svd

[图像] 奇异值分解与隐性语义分析

进行SVD分解的方法：    首先要知道矩阵的秩，也就是最大线性不相关的行（列）向量的个数，比如对于以下两个矩阵       矩阵1      矩阵2    第一个矩阵两行（列）是线性相关的，所以秩为1
ZJU_fish1996·2016-01-18 12:00

《机器学习实战》笔记——基于SVD的图像压缩

原始图像大小为32X32=1024像素，利用SVD来对数据降维，实现图像的压缩新建一个svdRec.py文件，加入如下代码：#printMat()函数用于打印矩阵 defprintMat(inMat,thresh
geekmanong·2016-01-11 17:00

《机器学习实战》笔记——利用SVD简化数据

SVD(SingularValueDecomposition)奇异值分解，可以用来简化数据，去除噪声，提高算法的结果。
geekmanong·2016-01-11 11:00

机器学习实战笔记——利用SVD简化数据

SVD(SingularValueDecomposition)奇异值分解，可以用来简化数据，去除噪声，提高算法的结果。
zhihua_bupt·2016-01-11 00:00

数学的记号（notation）（一）

下标的理解我们来看大名鼎鼎的K-SVD算法：已知维度关系：Yn×N=Dn×KXK×N，则ωk={i|1≤i≤N,xkT(i)≠0}，表示的是遍历全部样本{yi}Ni=1对应的在D下的稀疏表示{xi}Ni
lanchunhui·2016-01-07 13:00

Programming Computer Vision with Python （学习笔记四）

但还遗留了以下几个问题：在计算协方差和特征向量的方法上，书上使用的是一种被作者称为compacttrick的技巧，以及奇异值分解（SVD），这些都是什么东西呢？如何把PCA运用在多张图片上？
qq_26898461·2016-01-02 10:00

SVD分解

原文：Werecommendasingularvaluedecomposition关于线性变换部分的一些知识可以猛戳这里奇异值分解(SVD)—线性变换几何意义一、奇异值分解(Thesingularvaluedecomposition
zhangzhengyi03539·2015-12-31 11:00

奇异值分解SVD的理解与应用

本文内容是基于作者当前对奇异值分解svd的了解，不够全面，有不妥的地方还望各位读者指出。作者也会在进一步了解svd的过程中，不断更新本文。
ab_use·2015-12-30 11:00

数据挖掘-基于Kmeans算法、MBSAS算法及DBSCAN算法的newsgroup18828文本聚类器的JAVA实现(下)

关于本项目下载及运行的常见问题FAQ见 newsgroup18828文本分类器、文本聚类器、关联分析频繁模式挖掘算法的Java实现工程下载及运行FAQ )本文要点如下：介绍基于LSI(隐性语义索引)中SVD
qq_26562641·2015-12-26 16:00

数据挖掘-基于Kmeans算法、MBSAS算法及DBSCAN算法的newsgroup18828文本聚类器的JAVA实现(上)

关于本项目下载及运行的常见问题FAQ见 newsgroup18828文本分类器、文本聚类器、关联分析频繁模式挖掘算法的Java实现工程下载及运行FAQ )本文要点如下：对newsgroup文档集进行预处理，按照DF法及SVD
qq_26562641·2015-12-26 16:00

矩阵奇异值分解(SVD)及其应用

一、奇异值与特征值基础知识特征值分解和奇异值分解在机器学习领域都是属于满地可见的方法。两者有着很紧密的关系，我在接下来会谈到，特征值分解和奇异值分解的目的都是一样，就是提取出一个矩阵最重要的特征。先谈谈特征值分解吧：1）特征值：如果说一个向量v是方阵A的特征向量，将一定可以表示成下面的形式：这时候λ就被称为特征向量v对应的特征值，一个矩阵的一组特征向量是一组正交向量。特征值分解是将一个矩阵分解成下
dongchao_pro·2015-12-23 22:00

机器学习之——强大的矩阵奇异值分解(SVD)及其应用

http://www.cnblogs.com/LeftNotEasy/archive/2011/01/19/svd-and-applications.html 本文由LeftNotEasy发布于http
kavy·2015-12-18 16:00

奇异值分解(SVD)

   最近不小心接触到了SVD，然后认真看下去之后发现这东西真的挺强大的，把一个推荐问题转化为纯数学矩阵问题，看了一些博客，把一个写个比较具体的博文引入进来，给自己看的，所以把觉得没必要的就去掉了，博文下面附原始博客地址
·2015-12-09 11:39

recsyscode - implementations of classic algorithms of recommender system - Google Project Hosting

recsyscode-implementationsofclassicalgorithmsofrecommendersystem-GoogleProjectHosting重要更新:svd++和combine
·2015-12-09 10:43

矩阵的奇异值分解

定义如下：Inlinearalgebra,thesingularvaluedecomposition(SVD)isafactorizationofarealorcomplexmatrix.Ithasmanyusefulapplicationsinsignalprocessingandstatistics.Formally
dongchao_pro·2015-12-06 14:00

K-SVD算法

（2）第二阶段：也是K-SVD与MOD的不同之处，字典D是逐列更新的
qq_18343569·2015-12-05 21:00

SVD在推荐系统中的应用

参考自：http://www.igvita.com/2007/01/15/svd-recommendation-system-in-ruby/其实说参考也不准确，准确地说应该是半翻译半学习笔记。
LTG01·2015-11-27 20:00

主成分分析（Principal components analysis）-最大方差解释

在写这篇之前，我阅读了PCA、SVD和LDA。这几个模型相近，却都有自己的特点。本篇打算先介绍PCA，至于他们之间的关系，只能是边学边体会了。
GarfieldEr007·2015-11-27 11:00

K-SVD学习笔记

K-SVD是一个用于稀疏表示的字典学习算法，是一个迭代算法，是K-Means算法的泛化。
JDPlus·2015-11-26 15:00

SVD分解及其应用

SVD起源对角化概述SVDSVD应用图像压缩2数据去噪LSA推荐系统注意参考资料SVD可谓线性代数的登峰造极者。
Young_Gy·2015-11-26 15:09

机器学习笔记_ 降维_3：SVD

>n;则ATA是n∗n的方阵(ATA)vi=λivi=⎧⎩⎨⎪⎪σiui=λi−−√=1σiAvi=>A=UΣVTU=m∗m;Σ=m∗n;V=n∗nPS:vi是ATA的特征向量组成V不唯一svd
mijian1207mijian·2015-11-26 02:00

从SVD到PCA——奇妙的数学游戏

方阵的特征值当一个矩阵与一个向量相乘，究竟发生了什么？定义如下的A与x：求得b：可以看到A乘以x就是将x的元素以线性的方式重新组合得到b，数学上把这种重新组合叫 线性变换。假设二维向量x满足如下条件：给定一个2×2的方阵：当x在满足约束条件的前提下取不同的值，Ax的值的变化规律如下：图中红色箭头为向量x，蓝色箭头为矩阵A对x进行线性变换后的向量。可以看到A对x做了两件事：旋转与伸缩。在某些方向上，
Lee的白板报·2015-11-24 21:00

强大的矩阵奇异值分解(SVD)及其应用

出处：http://www.cnblogs.com/LeftNotEasy/archive/2011/01/19/svd-and-applications.html前言：   上一次写了关于PCA与LDA
weilianyishi·2015-11-16 14:00

SVD神秘值分解

SVD分解 SVD分解是LSA的数学基础，本文是我的LSA学习笔记的一部分，之所以单独拿出来，是由于SVD能够说是LSA的基础，要理解LSA必须了解SVD，因此将LSA笔记的SVD一节单独作为一篇文章
·2015-11-13 22:54

c++ 实奇异值分解svd

c++ 实奇异值分解svd - numcpp - 博客园 c++ 实奇异值分解svd   奇异值分解svd的定义如下： 矩阵A被分解为三个矩阵U,S,V^T的乘积:
·2015-11-13 22:12

基于K-SVD稀疏字典的图像去噪算法

基于K-SVD稀疏字典的图像去噪算法源代码下载链接：Code下面的代码我已经给出了我自己的注释，全部是个人的理解，有误的欢迎指正！
happinesslz·2015-11-13 22:15

SVD神秘值分解

SVD分解 SVD分解是LSA的数学基础，本文是我的LSA学习笔记的一部分，之所以单独拿出来，是由于SVD能够说是LSA的基础，要理解LSA必须了解SVD，因此将LSA笔记的SVD一节单独作为一篇文章
·2015-11-13 21:28

Spark0.9.0机器学习包MLlib-Optimization代码阅读

MLlib，实现了经典的机器学算法，源码分8个文件夹， classification文件夹下面包含NB、LR、SVM的实现， clustering文件夹下面包含K均值的实现， linalg文件夹下面包含SVD
·2015-11-13 19:11

SVD 与 PCA 的直观解释 && 径向基(Radial basis function)神经网络、核函数的一些理解

一直想弄明白SVD分解后面蕴含的直观意义，可这牵扯到矩阵乘法和线性变换的物理含义的理解。在考虑SVD用途时又牵扯到PCA降维，而PCA降维里又扯到特征值和特征向量。于是，索性全记下来，供诸位探讨学习。
zouxy09·2015-11-13 18:00

强大的矩阵奇异值分解(SVD)及其应用

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
·2015-11-13 09:04

虚反矩阵指令pinv之应用

pinv(A)又称为虚反矩阵(pseudoinverse)，其功能与反矩阵之计算相同，但它会基于svd(A)函数(或称奇异值分解函数)之计算方式，求得一个不是属于全阶之矩阵A之反矩阵。
·2015-11-13 09:50

机器学习中的数学-矩阵奇异值分解(SVD)及其应用

转自：http://www.cnblogs.com/LeftNotEasy/archive/2011/01/19/svd-and-applications.html 版权声明：   
·2015-11-13 08:10

SVD神秘值分解

SVD分解 SVD分解是LSA的数学基础，本文是我的LSA学习笔记的一部分，之所以单独拿出来，是由于SVD能够说是LSA的基础，要理解LSA必须了解SVD，因此将LSA笔记的SVD一节单独作为一篇文章
·2015-11-13 05:06

一个Spectral Clustering方法的小结

;广义上来说，任何在演算法中用到SVD/特征值分解的，都叫SpectralAlgorithm。
·2015-11-13 05:10

Programming Computer Vision with Python （学习笔记四）

但还遗留了以下几个问题：在计算协方差和特征向量的方法上，书上使用的是一种被作者称为compacttrick的技巧，以及奇异值分解（SVD），这些都是什么东西呢？如何把PCA运用在多张图片上？
jk_v1·2015-11-13 00:00

mahout svd 算法总结

最近几天测试了mahout svd算法，网上的文档比较少，花了不少时间读它的代码，终于把流程搞清楚了，在这里总结一下。
·2015-11-12 23:52

Personalized Ranking from Implicit Feedback

早期的方法有SVD，它通对评分矩阵进行分解，学习到潜在特征向量，但是它很容易过学习，因此，又提出了带正则化项目的分解方法。
·2015-11-12 20:15

线性代数之SVD与PCA

SVD推荐ams上的一篇文章：     http://www.ams.org/samplings/feature-column/
·2015-11-12 19:49

SVD神秘值分解

SVD分解 SVD分解是LSA的数学基础，本文是我的LSA学习笔记的一部分，之所以单独拿出来，是由于SVD能够说是LSA的基础，要理解LSA必须了解SVD，因此将LSA笔记的SVD一节单独作为一篇文章
·2015-11-12 19:49

Latent semantic indexing

indexing and retrieval method that uses a mathematical technique called Singular value decomposition (SVD
·2015-11-12 18:30

Singular Value Decomposition(SVD)--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。奇异值分解在某些方面与对称矩阵或Hermite矩阵基于特征向量的对角化类似。然而这两种矩阵分解尽管有其相关性，但还是有明显的不同。对称阵特征向量分解的基础是谱分析，而奇异值分解则是谱分析理论在任意矩阵上的推广。 目录 1 理论描述2 奇异值和奇异向量, 以及他们与奇异值分解的关系 1.
·2015-11-12 18:21

[zz]mahout svd 算法总结

1、关于奇异值分解的理论基础，请参看下面的链接 http://www.cnblogs.com/LeftNotEasy/archive/2011/01/19/svd-and-applications.html
·2015-11-12 18:57

机器学习中的数学(5)-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
·2015-11-12 16:57

潜在语义分析LSA

LSA使用大量文本构成矩阵，每行表示一个词，一列表示一个文档，矩阵元素可以是词频或TF-IDF，然后使奇异值分解SVD进行矩阵降维，得到原矩阵的近似，此时两个词的相似性可通过其向量cos值。 
IvanSSSS·2015-11-12 12:00

PCA MATLAB

出错 princomp (line 29)    [varargout{1:nargout}]=pca(varargin{1},'Algorithm','svd','Economy'
·2015-11-12 11:19

SVD学习

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，
·2015-11-11 17:56

矩阵分解大全

常见的矩阵分解有可逆方阵的三角（LU）分解、满秩方阵的正交三角（QR）分解、对称正定矩阵的Cholesky分解，以及任意方阵的Schur分解、Hessenberg分解、EVD分解、任意矩阵SVD分解、GMD
·2015-11-11 13:26

奇异值分解(SVD) --- 几何意义

原文：http://blog.sciencenet.cn/blog-696950-699432.html PS：一直以来对SVD分解似懂非懂，此文为译文，原文以细致的分析+大量的可视化图形演示了SVD
·2015-11-11 12:03

机器学习中的数学(5)-强大的矩阵奇异值分解(SVD)及其应用

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
·2015-11-11 07:35

推荐系统中的SVD

本文主要参考：Factorization Meets the Neighborhood: a Multifaceted Collaborative Filtering Model 在用户对自己需求相对明确的时候，用搜索引擎很方便的通过关键字搜索很快的找到自己需要的信息。但搜索引擎并不能完全满足用户对信息发现的需求，那是因为在很多情况下，用户其实并不明确自己的需要，或者他们的需求很难用简单的关键字
·2015-11-11 04:39
上一页 35 36 37 38 39 40 41 42 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他