数学
piaopiaopiaopiaopiao
这个作者很懒,什么都没留下…
展开
-
SVD分解的理解
SVD分解(奇异值分解),本应是本科生就掌握的方法,然而却经常被忽视。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。 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:转载 2013-09-22 13:14:15 · 676 阅读 · 0 评论 -
强大的矩阵奇异值分解(SVD)及其应用
前言: 上一次写了关于PCA与LDA的文章,PCA的实现一般有两种,一种是用特征值分解去实现的,一种是用奇异值分解去实现的。在上篇文章中便是基于特征值分解的一种解释。特征值和奇异值在大部分人的印象中,往往是停留在纯粹的数学计算中。而且线性代数或者矩阵论里面,也很少讲任何跟特征值与奇异值有关的应用背景。奇异值分解是一个有着很明显的物理意义的一种方法,它可以将一个比较复杂的矩阵用更小更简转载 2013-09-22 14:33:34 · 850 阅读 · 0 评论 -
We Recommend a Singular Value Decomposition
Introduction The topic of this article, the singular value decomposition, is one that should be a part of the standard mathematics undergraduate curriculum but all too often slips between the cracks.转载 2013-09-22 14:39:09 · 756 阅读 · 0 评论