svd

    1熱度

    1回答

    我正在嘗試將圖像嵌入到視頻序列中。該過程需要將幀分解爲SVD,我試圖使用下面的部分代碼來實現。第47行的SVD構造函數失敗,出現分段錯誤。 GDB報告以下錯誤: 「計劃接收信號SIGSEGV,分割過錯 0xb5d31ada在dlange_()從/usr/lib/liblapack.so.3gf。」 #include <iostream> #include <stdio.h> #include

    0熱度

    1回答

    我正在做一個使用向量空間模型的搜索引擎項目,爲此我需要創建一個術語文檔矩陣,然後在其上應用SVD。 我應該把這個詞作爲行和文檔作爲列嗎? 我做它在Java所以它應該是這樣的: 計數[keywordList.size()] [listOfFilesinCorpus.length] 還是應該是相反的?我需要將這個二維數組傳遞給apache commons數學的: RealMatrix A = Arra

    6熱度

    1回答

    最近我一直在進行潛在語義分析。我通過使用Jama軟件包在java中實現了它。 下面是代碼: Matrix vtranspose ; a = new Matrix(termdoc); termdoc = a.getArray(); a = a.transpose() ; SingularValueDecomposition sv =new SingularVa

    0熱度

    1回答

    我正在尋找一種Java中的線性代數庫,它可以處理大型「稀疏」矩陣(比如說100萬),並在矩陣上執行像SVD,LU這樣的分解。 我環顧四周,嘗試了COLT,但它只能處理矩陣達到固定數量的元素。 EJML網站也提到它將無法處理這個問題。 (http://code.google.com/p/efficient-java-matrix-library/wiki/FAQ) 我知道在C++中有可以處理這種大小

    0熱度

    1回答

    我有一個不同維度的數據點,我想比較它們之間的關係,以便我可以刪除多餘的點。我試圖通過使用PCA來製作相同維度的點,但問題是PCA減小了維度,但是由於結果點與我所得到的點不同,我失去了每個維度的含義,所以我想知道是否存在任何其他方式這樣做。換句話說,我想知道是否有什麼方法可以幫助我比較不同維數的點。

    1熱度

    1回答

    我的目標是將已知矩形(例如800×600屏幕)的透視座標轉換爲偏斜/旋轉的四邊形。要做到這一點,我發現這是非常有幫助的:Transforming captured co-ordinates into screen co-ordinates 我想這個問題還有更多的解決方案。 1通過在你的四邊形外面製作三角形並應用一些我還不能解決的數學函數。 或使用來自公式A = USVt的H矩陣。這看起來不錯,因爲

    0熱度

    1回答

    我已經經歷了jama和小馬(我在java中編寫代碼)。他們都期望我使用數組,使得行數多於coloumns的數量。 但是在潛在語義分析(LSA)的情況下,我有5本書,總共有1000個單詞。當我使用術語文檔矩陣時,我得到一個5 * 1000的矩陣。 由於這不起作用,我被迫轉置矩陣。在轉置我使用1000 * 5。用1000 * 5當我執行svd時,我得到一個5 * 5的S矩陣。爲了執行降維,5 * 5矩

    1熱度

    1回答

    我環顧四周尋找用於Xcode的C代碼中的SVD庫。我發現svdcmp.c(從計算中的數字食譜),但它非常非常慢。我發現其他SVD庫如SVDLIBC和CLAPACK。但是它們必須由終端編譯。有沒有在Xcode中編譯它們的方法?或者可能有另一個圖書館在場?

    3熱度

    2回答

    我使用numpy.svd來計算嚴重條件矩陣的奇異值分解。對於一些特殊情況,svd不會收斂並引發Linalg.Error。我做了一些研究,發現numpy使用LAPACK的DGESDD例程。標準實現具有35次迭代的硬編碼迭代限制。如果我嘗試在Matlab中分解相同的矩陣,一切正常,我認爲有兩個原因: 1. Matlab使用DGESVD而不是DGESDD,它通常看起來更健壯。 2. Matlab在例程中

    0熱度

    1回答

    我有需要居中和縮放的數據,以圍繞原點爲中心。然後需要旋轉數據,以便x軸上的最大方差的方向。然後計算數據和協方差的平均值。我需要協方差矩陣的第一個元素爲1.我認爲這是通過調整比例因子來完成的,但我無法弄清楚比例因子應該是多少。 爲了使數據居中,我取走了平均值,並旋轉了我使用的SVD,但縮放仍然是我的問題。 signature = numpy.loadtxt(name, comments = '%',