PCA:菜馆菜肴推荐系统、基于SVD的图像压缩

最新推荐文章于 2022-10-10 10:00:08 发布

*Major*

最新推荐文章于 2022-10-10 10:00:08 发布

阅读量466

点赞数

本文链接：https://blog.csdn.net/qq_41375318/article/details/103106550

版权

PCA:菜馆菜肴推荐系统、基于SVD的图像压缩

链接: 数据集提取码: 97dw

一 PCA:菜馆菜肴推荐系统

二基于SVD的图像压缩

内容：请用文字描述
我获得了什么？
我掌握了哪些知识？
还存在哪些不足的方法

from numpy import *
from numpy import linalg as la
'''
原始图像大小为32*32=1024像素，我们能否使用更少的像素来表示这张图呢？
由于矩阵含有浮点数，因此必须定义浅色和深色，这里通过一个阈值来界定
设计函数遍历所有的矩阵元素，当元素大于阈值打印1，否则打印0

'''
def printMat(inMat, thresh=0.8):
    for i in range(32):
        for k in range(32):
            if float(inMat[i,k]) > thresh:
                print(1, end=''),
            else: print(0, end=''),
        print('') 

# 实现了图像的压缩，允许基于任意给定的奇异值数目来重构图像
def imgCompress(numSV=3, thresh=0.8):
    myl = []
    for line in open('0_5.txt').readlines():
        newRow = []
        for i in range(32):
            newRow.append(int(line[i]))
        myl.append(newRow)
    myMat = mat(myl)
    print("****original matrix******")
    printMat(myMat, thresh)
    U,Sigma,VT = la.svd(myMat)
    SigRecon = mat(zeros((numSV, numSV)))
    for k in range(numSV):#construct diagonal matrix from vector
        SigRecon[k,k] = Sigma[k]
    reconMat = U[:,:numSV]*SigRecon*VT[:numSV,:]
    print("****reconstructed matrix using %d singular values******" % numSV)
    printMat(reconMat, thresh)

imgCompress(2)