基于SVD的图像压缩
基于SVD的协同过滤推荐系统
我的博客地址：
http://blog.csdn.net/jinshengtao/article/details/41387379
2020-01-03 11:23:22
3.95MB
1
CroppedYale人脸数据降维的MATLAB代码，使用PCA，SVD和MATLAB自带的PCA对比时间、准确度，可以直接运行。对比中心化给PCA带来的影响；对比PCA与SVD的异同；选取合适的维度k，并观察k个特征向量对应的图像；对比自己实现的PCA算法与matlab自带的PCA函数的性能
2020-01-03 11:21:55
787KB
1
奇异值分解 SVD LSI 源码
奇异值分解 SVD LSI 源码
奇异值分解 SVD LSI 源码
奇异值分解 SVD LSI 源码
2019-12-21 22:25:39
9KB
1
这是一篇来自土耳其中东技术大学的2010年的硕士论文，主要讲述了在推荐系统中应用SVD方法。该论文提出两个创新点：第一个是先将User与Item分类，然后根据分类将矩阵分成相应的“子矩阵”，对这些矩阵进行相应的SVD，实验表明这样做不仅会提高准确率还会降低计算复杂度；另一个是向二维矩阵中引入Tags，使其成为三维矩阵，再通过矩阵分解成、、子矩阵，最后再进行SVD，实验表明引入Tags会提高推荐性能。
2019-12-21 22:15:16
906KB
1
奇异值分解在某些方面与对称矩阵或Hermite矩阵基于特征向量的对角化类似。然而这两种矩阵分解尽管有其相关性，但还是有明显的不同。对称阵特征向量分解的基础是谱分析，而奇异值分解则是谱分析理论在任意矩阵上的推广。
资源提供的是奇异值分解的C语言实现。
2019-12-21 22:01:09
8KB
1