L1-SVD算法

网上很难找的svd 复矩阵 c++程序。奇异值分解 (singular value decomposition,SVD) 是另一种正交矩阵分解法；SVD是最可靠的分解法，但是它比QR 分解法要花上近十倍的计算时间。[U,S,V]=svd(A)，其中U和V代表二个相互正交矩阵，而S代表一对角矩阵。 和QR分解法相同者， 原矩阵A不必为正方矩阵。使用SVD分解法的用途是解最小平方误差法和数据压缩。

复数矩阵的SVD分解代码，C++代码，与matlab结果一致，重构误差在1e-16量级 注意： 1. 待分解矩阵A（M*N）必须满足M>=N 2. 内含测试代码,和makefile，在xubuntu12.10下验证通过

针对传统的Prony算法在谐波及间谐波检测过程中对噪声敏感，导致辨识精度不高的问题，提出了一种基于奇异值分解(Singular Value Decomposition，SVD)和Prony的改进算法。基于SVD理论，提出了一种奇异点辅助算法，自适应地选取奇异值分解的有效阶次，从而精确地滤除噪声信号。基于已确定的有效阶次，利用改进的Prony算法对滤除噪声之后的信号进行参数辨识，可以准确地估计出各个谐波及间谐波分量的参数。通过MATLAB仿真分析，表明算法能够准确地提取出电力信号的参数信息，具有一定的应用价值。

CUDA 7.5的SVD奇异值分解实现，使用cuSolver实现的，工程是VS2013的工程，需要自己设置VC++库的include、library目录，里面有一点opencv的svd分解比较，不想看的就注释掉对应的部分就行。

DWT-SVD：DWT-SVD的音频水印

W-SVD模型下水印的嵌入算法源代码、相应的检测算法源代码（MATLAB中实现的）

张量（三维矩阵）奇异值分解即SVD分解进行图像去噪-张量（三维矩阵）奇异值分解即SVD分解进行图像去噪-SVD，最新流行算法代码，无错误

基于MATLAB的svd算法的图像三原色压缩，先用svd对图像进行三原色分解，然后分别对三原色进行svd压缩最后在合成压缩后的图像

针对地震数据进行的SVD去噪处理，该方法将信号进行分解后奇异值按大小排列，足够的维数重构信号达到去噪效果。