提出一种基于非负矩阵分解NMF （Non-negative Matrix Factorization）的脆弱数字水印算法。算法利用用户密钥构造NMF基矩阵，并在图像NMF分解过程中保持不变，二值水印图像嵌入NMF分解系数矩阵。实验结果本算法具有较强的鲁棒性，同时用户密钥保证的算法的脆弱性。

很有用的代码，矩阵的奇异值分解，希望对编程计算有要求的提供帮助

运用施密特正交化方法对矩阵进行qr分解的算法，矩阵理论里最常用的分解。

基于数字信号的小波包的分解与重构代码，适合初学者学习

GJB 2116-1994 武器装备研制项目工作分解结构

在新型干法水泥生产过程中,分解炉温度是一个非常重要的控制对象。由十分解炉出口温度与其影响因素不是简单的线性或者非线性关系,使得传统的建模方法精度较低。本文提出一种基于小波极限学习机的方法,通过对已有的大量数据进行训练、测试,实现对水泥窑分解炉温度的建模。实验结果表明,该方法泛化性能好、学习速度快、模型精度高,具有一定的实践指导意义。

和那个有点小区别 下这个好点 有需要的同学可以下来交流交流

以三阶Hermite正定矩阵为例，实现Cholesky分解，可扩展到任意维度 【注】 购买后因编码格式问题，出现中文注释乱码，请第一时间私信我。

该文件以三阶矩阵为例，实现了选列主元的Doolittle矩阵分解。可扩展到任意阶数。 【注】 购买后因编码格式问题，出现中文注释乱码，请第一时间私信我。

使用R的快速随机奇异值分解 随机奇异值分解（rsvd）是一种快速概率算法，可用于高精度计算海量数据集的近乎最优的低秩奇异值分解。 关键思想是计算数据的压缩表示形式以捕获基本信息。 然后，可以使用该压缩表示来获得低阶奇异值分解分解。 据我们所知，rsvd软件包为R中的低秩矩阵逼近提供了最快的例程之一。 随着矩阵尺寸的增加（此处目标等级k = 50），计算优势变得明显： 奇异值分解在数据分析和科学计算中起着核心作用。 SVD还广泛用于计算（随机）主成分分析（PCA），这是一种线性降维技术。 随机PCA（rpca）使用近似的奇异值分解来计算最重要的主分量。 该软件包还包括一个用于计算（随机化）鲁棒主成分分析（RPCA）的功能。 此外，还提供了一些绘图功能。 有关更多详细信息，请参见： 。 SVD示例：图像压缩 library( rsvd ) data( tiger ) # Image com