retarget-toolkit

最新推荐文章于 2023-05-02 16:45:46 发布

atheta

最新推荐文章于 2023-05-02 16:45:46 发布

阅读量977

点赞数

本文链接：https://blog.csdn.net/atheta/article/details/28611917

版权

-- 2014-06-05 --

最近想学习K-SVD，从Google上找到retarget-toolkit代码，

$svn checkout http://retarget-toolkit.googlecode.com/svn/trunk/ retarget-toolkit-read-only

下载之后居然有500多M…… 内容很丰富。其实我只想要这三个包而已：

ksvdbox13.zip nips08matlab.zip ompbox10.zip

先安装ompbox10，再安装ksvdbox13，mac下很顺利（xcode5.0.2，matlab2014a），matlab下ompdemo，ksvddemo都运行正常。

Windows 8.1 x64+matlab 2014a折腾不明白mex -setup了，放弃！

-- 2014-06-09 --

今天学习了一下SVD奇异值分解，这是K-SVD算法的理论基础，它与特征值分解不同，不仅仅适用于方阵，而是可以应用于所有矩阵。在Matlab上一个简单的实验：

>> A=[1:4;5:8;9:12;13:16;17:20]

A =

     1     2     3     4
     5     6     7     8
     9    10    11    12
    13    14    15    16
    17    18    19    20

>> [U,S,V]=svd(A)

U =

   -0.0965   -0.7686    0.6036    0.1183    0.1470
   -0.2455   -0.4896   -0.5821   -0.5846    0.1395
   -0.3945   -0.2107   -0.4514    0.7627   -0.1209
   -0.5435    0.0683    0.2343   -0.2448   -0.7650
   -0.6924    0.3472    0.1955   -0.0516    0.5993


S =

   53.5202         0         0         0
         0    2.3634         0         0
         0         0    0.0000         0
         0         0         0    0.0000
         0         0         0         0


V =

   -0.4430    0.7097   -0.0331    0.5467
   -0.4799    0.2640   -0.3634   -0.7536
   -0.5167   -0.1816    0.8260   -0.1329
   -0.5536   -0.6273   -0.4296    0.3398

>> U(:,1:2)*S(1:2,:)*V'

ans =

    1.0000    2.0000    3.0000    4.0000
    5.0000    6.0000    7.0000    8.0000
    9.0000   10.0000   11.0000   12.0000
   13.0000   14.0000   15.0000   16.0000
   17.0000   18.0000   19.0000   20.0000

A是一个4*5矩阵，分解成USV之后，S奇异值减小非常迅速，用r*r方阵代替S，r小于A的行列数。

>> U(:,1:2)*S(1:2,:)*V'

ans =

    1.0000    2.0000    3.0000    4.0000
    5.0000    6.0000    7.0000    8.0000
    9.0000   10.0000   11.0000   12.0000
   13.0000   14.0000   15.0000   16.0000
   17.0000   18.0000   19.0000   20.0000

>> U(:,1)*S(1,:)*V'

ans =

    2.2892    2.4796    2.6701    2.8605
    5.8213    6.3055    6.7898    7.2741
    9.3534   10.1315   10.9096   11.6876
   12.8855   13.9574   15.0293   16.1012
   16.4176   17.7833   19.1491   20.5148

很神奇，即使r=1，也能基本还原矩阵A。