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的几何意义。能在有限的篇幅把这个问题讲解的如此清晰，实属不易。原文举了一个简单的图像处理问题，简单形象，真心希望路过的各路朋友能从不同的角度阐述下自己对SVD实际意义的理解，比如 个性化推荐中应用了SVD，...
分类：
其他好文 时间：
2015-04-16 14:08:23
阅读次数：
223
看到的一篇比较好的关于SVD几何解释与简单应用的文章，其实是有中文译本的，但是翻译的太烂，还不如直接看英文原文的。课本上学的往往是知其然不知其所以然，希望这篇文能为所有初学svd的童鞋提供些直观的认识吧。A sigular value decomposition目录(?)[-]Introductio...
分类：
其他好文 时间：
2015-04-11 13:02:21
阅读次数：
160
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。 内容： PCA （主成份分析）是一种直接的降维方法，通过求解特征值与特征向量，并选取特征值较大的一些特征向量来达到降维的效果； PCA 的一个应用——LSI(Latent Semantic Indexing, 隐含语义...
分类：
其他好文 时间：
2015-04-10 22:21:55
阅读次数：
371
首先确实是觉得这篇文章写得很好，后面的附录也是非常值得一看
整体框架转自
http://www.cnblogs.com/LeftNotEasy/archive/2011/01/19/svd-and-applications.html
中间穿插一些自己的理解的部分
前言：
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...
分类：
其他好文 时间：
2015-04-10 13:35:58
阅读次数：
218
在优化求解问题中，经常要用到矩阵奇异值的SVD分解。奇异值分解 (singularvalue decomposition,SVD)是一种可靠地正交矩阵分解法，它比QR分解法要花上近十倍的计算时间。在Ubuntu下基于eigen C++库测试了eigen SVD算法的性能，即SVD求解最小二乘/伪逆...
分类：
编程语言 时间：
2015-03-03 06:24:38
阅读次数：
553
概述：本教程为您介绍.Net唯一的数学与统计学运算库NMath，实现矩阵分解的两种方法。 Nmath中包括用于构造和操作矩阵QR和奇异值分解的分解类。QR分解如下表示： 1 AP=QR 其中P是一个可置换矩阵，Q是正交的...
分类：
其他好文 时间：
2015-02-17 09:17:20
阅读次数：
148
高斯函数是数学上非常重要的函数，我们熟悉的正态分布的密度函数就是高斯函数，也称高斯分布。而正态分布无疑是概率论与数理统计里最重要的一个分布了。
现在的问题是如果给出一些点集，如何找到一个高斯函数来拟合这些点集呢！
当然，拟合方式还是最小二乘法，拟合函数形式为：
y=a*exp(-((x-b)/c)^2);
一共有三个参数，a、b、c.不过这种指数函数拟合比较难实...
分类：
编程语言 时间：
2015-01-09 17:35:44
阅读次数：
507
对平面上的一些点拟合有很多手段，其中椭圆拟合在图像轮廓划分等很多方面都很重要，当然，我们一般还是用最小二乘法来拟合椭圆，
在这里，我实现了两种算法，一种是
http://wenku.baidu.com/link?url=7kIrC8LoOMCtlmAH8yqkpUQfiKwWnVe4EoUJekkQSgQ1qTWfLAuEXTYvYTv7SATGIJYX4IxcTIB94-i...
分类：
其他好文 时间：
2014-12-31 18:34:49
阅读次数：
185
【简化数据】奇异值分解(SVD)
@author：wepon
@blog：http://blog.csdn.net/u012162613/article/details/42214205
1、简介
奇异值分解（singular Value Decomposition），简称SVD，线性代数中矩阵分解的方法。假如有一个矩阵A，对它进行奇异值分解，可以得到三个矩阵：
...
分类：
其他好文 时间：
2014-12-28 17:01:34
阅读次数：
212
