虫虫首页| 资源下载| 资源专辑| 精品软件
登录| 注册

奇异值分解

奇异值分解(SingularValueDecomposition)是线性代数中一种重要的矩阵分解,奇异值分解则是特征分解在任意矩阵上的推广。在信号处理、统计学等领域有重要应用。[1]
  • 用VB实现线性方程组的求解。包括:高斯消元法

    用VB实现线性方程组的求解。包括:高斯消元法,LU分解法追赶法,迭代法,奇异值分解,乔累斯基分解法等12种数值方法。

    标签: 线性 方程 高斯

    上传时间: 2015-04-15

    上传用户:372825274

  • 1.功能 利用广义逆求解无约束条件下的优化问题(C语言) 2.参数说明 int m : 非线性方程组中方程个数 int n : 非线性方程组中未知数个数 double eps1 : 控制

    1.功能 利用广义逆求解无约束条件下的优化问题(C语言) 2.参数说明 int m : 非线性方程组中方程个数 int n : 非线性方程组中未知数个数 double eps1 : 控制最小二乘解的精度要求 double eps2 : 用于奇异值分解中的控制精度要求 double x[n] : 存放非线性方程组解的初始近似值X(0),要求各分量不全为0 int ka : Ka=max{m,n}+1 void (*f)() : 指向计算非线性方程组中各方程左端函数值的函数名(用户自编) void (*s)() : 指向计算雅可比矩阵的函数名 int ngin() : 函数返回一个标志值 3.文件说明 ngin.c函数文件 ngin0.c主函数文件

    标签: int double eps1 方程

    上传时间: 2013-12-23

    上传用户:大三三

  • 当计算混沌系统Lyapunov指数时

    当计算混沌系统Lyapunov指数时,gs.m代码实现正交化 直接运行L2.m,可计算出Lyapunov指数(该代码是基于奇异值分解计算Lyapunov指数的)

    标签: Lyapunov 计算 混沌系统

    上传时间: 2015-10-20

    上传用户:semi1981

  • LDA/GSVD算法matlab代码

    LDA/GSVD算法matlab代码,可用来实现基于广义奇异值分解的线性鉴别分析方法

    标签: matlab GSVD LDA 算法

    上传时间: 2013-12-20

    上传用户:515414293

  • 模式分类中应用到的PCA算法

    模式分类中应用到的PCA算法,包括其奇异值分解SVD算法。可用来降维提取主元素等。

    标签: PCA 模式 分类 算法

    上传时间: 2014-01-09

    上传用户:牧羊人8920

  • 使用C#编辑的一些矩阵运算的源程序

    使用C#编辑的一些矩阵运算的源程序,包括矩阵奇异值分解,还有一些示例。

    标签: 编辑 矩阵运算 源程序

    上传时间: 2014-12-22

    上传用户:集美慧

  • 矩阵运算

    矩阵运算,数值算法,vc++,奇异值分解,svd

    标签: 矩阵运算

    上传时间: 2016-05-29

    上传用户:a6697238

  • 潜在语义准备

    潜在语义准备,包括文档变换,SVD(奇异值分解)等方法。

    标签:

    上传时间: 2017-02-12

    上传用户:ainimao

  • 此包包含了众多矩阵处理程序

    此包包含了众多矩阵处理程序,能够满足矩阵处理的一般要求,由于将各功能分开到不同的“.cpp”文件中,故使用时需要用户自行选取更换合适自己使用的“.cpp”文件。其中,矩阵功能有:输出矩阵、矩阵转置、矩阵归一化、判断矩阵对称、判断矩阵对称正定、全选主元法求矩阵行列式、全选主元高斯(Gauss)消去法求一般矩阵的秩、用全选主元高斯-约当(Gauss-Jordan)消去法计算实(复)矩阵的逆矩阵、用“变量循环重新编号法”法求对称正定矩阵逆、特兰持(Trench)法求托伯利兹(Toeplitz)矩阵逆、实矩阵LU分解、用豪斯荷尔德(Householder)变换对一般m*n阶的实矩阵进行QR分解、对称正定阵的乔里斯基(Cholesky)分解及求其行列式值、一般实矩阵的奇异值分解、广义逆的奇异值分解

    标签: 矩阵处理 程序

    上传时间: 2013-12-27

    上传用户:duoshen1989

  • 这是基于PCA的人脸识别

    这是基于PCA的人脸识别,用MATLAB编写,包含了K-L变换,奇异值分解等方法,且采用了最小距离分类器

    标签: PCA 人脸识别

    上传时间: 2017-07-19

    上传用户:zhengjian