一、特征值和特征向量的概念

matlab算法之首行归1化求特征向量.txt

3.1.1特征值和特征向量习题集2.pdf，这是一份不错的文件

人脸识别仿真,提取ORL人脸数据库的协方差矩阵S的特征值和特征向量,通过PCA降维后人脸识别+含代码操作演示视频 运行注意事项：使用matlab2021a或者更高版本测试，运行里面的Runme.m文件，不要直接运行子函数文件。运行时注意matlab左侧的当前文件夹窗口必须是当前工程所在路径。具体可观看提供的操作录像视频跟着操作。

研究Pascal矩阵谱半径及其对应特征向量的数值求解算法问题,利用幂法和Pascal矩阵的性质给出了一个有效的迭代求解算法,该算法每一步迭代只用到浮点数的加法运算。同时数值实验显示,该算法具有较高的精度和较快的收敛速度。

很好用的有关矩阵的各种操作，包括求逆，特征值，特征向量，svd分解等c++语言

java语言编写的一个求特征值和特征向量，算法是：先采用正交分解进行QR分解，然后进行迭代N次后求出对角矩阵和正交矩阵，对角矩阵即为特征值，正交矩阵即为特征向量。

使用c语言求矩阵的特征值和特征向量。使用数值积分方法，纯c语言编写，主要是用的QR分解，vs工程文件。

优化半监督学习 该matlab代码提供了已开发和分发的原始版本的计算优化版本。 提供了一个matlab代码来近似拉普拉斯特征向量。 他计算了Laplace Beltrami算子的本征函数，然后对其进行插值以计算laplacian本征向量。 该matlab代码提供了用于计算近似拉普拉斯特征向量的优化过程。 下图显示了使用三种不同过程计算拉普拉斯平滑度的时间分析。 使用精确的拉普拉斯特征向量（EigVector） 使用Laplace Beltrami算子本征函数（Eigfunctions-Fergus） 对Laplace Beltrami算子本征函数使用优化方法（Eigfunctions-Taha） ＃＃动机 我们将交互式图像分割问题转换为半监督学习问题。 我们使用了 matlab代码来测试我们想法的有效性。 尽管结果令人鼓舞，但为小图像计算拉普拉斯平滑度所需的时间太大。 因此，我们优

利用小波变换对压力信号分解的基本原理，对压力信号消噪和管道特征向量提取。小波门限法去除噪声有良好的效果，它能在保留信号有用成分的基础上，最大限度地抑制噪声；利用小波包精细频分技术，可以对信号的频带细分，并且从频带的能量角度建立管道运行状态的特征向量，对管道的运行状态实时监测。