奇异值分解SVD
Posted
tags:
篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了奇异值分解SVD相关的知识，希望对你有一定的参考价值。
参考技术A 主要是奇异值分解（Singular Value Decomposition，SVD）的意义，在5G mimo、图像压缩均有应用如果矩阵是一个对角矩阵，可以理解为 拉伸； 如果是正交（酉）矩阵，可以理解为 旋转 ，当然正交矩阵比旋转矩阵更为一般，正交矩阵包括 旋转 、 反射 以及两者的组合
上图也可以用下图中的式子形式来表示
一个奇异值的大小可以表征它对应的这个秩为1的矩阵在整体展开式中的重要性，如下图的例子，可以看出有最大奇异值的第一项矩阵已经比较接近原矩阵了，这对于图像压缩的启示是：得到图像奇异值分解后，取其奇异值较大的几个矩阵即可，这样可以大大压缩存储空间
奇异值分解SVD和偏最小二乘奇异值分解PLSSVD
以上是关于奇异值分解SVD的主要内容，如果未能解决你的问题，请参考以下文章