稀疏矩阵的完全链表表示及其运算 建立一个用户友好、菜单式系统进行下列操作，并使用合当的测试数据测试改系统 （a）读取一个稀疏矩阵建立其完全链表表示 （b）输出一个稀疏矩阵的内容 （c）删除一个稀疏矩阵 （d）两个稀疏矩阵相加 （e）两个稀疏矩阵相减 （f）两个稀疏矩阵相乘 （g）稀疏矩阵的转置

matlab矩阵运算的代码相对MMD 用于计算MMD和相对MMD测试的代码。 请参阅 在Example_Vae.py下提供了一个示例，该示例训练两个变型自动编码器，然后使用MMD将它们的样本与保留集进行比较。 相对MMD计算必须准确以确保其有效性。 因此，矩阵运算可能会很昂贵。 请确保您已正确配置numpy安装（链接到优化的blas库（如openblas））。 有关相对MMD测试的matlab版本，请参见 如有疑问或错误报告，请随时与我们联系

超强大的VB矩阵运算类库，适合VB开发。代码简洁易懂，可移植性强！在项目中添加类库就可以直接调用各种矩阵运算功能！具体功能有矩阵加减，相乘，求行列式，求逆，矢量相乘，矢量长度，转置，数乘，除数等等！就连输出矩阵功能也提供！十分强大！

这篇文章是英文的，针对机器学习中的矩阵运算，尤其是迹运算，作了详细和生动的讲解，是教程类资源。作者是Thomas P. Minka.

本资源为EIGEN安装包 ，可在Visual Studio上添加配置，进行矩阵运算

.net 矩阵运算类库,来自http://www.aisto.com/roeder/dotnet 有各种矩阵操作.

本矩阵运算系统可以完成矩阵的加、减、乘法，但是只限于方阵，其编译环境为VC6.0，经过反复验证，完全正确。本程序没有在TURBOC上验证其正确性。

DTW 通过矩阵运算实现快速dtw实现两个序列的动态时间规整，通过矩阵运算而不是顺序向量运算来加速比：dtw，fastdtw包更快（循环迭代而无需矩阵运算） Parameters ---------- x: numpy.ndarray x.ndim == 1 or 2 y: numpy.ndarray y.ndim == 1 or 2 (consistent with x) dist: function function which measures distance between frames from x and y if (ndim == 1) function should compare entry to entry(x[i], y[j]), and return single entry if (ndim == 2)

gsl库包含丰富的算法，矩阵运算功能强大，信号分析算法、数值分析功能，方便VC调用，让你摆脱对MATLAB的依赖，内附函数使用说明和调用例子（英文版），

Johns Hopkins Studies in the Mathematical Sciences in association with the Department of Mathematical Sciences,The Johns Hopkins University