搜索资源列表
SVD
- ％ 奇异值分解 (sigular value decomposition,SVD) 是另一种正交矩阵分解法；SVD是最可靠的分解法， ％ 但是它比QR 分解法要花上近十倍的计算时间。[U,S,V]=svd(A)，其中U和V代表二个相互正交矩阵， ％ 而S代表一对角矩阵。 和QR分解法相同者， 原矩阵A不必为正方矩阵。 ％ 使用SVD分解法的用途是解最小平方误差法和数据压缩。用svd分解法解线性方程组，在Quke2中就用这个来计算图形信息，性能相当的好。在计算线性方程组时，一些不能分
svd
- 数字水印技术已经成为信息隐含技术的新热门。这里提供一个基于svd的数字水印源代码，大家共享
svd
- SVD算法：利用SVD分解的平移、旋转矩阵算法
svd
- 介绍基于改进型的SVD变换的数字水印技术算法
svd-tls
- 谐波恢复的ARMA建模算法(基于SVD-TLS)（张贤达《现代信号处理》）。当谐波信号为复谐波的时，该算法仍然适用。但该程序中没有给出具体的实现。
经典SVD图像去噪算法
- SVD去噪算法，
压缩感知重建算法OMP 及K-SVD
- 文件中包换了稀疏矩阵的重建及在图像去噪方面的应用
svd资源包
- c语言的源代码，关于svd的
SVD-TLS.rar
- 利用奇异值分解-总体最小二乘法估计ARMA模型的AR参数,并利用参数进行谐波恢复仿真程序,The use of singular value decomposition- total least squares estimation of AR parameters of ARMA model and using the parameters of harmonic retrieval simulation program
SVD++
- 简单的SVD基于movielens的开发python程序(this is a simple SVD write by python base on movielens dataset)
LU、QR、SVD
- 本函数可以实现矩阵的LU变换、QR变换、SVD变换，开发环境为Matlab(This function can realize the matrix of the LU transform, QR transform, SVD transform, development environment for Matlab)
奇异值分解(SVD).cpp
- 奇异值分解(SVD)VC++程序，网上的都有错误，此程序修正了错误的地方。(Singular value decomposition (SVD) VC ++program, there are errors on the Internet, this program fixes the wrong place.)
Hybrid SVD-WDR
- In this paper a new image compression technique is presented using Singular value decomposition (SVD) and wavelet difference reduction (WDR). In this we have done hybridization of these two techniques in order to achieve higher compression rate and b
SVD UMATRICE
- documentation about watermarking using umatrix and svd
DWT-SVD-master
- DWT-SVD-master with matlab
SVD
- 奇异值分解算法SVD,其中包含几个构造的地震信号，分别去噪对比结果(ingular Value Decomposition (SVD) algorithm, which contains several structural seismic signals, denoising and contrast results respectively)
基于K-SVD字典学习程序
- 基于K-SVD字典学习程序,自适应学习字典(Dictionary learning program based on K-SVD)
svd
- svd的简单实现。用于学习。用c语言实现的。(A simple implementation of svd. Used for learning)
电影评分 svd
- SVD算法不光可以用于降维算法中的特征分解，还可以用于推荐系统，以及自然语言处理等领域。是很多机器学习算法的基石。内含电影平分数据集(SVD algorithm can be used not only in feature decomposition of dimension reduction algorithm, but also in recommendation system, natural language processing and other fields. Is the c