搜索资源列表
奇异值
- 图象处理中用到的奇异值分解及矩阵运算-singularity value decomposition and matrix computation used in image processing
qiufeixianxingfangchengzuzuixiaoerchengjiedeguangy
- 1.功能 利用广义逆求解无约束条件下的优化问题(C语言) 2.参数说明 int m : 非线性方程组中方程个数 int n : 非线性方程组中未知数个数 double eps1 : 控制最小二乘解的精度要求 double eps2 : 用于奇异值分解中的控制精度要求 double x[n] : 存放非线性方程组解的初始近似值X(0),要求各分量不全为0 int ka : Ka＝max{m,n}+1 void (*f)() : 指向计算非线性方程组中各方程
svd
- fortran版奇异值分解子程序，适合气象统计计算。
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
vector
- 矩阵运算，数值算法，vc++，奇异值分解，svd
core
- 矩阵的QR分解算法，奇异值分解算法等，可以用于数据万挖掘的算法之中，或者作为学习用
svd_cpp
- 用C++写的 SVD 奇异值分解算法，用于学习与研究。-Written in C++ SVD algorithm for learning and research.
pinv
- //奇异值分解法求广义逆 //本函数返回值小于0表示在奇异值分解过程, //中迭代值超过了60次还未满足精度要求. //返回值大于0表示正常返回。 //a-长度为m*n的数组，返回时其对角线依次给出奇异值，其余元素为0 //m-矩阵的行数 //n-矩阵的列数 //aa-长度为n*m的数组，返回式存放A的广义逆 //eps-精度要求 //u-长度为m*m的数组，返回时存放奇异值分解的左奇异量U //v-长度为n*n的数组，返回时存放奇异值分解的左奇异量
SVD
- 最小二乘估值的SVD分解计算方法，本程序可将最小二乘估值问题转化为超定方程组的问题处理，且可用奇异值分解的方法计算最小二乘问题。-Least Squares Estimates of the SVD decomposition method, the valuation process can be transformed into squares overdetermined equations deal with the problem, and can be calculated sing
xxfc
- 全主元高斯约当消去法 2.LU分解法 3.追赶法 4.五对角线性方程组解法 5.线性方程组解的迭代改善 6.范德蒙方程组解法 7.托伯利兹方程组解法 8.奇异值分解 9.线性方程组的共轭梯度法 10.对称方程组的乔列斯基分解法 11.矩阵的QR分解 12.松弛迭代法-PCA-wide Gauss Jordan elimination method 2.LU decomposition method 3. To catch up with law 4.
rsvd
- 基于GM算法和QR分解实现的稳健奇异值分解算法，通过该算法可以获取一个数居阵的稳健方差－协方差阵。在该稳健方差－协方差阵上可以进行诸如，稳健主成份分解、稳健聚类、稳健因子分析等操作。-GM based on QR decomposition algorithm and the realization of the stability of singular value decomposition algorithm, the algorithm can be accessed through a
CLAPACK3-Windows
- LAPACK是用Fortran90和规定套路解决系统同步线性方程组，最小二乘解线性方程组，特征值问题，以及奇异值问题。相关的矩阵分解（陆，乔莱斯基，快速反应，分解，舒尔，广义Schur ）也提供了，因为有关的计算，如重新安排的舒尔分解和估计条件号码。致密带状矩阵的处理，而不是一般稀疏矩阵。在所有领域，类似的功能是提供真正的和复杂的矩阵，在单，双精度-LAPACK is written in Fortran90 and provides routines for solving systems o
single
- 一般性的奇异值分解算法，float浮点型。-SGGSVD computes the generalized singular value decomposition (GSVD) * of an M-by-N real matrix A and P-by-N real matrix B: * * U*A*Q = D1*( 0 R ), V*B*Q = D2*( 0 R ) * * where U, V and Q are orthogonal matric
single
- 使用奇异值分解来帮助求解最小二乘问题，特别是在方程系数矩阵不满秩的情况下。-SGELSD computes the minimum-norm solution to a real linear least * squares problem: * minimize 2-norm(| b- A*x |) * using the singular value decomposition (SVD) of A. A is an M-by-N * matrix which
SVD
- 实矩阵奇异值分解，可控制技术精度，被其他程序调用的子程序。-Real matrix singular value decomposition, can control the precision,be used by other programs called subroutines.
Matrix
- 该程序是主要描述的是矩阵运算，包括矩阵的基本运算，矩阵的求逆，矩阵的奇异值分解，以及特征值以及特征向量的求解等等。-The program is the main descr iption of the matrix operations, including the basic matrix operations, matrix inverse, matrix singular value decomposition, and the characteristic value and char
matriccaculator
- 可对任意两个矩阵做加法、减法、乘法等运算；同时可对单个矩阵求转置矩阵、三角分解、奇异值分解等操作，功能强大-matriccaculator
12
- 一类基于奇异值分解的Lyapunov指数计算方法
svd.c
- SVD算法可用来求解大多数的线性最小二乘法问题.对矩阵进行奇异值分解。-SVD algorithm is used to solve most of the linear least squares problem. Of the matrix singular value decomposition.
Singular-Value-Decomposition-(SVD)
- 奇异值分解，线性代数中一种重要的矩阵分解，是矩阵分析中正规矩阵酉对角化的推广。在信号处理、统计学等领域有重要应用。 -Singular Value Decomposition (SVD)