前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >简单易学的机器学习算法——SVD奇异值分解

简单易学的机器学习算法——SVD奇异值分解

作者头像
felixzhao
发布2018-03-15 14:09:29
8450
发布2018-03-15 14:09:29
举报
文章被收录于专栏:null的专栏null的专栏null的专栏

一、SVD奇异值分解的定义

二、SVD奇异值分解与特征值分解的关系

    特征值分解与SVD奇异值分解的目的都是提取一个矩阵最重要的特征。然而,特征值分解只适用于方阵,而SVD奇异值分解适用于任意的矩阵,不一定是方阵。

三、SVD奇异值分解的作用和意义   

五、实验的仿真

    我们在手写体上做实验,原始矩阵为

原始矩阵

对应的图像为

对应图像

经过SVD分解后的奇异值矩阵为

部分奇异值矩阵

取前14个非零奇异值

前14个非零奇异值

还原原始矩阵B,还原后的图像为

还原后的图像

对比图像

对比图像

MATLAB代码

%% 测试奇异值分解过程
load data.mat;%该文件是做好的一个手写体的图片
B = zeros(28,28);%将行向量重新转换成原始的图片

for i = 1:28
    j = 28*(i-1)+1;
    B(i,:) = A(1,j:j+27);
end

%进行奇异值分解
[U S V] = svd(B);

%选取前面14个非零奇异值
for i = 1:14
    for j = 1:14
        S_1(i,j) = S(i,j);
    end
end

%左奇异矩阵
for i = 1:28
    for j = 1:14
        U_1(i,j) = U(i,j);
    end
end

%右奇异矩阵
for i = 1:28
    for j = 1:14
        V_1(i,j) = V(i,j);
    end
end

B_1 = U_1*S_1*V_1';

%同时输出两个图片
subplot(121);imshow(B);
subplot(122);imshow(B_1);

$(".MathJax").remove();

本文参与 腾讯云自媒体分享计划,分享自作者个人站点/博客。
如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 作者个人站点/博客 前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体分享计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • 一、SVD奇异值分解的定义
  • 二、SVD奇异值分解与特征值分解的关系
  • 三、SVD奇异值分解的作用和意义   
  • 五、实验的仿真
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档