矩阵分解

特征向量的物理意义

什么是特征向量，特征值，矩阵分解[1.特征的数学意义]       我们先考察一种线性变化，例如x,y坐标系的椭圆方程可以写为x^2/a^2+y^2/b^2=1，那么坐标系关于原点做旋转以后，椭圆方程就要发生变换
mpbchina·2012-03-23 00:00

LU 分解 （LU Decomposition）

比如我们可以将一个３ｘ３矩阵分解为： 如果我们需要求解方程Ax=b，即求解ＬUx=b。那么令Ux=y，即求解Ly=b，得到y。接着求解Ux=y，得到x。由于L和U都是三角矩阵，极易使用追赶法得到解。
fall221·2012-03-16 21:00

MATLAB入门教程 第四章 数值计算功能（协方差，特征值）

MATLAB入门教程第四章数值计算功能（2）  2008-07-0111:20:21|  分类： 默认分类|字号 订阅四．矩阵分解(Matrixdecomposition)MATLAB求解线性方程的过程基于三种分解法则
xyqzki·2012-03-02 16:00

matlab 矩阵分解

 矩阵分解是指根据一定的原理用某种算法将一个矩阵分解成若干个矩阵的乘积。常见的矩阵分解有LU分解、QR分解、Cholesky分解，以及Schur分解、Hessenberg分解、奇异分解等。 
yihaizhiyan·2012-02-15 10:00

基于评分数据的推荐算法实现：slopeone和矩阵分解

矩阵分解直接把预测问题转换成一个估计对评分矩阵
lgnlgn·2012-01-05 20:00

Cholesky Decomposition (Cholesky分解)

Cholesky分解把矩阵分解为一个下三角矩阵以及它的共轭转置矩阵的乘积（那实数界来类比的话，此分解就好像求平方根）。与一般的矩阵分解求解方程的方法比较，Cholesky分解效率很高。 
wangxiaojun911·2011-12-01 14:00

矩阵分解的Jungle

收集了市面上的矩阵分解的几乎所有算法和应用，由于源地址在某神秘物质之外，特转载过来，源地址MatrixDecompositions hasalonghistoryandgenerallycentersaro
alec1987·2011-09-13 09:00

矩阵分解的Jungle

收集了市面上的矩阵分解的几乎所有算法和应用，由于源地址在某神秘物质之外，特转载过来，源地址MatrixDecompositionshasalonghistoryandgenerallycentersaroundasetofknownfactorizationssuchasLU
忙菇 SuperLucky·2011-09-05 03:00

PCA学习笔记

常常看到论文的标题里带有矩阵分解的方法，最常见的有四个PCA,SVD,LDA和NMF。之前看论文内容一看到矩阵公式基本就不看，水平有限，短期内啃也啃不动。
lgnlgn·2011-03-19 00:00

Commons Math学习笔记——函数方程求解

对于线性方程，我们可以轻易的求解，对于线性方程组，利用前面讲过的的矩阵分解方法也可以求解。那么对于函数表达的很多非线性方程的求解。我们要依赖数值算法。
Change Dir·2010-12-21 17:00

Commons Math学习笔记——矩阵分解

CommonsMath学习笔记——矩阵分解 看其他篇章到目录选择。
Change Dir·2010-12-13 09:00

非负矩阵分解算法

% D 输入数据 n（个）* m（维）  r 降维后的维度%  D=W*H   W 基向量矩阵  H 在基下的坐标向量function [W,H]=NMF(D,r)      sizeD=size(D);n=sizeD(1);m=sizeD(2);W=abs(rand(n,r));H=abs(rand(r,m));for iterate=1:100        WD=W'*D;    WWH=W
chjjunking·2010-10-30 22:00

Orthogonal Nonnegative Matrix Tri-factorizations for Clustering

文章对：OrthogonalNMF（正交非负矩阵分解）与kernelK-means之间的关系进行了分析，并证明两者有内在联系：定理一：OrthogonalNMF：min(F>=0,G>=0)||X-FGT
chjjunking·2010-10-16 15:00

Orthogonal Nonnegative Matrix Tri-factorizations for Clustering

文章对：OrthogonalNMF（正交非负矩阵分解）与kernelK-means之间的关系进行了分析，并证明两者有内在联系： 定理一： OrthogonalNMF：min(F>=0,G>=0)||X-FGT
chjjunking·2010-10-16 15:00

NMF 非负矩阵分解

矩阵：行为doc,列为word，构成一个矩阵A n*m.n个doc，m个word NMF：A(nm)=B(nq)*C(qm)其中：B称作权重矩阵，每行为一个doc,每列为一个特征；【行就是该doc有哪些特征构成，特征权重是多少】C称作特征矩阵，每行为一个特征，每列为一个word；【行就是该特征由哪些word构成以及word的权重】 通常q<
aalbertini·2010-08-20 18:00

16-Dec-2009

昨晚还觉得不可能的任务，静下心来却又想通了，不仅解决了当前问题，而且还更进一步地了解了矩阵分解的意义。
huan0181·2009-12-16 14:00

奇异值分解

奇异值分解是线性代数中一种重要的矩阵分解，在信号处理、统计学等领域有重要应用。定义：设A为m*n阶矩阵，AHA的n个特征值的非负平方根叫作A的奇异值。记为σi(A)。
chl033·2009-12-09 21:00

SVD分解

>>奇异值分解是线性代数中一种重要的矩阵分解，在信号处理、统计学等领域有重要应用。
To_Utopia·2009-11-26 13:00

非负矩阵分解

from numpy import * from random import * def difcost(a,b): dif=0 for i in range(shape(a)[0]): for j in range(shape(a)[1]): dif+=pow(a[i,j]-b[i,j],2) return dif
yuhai.china·2009-11-08 22:00

非负矩阵分解

from numpy import * from random import * def difcost(a,b): dif=0 for i in range(shape(a)[0]): for j in range(shape(a)[1]): dif+=pow(a[i,j]-b[i,j],2) return dif
yuhai.china·2009-11-08 22:00

webhtml网页自动分类(carrot2初步研究)

香港回来后(3月9~3月16),开始了这个课题的研究,这个过程中碰到种种困难.比如vsm(向量空间模型),STC(后缀树表示法)等等要涉及一些矩阵分解(对web网页表示的降维),基向量,特
zfrong·2009-09-10 11:00

6条函数的MPI世界，处处有陷阱

分配任务时，只把第一个矩阵分解传给若干个slave，第二个矩阵全传。虽然效率不高，但我的作业需要是把固定的矩阵大小改为可变的。
jarodpku·2007-10-24 12:00

应用立体视觉技术实现三维测量

摄像机定标，求解摄像机内部参数；二．对目标物体多角度采集图像，利用SIFT提取特征描述子；三．根据特征描述子确定多幅图像之间特征点匹配关系（RBF）；四．根据特征点对的匹配关系计算图像对的基础矩阵；五．由基础矩阵分解得到不同角度下摄像机内外部参数矩阵
daiyuchao·2007-05-10 21:00
上一页 31 32 33 34 35 36 37 38 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他