问题标签 [svd]

php中有SVD实现吗？

压缩后的图像大了 3 倍...

我对图像进行 svd，丢弃较小的奇异值（尽管它们很大），然后再次将矩阵相乘以获得压缩图像。压缩后的图像是黑白的，并且比原始图像大。我在哪里失败？

我试图找到给定矩阵的零空间（Ax=0 的解空间）。我找到了两个例子，但我似乎都无法工作。此外，我不明白他们在做什么才能到达那里，所以我无法调试。我希望有人能够引导我完成这个。

文档页面（numpy.linalg.svd和numpy.compress）对我来说是不透明的。我学会了通过创建矩阵C = [A|0]、找到简化的行梯形和逐行求解变量来做到这一点。在这些示例中，我似乎无法理解它是如何完成的。

感谢您的任何帮助！

这是我的示例矩阵，与维基百科示例相同：

方法（在这里和这里找到）：

当我尝试它时，我得到一个空矩阵：

我正在使用 Octave 和 R 使用简单的矩阵计算 SVD 并得到两个不同的答案！代码如下：

R

八度

我是 Octave 和 R 的新手，所以我的第一个问题是我这样做对吗？如果是这样，哪一个是“正确的”？他们俩都对吗？我也在 numpy 中尝试过，并直接调用 LAPACK 函数 dgesdd 和 dgesvd。Numpy 给我一个类似于 Octave 的答案，调用 LAPACK 函数给我一个类似于 R 的答案。

谢谢！

有人知道 C++ 的稀疏 SVD 求解器吗？我的问题涉及一些可能将列/行归零的条件不佳的矩阵。我的数据存储在 uBLAS 矩阵中，该矩阵是 Harwell-Boeing 稀疏格式。

我很难找到：

SVD 求解器

1. 可以对稀疏矩阵进行运算的 SVD 求解器。Lapack似乎无法做到这一点？我想将稀疏矩阵传递给函数和稀疏矩阵输出。
2. 一种重新组合结果的方法......这样我就可以从 x=b(A^-1) 中读取 xs。我希望这是 x=(b)(v.(d^-1).(u^t))

我希望从 GSL 重新创建以下两个步骤

我也不知道如何在 C++ 中包装 FORTRAN 库。哪里/有任何 PROPACK c/c++ 绑定？

编辑 1：我在使用 PROPACK 时遇到了一些问题。PROPACK 输出稀疏矩阵吗？它似乎将 V 输出为“V(LDV,KMAX): DOUBLE PRECISION array”。这意味着它没有？

这是我为SVD分解编写的代码，我得到了正确的输出。但是压缩图像的大小大于原始图像，所以如何计算svd图像是否压缩后，这意味着我得到了图像的大小应用 svd 迭代后的磁盘大于原始图像。

我想获得singular values of a matrix in R主要成分，然后也制作 princomp(x) 来比较结果

我知道 princomp() 会给出主要成分

问题

如何从 $d、$u 和 $v（的解 s = svd(x)）中获取主成分？

我正在尝试在 64 位 mac 上编译svdlibc 。运行 make 文件会返回错误消息：

这没有多大意义。

制作文件是：

编辑 make 文件以更改 -march 标志可以继续编译，但显然链接失败：

有人做过吗？或者我应该使用不同的 svd 库吗？（对于大型稀疏矩阵？）

编辑：porneL 似乎找到了问题所在。将 makefile 中的第一行更改为：

编译工作。尚未测试结果，但看起来很有希望。

我对 svd(XTR)有类似的问题

数据是这样的：

应用 svd 时，我得到：

按照该帖子的答案，他们建议这样做：

但是 V1 1 应该是什么意思？？？

可能重复：
比较 R 中的 svd 和 princomp

如何在 R 中使用 2 种方法（相关矩阵的 princomp() 和 svd）执行 PCA

我有一个数据集，如：

所以我这样做：

对于第二种方法，假设我有“C:\data_25_1000.txt”的相关矩阵，即：

我还计算了这个相关矩阵的 svd 并得到：

我的问题是，如何使用 $d、$u 和 $v 来获取主成分我可以使用 prcomp() 吗？如果，那怎么办？