u013339596的专栏

版权声明：     本文由LeftNotEasy发布于http://leftnoteasy.cnblogs.com, 本文可以被全部的转载或者部分使用，但请注明出处，如果有问题，请联系wheeleast@gmail.com 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

版权声明：     本文由LeftNotEasy发布于http://leftnoteasy.cnblogs.com, 本文可以被全部的转载或者部分使用，但请注明出处，如果有问题，请联系wheeleast@gmail.com 前言：     第二篇的文章中谈到，和部门老大一宁出去outing的时候，他给了我相当多的机器学习的建议，里面涉及到很多的算法的意义、学习方法等等。一宁上次给

转自http://hi.baidu.com/kaien_space/blog/item/dcb84b8b96347bd4fd1f1011.html     关于CLAPACK的使用网上的资料并不多。主要就是官方网站上的安装说明，以 及LAPACK官方论坛上的一些资料。然而，国外一般科研使用的平台都是UNIX或LINUX, 所以对于windows上使用CLAPACK的相关介绍就很少

转自http://blog.csdn.net/shaolon/archive/2009/05/13/4179490.aspx 　　按照这篇博客里说的，确实成功了，呵呵。    LAPACK，其名为Linear Algebra PACKage的缩写，是Oak Ridge 国家实验室、加州大学Davis分校和Illinois大学联合开发的线性代数函数库，用于在不同高性能计算环境上高效求