此函数使用方形稀疏矩阵 A 的填充级别 k 计算不完全 LU 分解的 LU 因子。 Matlab 的 ilu 函数提供基于阈值的丢弃策略的 ILU(0) 和 ILU，但不提供具有一般填充级别的 ILU(k)克。 该代码是作为 C++ MEX 文件实现的，并针对速度进行了优化，同时尝试最大限度地减少内存使用。 请注意，对于 ilu(0) 分解，应该使用 Matlab 的内置 ilu 函数，因为它已经针对这种情况进行了优化，并且速度会更快。 参考： 1. Saad, Y.，稀疏线性系统的迭代方法，SIAM，宾夕法尼亚州费城，第 2 版，2003 年。 2. Dong, X. 和 Cooperman, G.，计算机集群和多核机器上面向任务的并行 ILU(k) 预处理，预印本，arXiv:0803.0048 [cs.DC]，2011 年。
2021-09-23 21:44:58
9KB
1
WEIGHTEDCOV 返回加权协方差的对称矩阵 C，该矩阵根据输入 T×N 矩阵 Y 计算，该矩阵 Y 的行是观察值，列是变量，以及输入 T×1 的观察值权重向量 w。 如果观察结果并非完全相同并且需要根据某些理论假设或知识进行加权，则此函数可能是 COV 的有效替代方案。 C = WEIGHTEDCOV(Y, w) 返回一个半正定矩阵 C，即它的所有特征值都是非负的。
如果 w =ones(size(Y, 1), 1)，WEIGHTEDCOV(Y, w) 和 COV(Y, 1) 之间没有区别。
参考：矩阵表示法中的数学公式可在 F. Pozzi、T. Di Matteo、T. Aste 的“指数平滑加权相关”中找到，欧洲物理杂志 B，第 85 卷，第 6 期，2012 年。DOI:10.1140/epjb/ e2012-20697-x。
例子： % 生成相关的随机过程T = 1
2021-09-19 20:47:48
2KB
1