1. 简介

SVD是将矩阵A分解为U,∑和V三个矩阵,如下:

假设矩阵A是一个6行4列的矩阵,则SVD分解如下:

其中:

VT是一个行向量正交矩阵,即其中任意两个行向量vi正交;

∑是对角矩阵,对角线上有n个非零值(n等于矩阵A的秩),∑矩阵其它位置均为0;例子中矩阵A的秩为3,所以∑对角线上只有3个非零值分别为s1,s2,s3,三者被称为矩阵A的奇异值;

U是一个列向量正交矩阵,即其中任意两个列向量ui正交;

2. 意义解析

奇异值分解相当于对矩阵A在另一个空间Rx的解析/表达,其中:

矩阵V中的正交向量vi是Rx空间的一组正交基;

∑对角线上的值si代表数据在Rx空间对应基vi方向上的差异度;如s1对应v1,s2对应v2,s3对应v3;si越大代表数据在vi方向上区分度越高;

矩阵U中每一行R_ui代表矩阵A中对应的行R_ai在Rx空间中的表达;上例中,U中每一行是一个6维向量,但矩阵A的秩为3,所以U中每一行的前3维(即蓝色的u1,u2,u3维)即可代表A的对应行在Rx空间中的信息;

因为∑空间对角线上的值si代表数据在Rx空间基vi方向上区分度,或者说“重要度”,值越大越重要,所以可以将si较小的值置零,然后经U∑VT运算得矩阵A’( A’的shape和A的shape相同),矩阵A’保留了原矩阵A的绝大部分信息(同时去除了原矩阵A数据中的大量噪音);

3. 示例

以一个图片数据进行SVD为例,原图片如下,表达图片的数据矩阵A为400X400;

将A分解为U∑VT,保留∑中最大的1个值,得到还原矩阵A’代表的图像如下:

保留∑中最大的2个值,得到还原矩阵A’代表的图像如下

保留∑中最大的10个值,得到还原矩阵A’代表的图像如下

保留∑中最大的50个值,得到还原矩阵A’代表的图像如下

4. SVD和PCA的关系:

由上式可得,SVD求得的V矩阵就是PCA的特征向量矩阵,而∑矩阵中的奇异值的平方就是PCA的特征值;而实际PCA通常就是通过SVD求解的;

奇异值分解 本质矩阵_Singular Value Decomposition(奇异值分解)相关推荐

  1. 【机器学习的数学基础】(七)矩阵分解(Matrix Decomposition)(中)

    文章目录 4 矩阵分解(Matrix Decomposition)(中) 4.3 Cholesky分解 4.4 特征分解与对角化 4.5 奇异值分解 4.5.1 几何图解SVD 4.5.2 SVD的构 ...

  2. 推荐系统学习笔记之三 LFM (Latent Factor Model) 隐因子模型 + SVD (singular value decomposition) 奇异值分解

    Low Rank Matrix Factorization低阶矩阵分解 在上一篇笔记之二里面说到我们有五部电影,以及四位用户,每个用户对电影的评分如下,?表示未评分. Movies\User User ...

  3. 一文帮你梳理清楚:奇异值分解和矩阵分解 | 技术头条

    作者 | K. Delphino 译者 | Linstancy 编辑 | Rachel 出品 | AI科技大本营(id:rgznai100) [导读]在推荐系统的相关研究中,我们常常用到两个相关概念: ...

  4. Chapter 7 (Symmetric Matrices and Quadratic Forms): The Singular Value Decomposition (奇异值分解, SVD)

    目录 奇异值 奇异值的定义 非零奇异值 The Singular Value Decomposition (SVD) 奇异值分解 一些性质 几何解释 紧奇异值分解与截断奇异值分解 奇异值分解与矩阵近似 ...

  5. 矩阵的奇异值分解matlab,矩阵奇异值分解(SVD)

    看到一个博客园里讲解奇异值分解的博文,说的很清楚,加深了对SVD的理解,分享一下! 强大的矩阵奇异值分解(SVD)及其应用 摘录一些话如下: 奇异值分解是一个有着很明显的物理意义的一种方法,它可以将一 ...

  6. matlab 求矩阵奇异值,matlab怎么求矩阵的奇异值和奇异值分解 来看看吧

    有时候我们在使用matlab进行运算的时候,想求矩阵的奇异值和进行奇异值分解,怎么操作呢,下面来分享一下方法 工具/材料 matlab 矩阵的奇异值和奇异值分解 操作方法 01 第一步我们首先需要知道 ...

  7. 单目初始化 单应矩阵 本质矩阵 恢复R t 三角变换求 3D点

    单目初始化 单应矩阵 本质矩阵 恢复R t 三角变换求 3D点 博文末尾支持二维码赞赏哦 ^_^ /* * This file is part of ORB-SLAM2 * * 单目相机初始化 * 用 ...

  8. 多视图几何总结——基础矩阵、本质矩阵和单应矩阵的求解过程

    多视图几何总结--基础矩阵.本质矩阵和单应矩阵的求解过程 多视图几何总结--基础矩阵.本质矩阵和单应矩阵的求解过程 1. 说明--其实求解过程大同小异 2. 单应矩阵求解过程 2.1 基于代数误差的线 ...

  9. 视觉SLAM十四讲学习笔记-第七讲-视觉里程计-对极几何和对极约束、本质矩阵、基础矩阵

    专栏系列文章如下:  专栏汇总 视觉SLAM十四讲学习笔记-第一讲_goldqiu的博客-CSDN博客 视觉SLAM十四讲学习笔记-第二讲-初识SLAM_goldqiu的博客-CSDN博客 视觉SLA ...

最新文章

  1. 图论(二分图构造) ---- 二分图的性质 C. Arpa’s overnight party and Mehrdad’s silent entering
  2. Linux程序开机启动
  3. A quick complete tutorial to save and restore Tensorflow models
  4. python金融量化风险_【手把手教你】Python量化策略风险指标
  5. Eclipse——WindowBuilder下载错误导致的安装失败解决方案
  6. linux应用程序是什么,linux下c开发了一个应用程序,它的扩展名是什么?
  7. apicloud入门学习笔记1:简单介绍
  8. gps有几个轨道面_同样是精准定位,为何GPS只用24颗卫星,北斗却需要55颗卫星?...
  9. 三维设计和动画:Cinema 4D R25 for mac(c4d r25)
  10. Laravel关联模型中过滤结果为空的结果集(has和with区别)
  11. 打印流(处理流)——PrintStream,PrintWriter
  12. Mediacoder基本教程
  13. SSM框架原理流程及使用方法
  14. 什么是Winsock WSAData ?
  15. python3 加密压缩zip_Python实现加密压缩成RAR或ZIP文件
  16. JDBC驱动与MySQL版本不兼容的问题
  17. [转] 【幽默搞笑】笑死你,别怪我!(狠逗、狠强)
  18. 华中科技大学计算机专业期末考试,华中科技大学计算机网络试题
  19. Datadome 最新逆向分析(支持爱马仕)
  20. 【SPSS】百分位数计算方法探讨:SPSS计算差异

热门文章

  1. 如何从零学习PostgreSQL Page结构
  2. MindSpore:不用摘口罩也知道你是谁
  3. 如何去学好JS的8条小建议
  4. mysql 1317,MySQL 中的-Error_code:1317-爱可生
  5. spikingjelly里面的元组处理方式
  6. poj 3414 Pots BFS
  7. 从零开始学Pytorch之线性回归
  8. 使用Github Pages和Hexo搭建自己的独立博客【超级详细的小白教程】
  9. 超图(hypergraph)
  10. Apache Spark Jobs 性能调优(一)