Java矩阵计算之EJML

最近的实验中涉及到了矩阵运算。其中EJML(Efficient Java Matrix Library)是矩阵运算java库。
话不多说，上代码：
下列代码中初始化了一个矩阵。然后，获得每行或者每列的最大最小值。

import org.ejml.data.DenseMatrix64F;
import org.ejml.ops.CommonOps;import java.util.List;public class MatrixHelper {public static void main(String[] args) {DenseMatrix64F L = new DenseMatrix64F(3, 3); // 初始化一个矩阵，并进行下面的赋值L.set(0, 0, 4.0);L.set(0, 1, 13.0);L.set(0, 2, -16.0);L.set(1, 0, 12.0);L.set(1, 1, 37.0);L.set(1, 2, -43.0);L.set(2, 0, -16.0);L.set(2, 1, -43.0);L.set(2, 2, 98.0);System.out.println("data为:");System.out.println(L);DenseMatrix64F mu_0 = getRowMax(L); // 获取行最大值System.out.println("矩阵每一行的最大值为:" + mu_0);DenseMatrix64F mu_1 = getColMax(L); // 获取列最大值System.out.println("矩阵每一列的最大值为:" + mu_1);DenseMatrix64F mu_2 = getRowMin(L); // 获取行最小值System.out.println("矩阵每一行的最小值为:" + mu_2);DenseMatrix64F mu_3 = getColMin(L); // 获取列最小值System.out.println("矩阵每一列的最小值为:" + mu_3);}/*** max of the data row** @param data* @return*/public static DenseMatrix64F getRowMax(DenseMatrix64F data) {if (data.numCols > 1) {// 将矩阵转换为行向量DenseMatrix64F[] dataVectors = new DenseMatrix64F[data.numRows];CommonOps.rowsToVector(data, dataVectors);DenseMatrix64F max = new DenseMatrix64F(dataVectors.length, 1);// initialized to 0for (int i = 0; i < dataVectors.length; i++) {DenseMatrix64F vec = dataVectors[i];max.set(i, CommonOps.elementMax(vec)); // 获取每一行数据的最大值}return max;} else {return data;}}/*** max of the data col** @param data* @return*/public static DenseMatrix64F getColMax(DenseMatrix64F data) {if (data.numRows > 1) {// 将矩阵转换为列向量DenseMatrix64F[] dataVectors = new DenseMatrix64F[data.numCols];CommonOps.columnsToVector(data, dataVectors);DenseMatrix64F max = new DenseMatrix64F(1, dataVectors.length);// initialized to 0for (int i = 0; i < dataVectors.length; i++) {DenseMatrix64F vec = dataVectors[i];max.set(i, CommonOps.elementMax(vec)); // 获取每一列数据的最大值}return max;} else {return data;}}/*** min of the data row** @param data* @return*/public static DenseMatrix64F getRowMin(DenseMatrix64F data) {if (data.numCols > 1) {// 将矩阵转换为行向量DenseMatrix64F[] dataVectors = new DenseMatrix64F[data.numRows];CommonOps.rowsToVector(data, dataVectors);DenseMatrix64F max = new DenseMatrix64F(dataVectors.length, 1);// initialized to 0for (int i = 0; i < dataVectors.length; i++) {DenseMatrix64F vec = dataVectors[i];max.set(i, CommonOps.elementMin(vec)); // 获取每一行数据的最小值}return max;} else {return data;}}/*** min of the data col** @param data* @return*/public static DenseMatrix64F getColMin(DenseMatrix64F data) {// 将矩阵转换为列向量if (data.numRows > 1) {DenseMatrix64F[] dataVectors = new DenseMatrix64F[data.numCols];CommonOps.columnsToVector(data, dataVectors);DenseMatrix64F max = new DenseMatrix64F(1, dataVectors.length);// initialized to 0for (int i = 0; i < dataVectors.length; i++) {DenseMatrix64F vec = dataVectors[i];max.set(i, CommonOps.elementMin(vec)); // 获取每一列数据的最小值}return max;} else {return data;}}/*** min of the data row** @param data* @return*/public static double[] getColMax(List<DenseMatrix64F> data) {if (data.isEmpty()) {return null;}DenseMatrix64F result = new DenseMatrix64F(data.size(), data.get(0).numCols);// 将矩阵转换为行向量for (int i = 0; i < data.size(); i++) {if (data.get(i) != null) {DenseMatrix64F vec = getColMax(data.get(i));for (int j = 0; j < vec.numCols; j++) {result.set(i, j, vec.get(j)); // 获取每一行数据的最小值}}}return getColMax(result).data;}/*** min of the data col** @param data* @return*/public static double[] getColMin(List<DenseMatrix64F> data) {if (data.isEmpty()) {return null;}DenseMatrix64F result = new DenseMatrix64F(data.size(), data.get(0).numCols);// 将矩阵转换为行向量for (int i = 0; i < data.size(); i++) {if (data.get(i) != null) {DenseMatrix64F vec = getColMin(data.get(i));for (int j = 0; j < vec.numCols; j++) {result.set(i, j, vec.get(j)); // 获取每一行数据的最小值}}}return getColMin(result).data;}
}

运行结果：

data为:
Type = dense , numRows = 3 , numCols = 34.000  13.000  -16.000
12.000  37.000  -43.000
-16.000  -43.000  98.000  矩阵每一行的最大值为:Type = dense , numRows = 3 , numCols = 1
13.000
37.000
98.000  矩阵每一列的最大值为:Type = dense , numRows = 1 , numCols = 3
12.000  37.000  98.000  矩阵每一行的最小值为:Type = dense , numRows = 3 , numCols = 1
-16.000
-43.000
-43.000  矩阵每一列的最小值为:Type = dense , numRows = 1 , numCols = 3
-16.000  -43.000  -43.000

Java矩阵计算之EJML相关推荐

Java矩阵计算库UJMP
前言 Java中矩阵计算库常用的有:ujmp, ejml. 在使用中发现ujmp相对好用些,本文对此进行介绍. UJMP 全称 Universal Java Matrix Package 官网 htt ...
Java 计算包 ejml 、 jblas及Jama 矩阵计算性能比较
一. 1.Ejml全称为Efficient Java Matrix Library,一款高效的数运算java库,主要是矩阵计算,官网org.ejml. 2.jblas是一个快速的Java线性代数库.它 ...
java 矩阵计算加减乘除反转分解
矩阵计算 package Jama;import java.text.NumberFormat; import java.text.DecimalFormat; import java.text.De ...
python获取数组中大于某一阈值的那些索引值_java矩阵计算及其在统计中的应用（一）...
该文介绍了java colt和commons-math3的一些矩阵计算API,并且使用colt库简单实现了基于法方程组法的最小二乘法,结构方程模型的梯度下降参数估计,广义混合效应模型(多层广义线性模型 ...
机器学习知识点(十九)矩阵特征值分解基础知识及Java实现
1.特征值分解基础知识矩阵乘法Y=AB的数学意义在于变换,以其中一个向量A为中心,则B的作用主要是使A发生伸缩或旋转变换.一个矩阵其实就是一个线性变换,因为一个矩阵乘以一个向量后得到的向量,其实就相 ...
java智能算法--机器学习包
参考:https://www.cnblogs.com/jpfss/p/9262907.html 一.科学计算或矩阵运算库科学计算包: JMathLib是一个用于计算复杂数学表达式并能够图形化显示计算 ...
Java第三方工具库/包汇总
一.科学计算或矩阵运算库科学计算包: JMathLib是一个用于计算复杂数学表达式并能够图形化显示计算结果的Java开源类库.它是Matlab.Octave.FreeMat.Scilab的一个克隆, ...
matlab武汉理工大学数值分析线性函数拟合实验_「首席架构师推荐」数值计算库精选...
这是一个著名的数值库列表,这些库用于软件开发中执行数值计算.它不是一个完整的列表,而是一个包含Wikipedia上文章的数字库列表,很少有例外. 典型库的选择取决于一系列不同的需求,例如:期望的特性( ...
矩阵的QR分解（jama和emjl对比，UJMP锦上添花）
一.QR分解法(QR Decomposition) QR分解法是三种将矩阵分解的方式之一.其它两种:Cholesky和LU.QR分解经常用来解线性最小二乘法问题.QR分解也是特定特征值算法即QR算法的 ...

Java矩阵计算之EJML

Java矩阵计算之EJML相关推荐

最新文章

热门文章