K-SVD 源代码

K-SVD是一种经典的字典训练算法,依据误差最小原则,对误差项进行SVD分解,选择使误差最小的分解项作为更新的字典原子和对应的原子系数,经过不断的迭代从而得到优化的解。

收录资源 500 份 全站深度检索
源码文件

>> digits(3) >> A = sym(magic(4)); >> svd(A) >> svd(vpa(A)) >> [U,S,V] = svd(A)

源码文件

a=[9 1 2;5 6 3;8 2 7]; [v,d]=eig(a) a=[9 1 2;5 6 3;8 2 7]; [u,s,v]=svd(a) [l,u]=lu(a) [q,r]=qr(a) c=chol(a)

源码文件

a=[9 1 2;5 6 3;8 2 7]; [v,d]=eig(a) a=[9 1 2;5 6 3;8 2 7]; [u,s,v]=svd(a) [l,u]=lu(a) [q,r]=qr(a) c=chol(a)

源码文件

例1.54 矩阵的奇异值分解。 >> X=magic(4); >> X(2,3)=7 X = 16 2 3 13 5 11 7 8 9 7 6 …

源码文件

例1.54 矩阵的奇异值分解。 >> X=magic(4); >> X(2,3)=7 X = 16 2 3 13 5 11 7 8 9 7 6 …

源码文件

(A+3)*(Q-6) 10-2*(A+Q) 5+4+7+8 J+2*5+3 A/(3/(A/5)) (10*4+9)/2 4*6/(K-K) 9-(3-8)*3 8/3*8+3 8/(3-8/3) A+J/K*Q J+K+A-A A/…

源码文件

X=[1.00,2.00;3.00,4.00]; save('c:\test.dat','X','-ascii'); %[U,S,V] = SVD(X);

源码文件

A = [1,2,3; 4 5 6; 7 8 0]; [L, A1, M]=svd(A) B = A'*A; C=sqrt(eig(B)); [cond(A), A1(1)/A1(end) C(end)/C(1)]

源码文件

s = svd(A); tol = max(size(A))*eps(max(s)); r = sum(s > tol)

源码文件

A = [1,2,3; 4 5 6; 7 8 0]; [L, A1, M]=svd(A) B = A'*A; C=sqrt(eig(B)); [cond(A), A1(1)/A1(end) C(end)/C(1)]