zl程序教程

您现在的位置是:首页 >  硬件

当前栏目

机器学习笔记 - SVD奇异值分解(1)

机器笔记学习 分解 SVD 奇异
2023-09-14 09:01:35 时间

一、旋转或缩放

1、概述

        特征分解只能对方阵进行。对于非方阵的矩阵可以使用奇异值分解(SVD)。

        使用SVD,您可以将矩阵分解为三个矩阵。我们将这些新矩阵视为空间的子变换。不是在一个动作中进行转换,而是将其分解为三个动作。

        最后,我们会将SVD应用于图像处理,看到SVD对示例图像的影响。

        我们将A分解为3个矩阵(而不是使用特征分解的两个):

奇异值分解 (SVD)

         矩阵 U、D 和 V 具有以下属性:

        U和V是正交矩阵