矩阵奇异值分解在数据压缩中的应用

青海 金, 祖根 晏

摘要


矩阵奇异值分解是在机器学习中广泛应用的算法，它不仅可以用于数据降维算法中的特征分析，还可用于推荐系统中的数据处理，以及自然语言处理等领域。它是很多机器学习算法的基础。论文详述了矩阵奇异值分解的原理及发展历程，基于该方法可构造相应的数据压缩算法，该算法具有一定的应用和理论研究价值。

关键词


SVD；EVD；数据压缩；误差分析

全文:

PDF

参考


Golub L M, Lee H M, Lehrer G, et al. Minocycline reduces gingival collagenolytic activity during diabetes: preliminary observations and a proposed new mechanism of action[J]. Journal of periodontal research,1983,18(5):516-526.

Chan T F, Golub G H, LeVeque R J. Algorithms for computing the sample variance: Analysis and recommendations[J]. The American Statistician,1983,37(3):242-247.

Golub S S. Oil prices and exchange rates[J]. The Economic Journal,1983,93(371):576-593.

Andrews H C, Patterson C L. Outer product expansions and their uses in digital image processing[J]. The American Mathematical Monthly,1975,82(1):1-13.

Long C. Visualization of matrix singular value decomposition[J]. Mathematics Magazine,1983,56(3):161-167.

Gabriel K R. The biplot graphic display of matrices with application to principal component analysis[J]. Biometrika,1971,58(3):453-467.

Moler C, Morrison D. Singular value analysis of cryptograms[J]. The american mathematical monthly,1983,90(2):78-87.




DOI: https://doi.org/10.12346/csai.v1i3.7747

Refbacks

  • 当前没有refback。


版权所有（c）{$ COPYRIGHTYEAR} {$ copyrightHolder}

Creative Commons License
此作品已接受知识共享署名-非商业性使用-禁止演绎 4.0国际许可协议的许可。