nmf的matlab代码非负矩阵分解 通过倍频更新和贪婪坐标下降（GCD）编写的非负矩阵分解（NMF），采用八度。 特征 您可以在Octave（当然是MATLAB）上轻松执行NMF。 使用算法是关于欧几里得距离（EU），KL散度和IS（Itakura-Saito）散度准则的乘法更新规则。 NMF的背景 您应该阅读以下文章。 NMF： 乘法更新： 欧盟，吉隆坡 其他（beta差异） 贪婪坐标下降（GCD）：此算法仅支持EU。 用法 ./exc_nmf.m 默认设置 该默认程序通过实数执行模拟。 如果要处理真实数据，请更改代码，例如“ parameter_setting.m”，“ input_data.m”等以供使用。 随机非负观测矩阵的大小：（18,30） 基本向量数：4 迭代次数：200 更新规则的初始值设置方法：随机非负值 您可以像下面那样在“ parameter_setting.m”上更改这些默认设置， % size of observation matrix I = 18; J = 30; % number of basis vectors K = 4; % iteration

对伪逆矩阵进行因式分解以求解正规方程： A*x = b 与MATLAB pinv相比，伪逆有两个优点： - PINV 需要昂贵的 SVD - PINV 不适用于稀疏矩阵。 解 x 最小化残差 |Ax - b| 的 2-范数。 在欠定系统的情况下，即 rank(A) < length(x)，pseudoinverse(A)*b 返回的解是所有解中最小的 2-norm。 请注意，如果使用反斜杠运算符，则此属性*不*满足：x = A\b。 方法：对源空间和目标空间都使用 QR 分解。 分解后的结果存储在 object 中，稍后可用于与任何目标空间向量 (RHS) 相乘。 灵感来自 FACTORIZE http://www.mathworks.com/matlabcentral/fileexchange/24119

数值分析方法-LU分解算法解线性方程的实现

数字信号处理课设题目详细分解步骤.zip

完整代码，可直接运行

vblast系统里，接收端的基于信道矩阵的qr分解的迫零算法的matlab实现。

matlab用来计算QR分解

基于奇异值分解的手写体识别，仅用于学习交流，请勿用于商业用途和其他用途。如需用于非学习交流用途，请先私信联系我。

使用矩阵和张量乘法可以更加简便有效地描述FFT算法，本资源首先推导证明了FFT基2的矩阵分解，并使用matlab递归实现。进而推导了基4的的矩阵分解和对应的基4FFT递归实现。

用路径积分的方法计算了三维无限深方势阱中粒子的传播子,进而求得三维无限深方势阱中粒子的波函数和能量。