异值分解)三个引理 SVD(奇异值分解) 奇异值分解（Singular Value Decomposition）是线性代数中一种重要的矩阵分解，其在图形学、统计学、推荐系统、信号处理等领域有重要应用。本讲我们将介绍奇异值分解在图形压缩中的运用，并将简单介绍下Matlab对于图形和视频的处理。 三个引理 ...
数学建模：SVD和图形处理
weixin_54144634的博客
08-24 292
数学建模：SVD奇异值分解
数学建模（NO.20 SVD和图形处理）
沉晨尘宸的博客
01-21 571
SVD和图形处理一.线性代数基础知识回顾二.奇异值分解1.引例2.概述3.例子4.计算过程5.SVD的证明思路6.利用SVD对数据进行"降维"7.保留原矩阵的特征比例8.代码解析9.RGB模式10.图片压缩的函数11.将视频分离为图片12.批量处理文件夹内的所有图片13.SVD的评价和应用 一.线性代数基础知识回顾 二.奇异值分解 1.引例 2.概述 3.例子 4.计算过程 5.SVD的证明思路 6.利用SVD对数据进行"降维" 根据第一张图发现只需要两个奇异值，那么就只保留与
数学建模 之 奇异值分解SVD
HeroIsUseless的博客
01-26 510
这名字还挺好听的，SVD。 奇异值分解，跟 把一个向量拆成一组正交向量之和是一回事。只不过这里的向量是矩阵。σ(拆出来的矩阵)就是坐标。数学里面，因式分解，泰勒展开，傅里叶变换，特征值分解，奇异值分解，通通是这个路数。 就是把当前数据表示成一组某种意义下特征相互独立(不能互相表达)的数据叠加的形式。 目的就是便于处理，或者舍弃次要信息(使得每个元素都能最大程度表达信息) 如果方阵对某个向量只产生伸缩，而不产生旋转效果，那么这个向量就称为矩阵的特征向量，伸缩的比例就是对应的特征值。所以说，其实特征向量才是
MATLAB实现奇异值分解SVD和图形处理【数学建模、科学计算算法】.zip
04-14
在这个名为"MATLAB实现奇异值分解SVD和图形处理【数学建模、科学计算算法】.zip"的压缩包中，包含了用于理解和应用奇异值分解（Singular Value Decomposition, SVD）以及图形处理的相关代码和资源。SVD是线性代数中...
数学建模-基于Python实现的数学建模常用模型之SVD奇异值分解.zip
03-02
在数学建模中，Python是一种极其强大的工具，它拥有丰富的库和模块，使得复杂的数据处理和分析变得简单易行。SVD（奇异值分解）是矩阵理论中的一个重要概念，广泛应用于机器学习、图像处理、推荐系统等领域。本教程...
数模程序汇总： 奇异值分解SVD和图形处理.rar
03-21
【数学建模】数模各种模型算法matlab代码实现 代码注释极详细，修改数据可直接使用 附有代码对应例题及数据、应用到该算法的国赛优秀范例辅助理解 上述所有资料均针对数模竞赛应用实操，应用性很强，非理论！！！
数学建模数据处理：34种数据降维方法代码
07-14
在数据分析和数学建模中，数据降维是一个关键步骤，尤其当处理高维数据时，降低数据维度可以简化模型，减少计算复杂性，同时保留最重要的信息。本资源包含34种不同的数据降维方法的代码，这对于理解各种降维技术及其...
数学建模数据处理：基于RPCA异常值检测的参考代码
07-15
在数学建模领域，数据处理是一项至关重要的任务，它涉及到数据清洗、预处理、分析以及模型构建等多个环节。RPCA（Robust Principal Component Analysis，鲁棒主成分分析）是一种强大的工具，尤其在异常值检测中表现...
使用奇异值分解(SVD)并随机选取特征值进行图像处理(附python源码)
bruuuuuuuuno的博客
05-24 1966
目录1.前言2.准备3.奇异值分解（含源码）3.1过程3.2结果3.3奇异值分解对非正方形图片的处理实例4.参考资料 1.前言 因为python的特征值分解存在复数矩阵的情况，而后续步骤不能很好的兼容复数，于是采用了范围更广的奇异值分解(SVD)进行图像处理。并且在后续测试中选取了不同的特征值进行保留（并不一定是最大的特征值）。 2.准备 numpy 处理矩阵 学习：https://blog.csdn.net/a373595475/article/details/79580734 PIL 图像处理 imag
SVD建模
机器不学习
04-25 5467
以MovieLens电影推荐为例，SVD(Singular Value Decomposition)的想法是根据已有的评分情况，分析出评分者对各个因子的喜好程度以及电影包含各个因子的程度，最后再反过来根据分析结果。使用SVD对问题进行建模SVD的想法抽象点来看就是将一个N行M列的评分矩阵R（R[u][i]代表第u个用户对第i个物品的评分），分解成一个N行F列的用户因子矩阵P（P[u][k]表示用户u
数学建模matlab imread,《matlab数学建模方法与实践》第三章 数据的处理
weixin_29062671的博客
03-18 268
3.1数据的获取3.1.1从Excel中读取数据a= xlsread('路径',n(sheetn),'A(n-1):Bn(读入的数据范围)')3.1.2从TXT中读取数据3.1.2.1.1 同种类型的数据随机生成矩阵 a = linspace(1,30,8);linspace(x1,x2xn)其中x1、x2、N分别为起始值、终止值、元素个数。若默认N，默认点数为100。linspacce(起始位...
SVD奇异式分解应用于图片压缩
hanserdaisuki的博客
07-17 734
SVD奇异式分解用于图片压缩
matlabsvd提取特征值_MATLAB中的SVD函数
weixin_39598954的博客
12-22 2526
转贴奇异值分解 (sigular value decomposition,SVD) 是另一种正交矩阵分解法；SVD是最可靠的分解法，但是它比QR分解法要花上近十倍的计算时间。[U,S,V]=svd(A)，其中U和V代表二个相互正交矩阵，而S代表一对角矩阵。 和QR分解法相同者，原矩阵A不必为正方矩阵。使用SVD分解法的用途是解最小平方误差法和数据压缩s = svd(X)[U,S,V] = svd(...
【数据分析与可视化】对图像进行SVD分解并重构图像实战（附源码）
showswoller的博客
01-17 1115
【数据分析与可视化】对图像进行SVD分解并重构图像实战（附源码）
基于matlab的矩阵奇异值（SVD）分解
热门推荐
红茶绿茶和奶茶的博客
10-27 2万+
目录 1 计算原理 1.1求解V 1.2求解D 1.3求解U 2 MATLAB程序 2.1注意 3联系方式 1 计算原理 设矩阵A的大小m*n（m>n），A = UD 1.1求解V 首先求出的特征值及特征值,对应的正交单位特征向量。将的特征值从大到小按顺序排列，对应的正交特征向量也要按特征值的顺序排列。排列好的正交的特征向量即为V = ......
利用SVD奇异值分解将鸡哥图片压缩
m0_72600561的博客
03-04 508
SVD，即奇异值分解（Singular Value Decomposition），是线性代数中一种重要的矩阵分解方法。
matlab PID tuner整定工具箱的用法
最新发布
野生猿-群号1025127672
07-14 182
如果Domain参数设置为“Frequency”频域参数，那么我们就可以设置期望的闭环控制带宽BandWidth和期望的相位裕度Phase Margin。从下图设置期望的控制性能：如果设置为“Time”时域参数，那么我们可以设置期望的节约响应时间，期望的鲁棒性或灵敏度。在下图的Form中选择PID的形式：有两种可选：平行式Parallel和标准式Standard。设置完期望参数后，在右下角可以看到设计出的kp ki kd的值。在下图的Inspect按钮中可以看到导入的被控对象的传函。
cv::SVD::V_T
04-04
cv::SVD::V_T is a member function of the cv::SVD class in OpenCV library. It returns the transpose of the matrix of right singular vectors of the input matrix. The right singular vectors are the eigenvectors of the transpose of the input matrix multiplied by the input matrix. The transpose of the right singular vectors matrix is also known as the matrix of left singular vectors. In other words, if we have a matrix A, and we perform the Singular Value Decomposition (SVD) on it: A=U*S*V_T, then cv::SVD::V_T returns the matrix of right singular vectors V_T. Syntax: cv::Mat cv::SVD::V_T Returns: A cv::Mat object representing the transpose of the matrix of right singular vectors of the input matrix. Example: ``` cv::Mat A = (cv::Mat_<double>(3,3) << 1, 2, 3, 4, 5, 6, 7, 8, 9); cv::SVD svd(A); cv::Mat V_T = svd.vt; ``` This code snippet calculates the SVD of a 3x3 matrix A and returns the transpose of the right singular vectors matrix in V_T.

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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