matlabsvd提取特征值_matlab特征值分解和奇异值分解

特征值分解

函数 eig

格式 d = eig(A) %求矩阵A的特征值d，以向量形式存放d。

d = eig(A,B) %A、B为方阵，求广义特征值d，以向量形式存放d。

[V,D] = eig(A) %计算A的特征值对角阵D和特征向量V，使AV=VD成立。

[V,D] = eig(A,'nobalance') %当矩阵A中有与截断误差数量级相差不远的值时，该指令可能更精确。'nobalance'起误差调节作用。

[V,D] = eig(A,B) %计算广义特征值向量阵V和广义特征值阵D，满足AV=BVD。

[V,D] = eig(A,B,flag) % 由flag指定算法计算特征值D和特征向量V，flag的可能值为：'chol' 表示对B使用Cholesky分解算法，这里A为对称Hermitian矩阵，B为正定阵。'qz' 表示使用QZ算法，这里A、B为非对称或非Hermitian矩阵。

说明一般特征值问题是求解方程：解的问题。广义特征值问题是求方程：解的问题。

奇异值分解

函数 svd

格式 s = svd (X) %返回矩阵X的奇异值向量

[U,S,V] = svd (X) %返回一个与X同大小的对角矩阵S，两个酉矩阵U和V，且满足= U*S*V'。若A为m×n阵，则U为m×m阵，V为n×n阵。奇异值在S的对角线上，非负且按降序排列。

[U,S,V] = svd (X,0) %得到一个“有效大小”的分解，只计算出矩阵U的前n列，矩阵S的大小为n×n。

奇异值分解压缩图像

clear all;

close all;

clc;

a=imread('C:\Users\ranji\Desktop\rgb_image.jpg');

imshow(mat2gray(a))

[m n]=size(a);

a=double(a);%r=rank(a);

[s v d]=svd(a(:,:,1)); %取一个分量%re=s*v*d';

re=s(:,:)*v(:,1:1)*d(:,1:1)';

figure;

imshow(mat2gray(re));

imwrite(mat2gray(re),'C:\Users\ranji\Desktop\1.jpg')

re1=s(:,:)*v(:,1:20)*d(:,1:20)';

figure;

imshow(mat2gray(re));

imwrite(mat2gray(re),'C:\Users\ranji\Desktop\2.jpg')

re=s(:,:)*v(:,1:80)*d(:,1:80)';

figure;

imshow(mat2gray(re));

imwrite(mat2gray(re),'C:\Users\ranji\Desktop\3.jpg')

re=s(:,:)*v(:,1:150)*d(:,1:150)';

figure;

imshow(mat2gray(re));

imwrite(mat2gray(re),'C:\Users\ranji\Desktop\4.jpg')

不同特征值进行重构的效果。。。

最后说一些奇异值分解的应用：

1.图像压缩，正如上面的。

2.噪声滤波。

3.模式识别。因为svd就是提取主要的成分嘛。

4.生物，物理，经济方面的一些统计模型的处理。

matlabsvd提取特征值_matlab特征值分解和奇异值分解相关推荐

特征值分解、奇异值分解、PCA概念整理（转载）
版权声明:本文为博主原创文章,未经博主允许不得转载. https://blog.csdn.net/jinshengtao/article/details/18448355 本文将分别介绍特征值分解.奇 ...
机器学习中特征值分解与奇异值分解的区别及应用
前言: 上一次写了关于PCA与LDA的文章,PCA的实现一般有两种,一种是用特征值分解去实现的,一种是用奇异值分解去实现的.在上篇文章中便是基于特征值分解的一种解释.特征值和奇异值在大部分人的印象中, ...
人工智能里的数学修炼 | 矩阵的花样分解：特征值分解（EVD）、相似对角化、QR分解、Schur分解、奇异值分解（SVD）的概念纠缠与详解
前言在高等代数里,矩阵分解是一个十分基础与重要的内容,任何一个学校对于理工科的研究生教育都会开设相应的课程,如:矩阵分析.矩阵论.线性系统等.看了不少社区的问答.笔记和博客,在它们的基础上加入一些自 ...
特征值分解和奇异值分解
这里写目录标题特征值分解和奇异值分解比较相同处不同处特征值分解特征值.特征向量特征值分解特征值分解例子奇异值分解奇异值分解奇异值分解两种方法奇异值分解例子特征值分解和奇异值分解 ...
特征值分解、奇异值分解、PCA概念整理
本文将分别介绍特征值分解.奇异值分解.及PCA的相关理论概念. 文章末尾将给出Householder矩阵变换.QR算法求解特征值.特征向量的代码其中,特征值分解.奇异值分解的相关内容,转载自: ht ...
【PCA与LDA】特征值分解与奇异值分解以及图像压缩处理原理
前言: 上一次写了关于 PCA与LDA 的文章,PCA的实现一般有两种,一种是用特征值分解去实现的,一种是用奇异值分解去实现的.在上篇文章中便是基于特征值分解的一种解释.特征值和奇异值在大部分 ...
特征值分解与奇异值分解的相关学习记录
特征值分解与奇异值分解的异同: https://www.cnblogs.com/litaotao-doctor/p/5320521.html 转载于:https://www.cnblogs.com/c ...
机器学习(十五)SVD(特征值分解和奇异值分解的区别)
首先从意义上理解: 数学解释:https://blog.csdn.net/u010099080/article/details/68060274 相关概念参考自维基百科. 正交矩阵:若一个方阵其行与 ...
特征值分解，奇异值分解svd
特征值分解: 特征值分解(Eigen decomposition),又称谱分解(Spectral decomposition)是将矩阵分解为由其特征值和特征向量表示的矩阵之积的方法.需要注意只有方阵才 ...
解方程AX=b与矩阵分解：奇异值分解（SVD分解）特征值分解 QR分解三角分解 LLT分解
文章目录 1. 前言 2. LU三角分解 3. Cholesky分解 - LDLT分解 4. Cholesky分解 - LLT分解 5. QR分解 6. 奇异值分解 7. 特征值分解 1. 前言本博 ...

matlabsvd提取特征值_matlab特征值分解和奇异值分解

matlabsvd提取特征值_matlab特征值分解和奇异值分解相关推荐

最新文章

热门文章