
图像处理
liujianli123
这个作者很懒,什么都没留下…
展开
-
机器学习中的数学(5)-强大的矩阵奇异值分解(SVD)及其应用
版权声明: 本文由LeftNotEasy发布于http://leftnoteasy.cnblogs.com, 本文可以被全部的转载或者部分使用,但请注明出处,如果有问题,请联系wheeleast@gmail.com 前言: 上一次写了关于PCA与LDA的文章,PCA的实现一般有两种,一种是用特征值分解去实现的,一种是用奇异值分解去实现的。在上篇文章中便是基于特征值转载 2014-11-29 13:46:06 · 741 阅读 · 0 评论 -
特征向量
矩阵的基础内容以前已经提到,今天我们来看看矩阵的重要特性——特征向量。 矩阵是个非常抽象的数学概念,很多人到了这里往往望而生畏。比如矩阵的乘法为什么有这样奇怪的定义?实际上是由工程实际需要定义过来的。如果只知道概念不懂有何用处,思维就只有抽象性而没有直观性,实在是无法感受矩阵的精妙。 直观性说明 我们先看点直观性的内容。矩阵的特征方程式是: A * x =转载 2014-11-29 13:35:33 · 1130 阅读 · 0 评论