svd

0熱度

1回答

我有一個線性迴歸問題(Ax=b)。我最初的方法有助於解決我的一些問題，使用SVD並獲得我感興趣的卡方和其他一些值，但在某些情況下，例如，如果我的迴歸問題如下所示，它正在分解： >>> coff= array([[ 1., 0., 0., 0.], [ 0., 0., -1., 0.], [ 1., 0., 0., 0.], [ 0., 0., 0., -1.]

0熱度

1回答

什麼是低維？

我的問題是什麼是低維？我讀了幾篇AI相關的論文，機器學習。其中一些提到了一些關於低維度，低維度因素等等。我已經知道了將高數據維度降低到低數據維度的PCA，SVD。換句話說，PCA和SVD可以選擇最強大的因素。那麼，這是相同的概念？（PCA和SVD的概念等於低維度因素，是這樣嗎？）如果你知道這一點，請幫助我。

0熱度

1回答

奇異值分解用0填充圖像

我正在使用SVD，使用兩個圖像，image1的尺寸是512x512，image2的尺寸是240x470。下面的代碼行中出現錯誤，因爲圖像尺寸不一樣。我知道有一種方法可以用0填充image2？但我不確定如何去做這件事？任何人都可以幫忙嗎？我正在使用Matlab。 [Uh,Sh,Vh]= svd(image1); [Uw,Sw,Vw]= svd(double(image2)); Shw = S

0熱度

1回答

您可以在有大量空值的數據集上運行奇異值分解或PCA

我有一個包含300個變量的數據集，超過300K個觀察值。有一些列有很多空值（對於某些變量高達90％）。我想最終在數據集上運行聚類算法，但我需要首先減少維數。我打算使用SVD或PCA。運行SVD或PCA時，空值是否會阻止我獲得正確的結果？是的，有什麼建議我應該做什麼？省略或註釋數據？此外，變量的範圍顯着不同。我是否應該將數據標準化，將這些值轉換爲列平均值的標準偏差？謝謝，埃裏克

0熱度

1回答

RVD中的SVD降維

我試圖在R中使用SVD進行矩陣的降維。我能找到「MovMat」矩陣的D，U，V矩陣。我想減少它們在D矩陣中的值小於「閾值」的一些維度。我寫下面的代碼。但我不知道如何在「MovMat」矩陣中找到低於閾值的值。 library(cluster) library(fpc) # "MovMat" is a users-movies Matrix. # It is contain the rati

2熱度

1回答

使用Matlab的矩陣低秩逼近

考慮一個256×256矩陣A。我熟悉如何使用SVD計算A的低階近似值。通常在使用[U S V] = svd(A)之後，我會用Ak = U(:,1:k)*S(1:k,1:k)*V(:,1:k)';得到k的近似值A。我的問題是我如何創建一個向量E這樣， E(k) = norm(A-Ak)爲k=1,2,3.....,256。也就是說E是256個元素每個都是norm(A-Ak)

1熱度

2回答

並行使用openMP的SVD分解不如預期的那樣執行

我最近編寫了一個基於「單側雅可比旋轉」算法的並行SVD分解例程。代碼正常工作，但速度非常慢。事實上，它應該利用內部循環的並行性for(int g=0;g<n;g++)，但在註釋掉#pragma omp paralell for指令時，我可以看到性能略有下降。換句話說，並行處理沒有明顯的速度（代碼與4個線程並行運行）。注1：幾乎所有的工作都集中在涉及矩陣A和V的相對較大的三個後續循環中。 for(h

0熱度

1回答

如何在opencv中反向操作SVD？

我使用opencv 2.4.9命令SVDecomp在圖像上應用SVD。在回替換時，它會詢問rhs array.What是那個數組？命令： 1. cv::SVDecomp(im_enc1,w,u,vt); 其中W，U，VT是SVD組件和im_enc1是inputImage的。 2. cv::SVBackSubst(w,u,vt,rhs,im_enc2); 其中w，u，vt是SVD分量，

0熱度

1回答

尺寸縮小如何適用於文檔分類

參考以下鏈接What does dimensionality reduction mean?，尺寸縮小可以很好地解釋電影和人物示例但我無法理解的是數學特徵矢量如何成爲電影的特徵，爲什麼特徵矢量和沒有任何其他矢量

1熱度

1回答

svd的一個非常大的稀疏矩陣

我有一個75000 x 75000稀疏矩陣，並且我有興趣計算完整的SVD。每當我使用： [U,D,V] = svds(A,k) 我得到一個內存不足的錯誤爲k比200大。在這種情況下是否有計算矩陣U，V和D的可跟蹤方式？