hhsh49的博客

记得在前阵一个QQ技术交流群一位朋友提过这个方法。最近看到一个相关资料，了解点皮毛。针对以下形式的L1范数优化问题：如果稀疏字典不可逆，这在压缩感知中常见的（样本个数小于信号维度）。在传统的稀疏表示中，如果稀疏表示字典很多也是不可逆的（过完备字典），即：首先代换求解变量：然后引入Bregman项，得到splitting Bre

目录(?)[+]转：http://blog.youkuaiyun.com/v_july_v/article/details/40738211  从拉普拉斯矩阵说到谱聚类0 引言    11月1日上午，机器学习班 第7次课，邹讲聚类（PPT），其中的谱聚类引起了自己的兴趣，邹从最基本的概念：单位向量、两个向量的正交、

转自：http://blog.youkuaiyun.com/left_la/article/details/9159949目录(?)[+]1、向量范数1-范数：，即向量元素绝对值之和，matlab调用函数norm(x, 1) 。2-范数：，Euclid范数（欧几里得范数，常用计算向量长度），即向量元素绝对值的平方和再开方，matlab调用函数norm(x,

矩阵的迹就是矩阵对角元素之和。有以下性质：tr(AB)=tr(BA)∂tr(AB)∂A=BT根据以上两个性质基本上就可以进行接下来的操作。首先利用上述性质计算如下导数：∂tr(ABATC)∂A对于不同位置含有两个矩阵A，该如何操作呢？这里先引入微积分中对$x^2$的分步求

转自：http://blog.youkuaiyun.com/acdreamers/article/details/44662633关于最小二乘问题的求解，之前已有梯度下降法，还有比较快速的牛顿迭代。今天来介绍一种方法，是基于矩阵求导来计算的，它的计算方式更加简洁高效，不需要大量迭代，只需解一个正规方程组。 在开始之前，首先来认识一个概念和一些用到的定理。矩阵的迹定义

矩阵迹和F范数关系

转自：http://blog.youkuaiyun.com/left_la/article/details/9159949目录(?)[+]1、向量范数1-范数：，即向量元素绝对值之和，matlab调用函数norm(x, 1) 。2-范数：，Euclid范数（欧几里得范数，常用计算向量长度），即向量元素绝对值的平方和再开方，matlab调用函数norm(x,

理解矩阵（一）前不久chensh出于不可告人的目的，要充当老师，教别人线性代数。于是我被揪住就线性代数中一些务虚性的问题与他讨论了几次。很明显，chensh觉得，要让自己在讲线性代数的时候不被那位强势的学生认为是神经病，还是比较难的事情。可怜的chensh，谁让你趟这个地雷阵？！色令智昏啊！线性代数课程，无论你从行列式入手还是直接从矩阵入手，从一开始就充斥着莫名其妙。比如说，在全国

矩阵形式的推导过程如图向量形式的推导过程详见论文：Laplacian Eigenmaps and Sp ectralT ec hniques for Em b edding and Clustering