- 博客(3)
- 收藏
- 关注
RSS订阅原创 针孔摄像机
理想情况下，如果匹配点完全精确，最小的奇异值应该等于 0，因为存在精确解。点的检测有噪声匹配可能有误差方程数 > 未知数（超定方程组）所以最小的奇异值不等于 0，只是很小。我们取它对应的右奇异向量作为最小二乘意义下的最优解。
2026-08-08 16:23:17
179
原创 奇异值分解（SVD）的数学原理与实现
本文深入解析了奇异值分解（SVD）的数学本质与计算方法。SVD将任意m×n矩阵A分解为A=UΣVᵀ，其中U、V为正交矩阵，Σ为对角矩阵。其核心思想源于对称矩阵AᵀA和AAᵀ的特征值分解：奇异值是特征值的平方根，左右奇异向量分别对应特征向量。文章通过具体数值示例演示了SVD的计算过程，并指出实际算法（如QR迭代法、分治法）为避免数值不稳定性而采用更优策略。最后强调SVD的几何意义（旋转-拉伸-旋转变换）及其在求解线性系统Ah=0中的应用价值——通过最小奇异值对应的右奇异向量获得最优解。
2026-08-06 19:07:00
203
原创 Needleman-Wunsch algorithm
完全学自.https://en.wikipedia.org/wiki/Needleman%E2%80%93Wunsch_algorithm 还有内容会更新补充 编者按： 比对其实应该对应的单词是alignment，但往往特指低通量的序列之间的比较。比如10条序列，进行多序列比对就是我们常说的 multiple alignment问题；如果是2条序列的比对，我们经常称其为pairwise al...
2018-05-23 17:46:46
518
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人