问题标签 [eigenvector]

我正在尝试用 Mathematica 解决广义特征值问题。我想找到矩阵 A 相对于 B 的特征值和特征向量。但是当我使用时，Eigensystem我收到以下错误。

我应该怎么办？

我正在尝试将 2D 高斯拟合到图像中。噪声非常低，所以我尝试旋转图像，使两个主轴不共同变化，找出最大值并计算两个维度的标准偏差。选择的武器是蟒蛇。

然而，我一直在寻找图像的特征向量——numpy.linalg.py假设离散数据点。我想把这张图片当作一个概率分布，采样几千个点，然后从那个分布中计算特征向量，但我确信一定有一种方法可以找到特征向量（即，半主要和半高斯椭圆的短轴）直接来自该图像。有任何想法吗？

非常感谢 ：）

您好，我正在从事一个涉及人脸识别的项目，我正在使用线性判别分析（LDA）。LDA 要求找到类间散布矩阵和类内散布矩阵的广义特征向量，这就是我印象深刻的地方。我正在使用带有 DevC++ 的 opencv 进行编码。基本上问题看起来像

其中 A 和 B 是应该找到广义特征向量的矩阵 lambda 是特征值，v 是向量

在搜索这个问题后，许多人建议去计算 B 的倒数，然后乘以 A*v

然后计算 inv(B)*A 的特征向量。

这似乎是一个很好的解决方案，但在我的情况下，散射矩阵 B 几乎是奇异的。我发现它的行列式是 10^-36 的顺序。所以我找不到它的倒数并继续上述解决方案。所以有人可以建议我一种摆脱这个问题的方法，除了单独为广义特征值问题编写代码。

PCACompute在使用如下所示的 OpenCV函数后，我得到了一个Mat代表均值和一个Mat特征向量。

datiOriginali是我的输入Mat，mean是平均值Mat，eigenvectors是特征向量Mat。

从那里，我使用了 PCAProject：

datiOriginali始终是输入Mat，mean与eigenvectors计算相同，PCACompute并且res是输出Mat。

如何使用 eigenfaces 值执行人脸识别？我不知道如何计算如上所示计算的训练图像和新图像之间的欧几里得距离。

我写了一些代码来解决一般的特征值问题，现在我将我的结果与 LAPACK 的DSPGVX函数进行比较。我刚刚使用了这个例子。

所以我得到了4个自动向量

和自动值

使用我的代码和 Mathematica 和结果都同意。

但在上一个链接中，LAPACK 报告的自动向量完全不同。

我应该相信谁？

PS 我还检查了我的自动值/自动向量是否正确，因为它们产生 A*x-lambda*B*x=0，而来自 LAPACK 的值则没有。

我完全是openCV（EmguCV）和面部比较的新手。我正在尝试实现算法，它将两张照片与特征脸向量进行比较并让我保持距离（我知道如何从训练图像集中获得图像距离）

我正在使用 Cambridge_FaceDB.zip - 一些面孔的 .pgm 图像数据库。我需要将它们加载为训练图像并用于：

trainingImages 必须是 Image 类型，但我无法创建像 trainingImages.Add(new Image("test.pgm"));

所以我想知道，如何使用 .pgm 格式以及如何将此文件的图像添加到训练集中。如果我在做某事，有人可以解释我吗？为什么？:)

我正在使用 C# 包装器 EmguCV，非常感谢

我们如何计算非方阵的平方根？ps 我尝试了 Jordan Matrix Decomposition 方法，但它似乎只适用于方阵。

如何使用Eigen3库找到广义特征值、向量？

在octave、matlab中，特征值函数的形式为：[V, lambda] = eig (A, B).

我只能在Eigen3 lib中找到这个 类，但对验证上述 matlab/octave 代码的结果没有帮助。

我正在研究谱聚类的并行算法，我需要计算 K 最大特征值。我正在为 Matlab 使用 Jacket 插件，但遗憾的是它不支持 matlab 中的 EIGS 函数（它无法计算 K 特征值并行）任何人都可以建议一些其他工具/库在 GPU 上执行此任务吗？或者我仍然可以在 GPU 辅助的 Matlab 中执行此操作吗？

我一直在使用jMarkov来分析 CTMC。这似乎是为此目的定义最完善的 Java 库。我分析的其中一个部分还需要 DTMC 的稳态解决方案。尽管 jMarkov 手册中提到它也可以处理 DTMC，但作者似乎忽略了这种情况。因此，图书馆的文档似乎不完整。

有人可以指导我完成 jMarkov 或将我指向手册中可能有用的部分吗？如果存在另一个我可以使用的库，那也很棒。此外，如果有人能指出一个 Java 实现来帮助我找到矩阵的特征向量，我会很好。

谢谢！