用 GSL 求解超定方程组及矩阵的奇异值分解(SVD)最近在学习高动态图像（HDR）合成的算法，其中需要求解一个超定方程组，因此花了点时间研究了一下如何用 GSL 来解决这个问题。GSL 里是有个最小...
分类：
其他好文 时间：
2016-11-20 14:06:14
阅读次数：
346
把r-cnn系列总结下，让整个流程更清晰。 整个系列是从r-cnn至spp-net到fast r-cnn再到faster r-cnn。 RCNN 输入图像，使用selective search来构造proposals（大小不一，需归一化），输入到CNN网络来提取特征， 并根据特征来判断是什么物体（分 ...
分类：
其他好文 时间：
2016-11-17 20:10:57
阅读次数：
208
1. Introduction Broadcast（广播） television and home entertainment（娱乐） have been revolutionised（彻底改变） by the advent（出现） of digital TV andDVD-video.（--广播电 ...
分类：
其他好文 时间：
2016-11-08 23:04:46
阅读次数：
270
ComputeSVD 构建一个4×5的矩阵M: M矩阵的奇异值分解后奇异矩阵s应为： 4 0 0 0 0 0 3 0 0 0 0 0 √5 0 0 0 0 0 0 0 我们将通过ComputeSVD函数进行验证. <一> 构造RowMatrix矩阵:M scala> val M = new RowM ...
分类：
其他好文 时间：
2016-11-04 01:14:11
阅读次数：
316
在新手接触推荐系统这个领域时，遇到第一个理解起来比较困难的就是协同过滤法。那么如果这时候百度的话，得到最多的是奇异值分解法，即（SVD）。SVD的作用大致是将一个矩阵分解为三个矩阵相乘的形式。如果运用在推荐系统中，首先我们将我们的训练集表示成矩阵的形式，这里我们以movielen数据集为例。这个数据 ...
分类：
其他好文 时间：
2016-10-25 02:01:44
阅读次数：
1266
因项目上需要用到特征提取算法，突然想起早些时候看吴军的数学之美里有讲到SVD分解，当时就大致浏览了下，今天在这里用图像作为例子加深下印象，显示下svd特征提取、降维效果。 奇异值分解（Singular Value Decomposition）定理：设A为m*n阶复矩阵，则存在m阶酉阵U和n阶酉阵V， ...
分类：
其他好文 时间：
2016-10-19 13:54:07
阅读次数：
193
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：
2016-10-09 09:13:54
阅读次数：
194
介绍奇异值分解+python代码实践，SVD在图片压缩以及推荐系统中有广泛的应用场景 ...
分类：
编程语言 时间：
2016-09-21 21:33:59
阅读次数：
198
出处： 本文转自http://leftnoteasy.cnblogs.com 前言： 上一次写了关于PCA与LDA的 文章，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。在上篇文章中便是基于特征值分解的一种解释。特征值和奇异值在 大部分人的印象中，往往是停留在纯粹的 ...
分类：
其他好文 时间：
2016-09-18 10:16:54
阅读次数：
239
