注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. c语言常用算法程序集

  2. 第1 章 线性代数方程组的求解⋯⋯⋯⋯ 2 1. 1 全选主元高斯消去法⋯⋯⋯⋯⋯⋯⋯ 2 1. 2 全选主元高斯-约当消去法⋯⋯⋯⋯⋯ 3 1. 3 复系数方程组的全选主元高斯消去法⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯ 5 1. 4 复系数方程组的全选主元高斯- 约当消去法⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯ 7 1. 5 求解三对角线方程组的追赶法⋯⋯⋯ 9 1. 6 一般带型方程组的求解⋯⋯⋯⋯⋯⋯ 11 1. 7 求解对称方程组的分解法⋯⋯⋯⋯⋯ 15 1. 8 求解对称正定方程组的平方根法⋯⋯ 17 1.

  3. 所属分类：C/C++

    • 发布日期：2011-08-04
    • 文件大小：2097152
    • 提供者：nob77

  1. SVD矩阵分解

  2. SVD奇异值分解，潜在语义空间，线性代数应用，维数减少，相似度明显

  3. 所属分类：Java

    • 发布日期：2013-04-14
    • 文件大小：890880
    • 提供者：u010241917

  1. java版本矩阵类

  2. 这是一个很经典的java版本的矩阵基础类，包括了复矩阵，QR分解，SVD分解，还有特征值特征向量的求解。

  3. 所属分类：Java

    • 发布日期：2013-12-04
    • 文件大小：5120
    • 提供者：u013038155

  1. SVD 奇异值分解

  2. SVD 分解详解

  3. 所属分类：讲义

    • 发布日期：2017-07-28
    • 文件大小：187392
    • 提供者：weihanyumo

  1. svd计算例子

  2. SVD分解计算方式

  3. 所属分类：机器学习

    • 发布日期：2017-08-10
    • 文件大小：30720
    • 提供者：zk_j1994

  1. 求解矩阵补全问题的三分解方法

  2. 在机器学习、图像处理等研究领域,矩阵补全主要用于恢复一个完整的低秩矩阵。考虑到计算迭代过程中,每一步均需要进行奇异值分解,若矩阵维数过大,则计算复杂度非常高。为降低计算复杂度,本文将矩阵三分解方法应用到鲁棒矩阵补全问题中,并应用交替方向乘子法对其进行求解。最后利用人脸识别的实际数据,通过数值实验验证了方法的有效性。

  3. 所属分类：其它

    • 发布日期：2020-05-28
    • 文件大小：664576
    • 提供者：weixin_38745648

  1. 基于多媒体的SVD分解数字水印算法研究

  2. 提出了一种基于SVD分解与小波分解的小波隐形水印算法。通过奇异值分解实现盲提取,把水印图像嵌入小波分解的中频子带,最后运用归一化互相关函数(NC)和峰值信噪比(PSNR)进行定量分析,证明该算法有很好的不可见性与鲁棒性。

  3. 所属分类：其它

    • 发布日期：2020-05-28
    • 文件大小：223232
    • 提供者：weixin_38697274

  1. 融合调和用户熵权重和矩阵分解的推荐算法

  2. 针对传统的协同过滤算法在近邻选择环节中没有考虑评分矩阵中的评分是否准确和邻居用户对目标用户真实的推荐贡献能力,导致了近邻选择的不准确的问题,提出了一种融合调和用户熵权重和矩阵分解的推荐算法。算法首先利用时间间隔权重对评分数据进行处理,得到更加贴合实际的评分矩阵,然后引入调和的用户熵权重来计算用户间的相似度,使目标用户能够选取到更准确的近邻.最后将模型与矩阵奇异值分解模型相融合,进一步提高了算法的性能.实验结果表明提出的算法与一些传统算法相比能够得到更客观的评分矩阵,并且可以获取到更准确的近邻集合

  3. 所属分类：其它

    • 发布日期：2020-05-27
    • 文件大小：889856
    • 提供者：weixin_38727928

  1. 基于变分模态分解和模糊C均值聚类的滚动轴承故障诊断_刘长良.pdf

  2. 为了精准、稳定地提取滚动轴承故障特征，提出了基 于变分模态分解和奇异值分解的特征提取方法，采用标准模糊C 均值聚类(fuzzy C means clustering，FCM)进行故障识 别

  3. 所属分类：讲义

    • 发布日期：2020-09-03
    • 文件大小：936960
    • 提供者：SparkQiang

  1. SVD分解和离散小波域特征值量化的安全数字语音水印算法

  2. 针对传统数字语言水印算法鲁棒性较差、复杂度较高等问题，提出一种基于SVD分解和离散小波域特征值量化的安全水印算法。该算法以离散小波变换的特征值量化为基础，利用离散小波变换将每帧数字语音转化到小波域，再利用SVD奇异值分解计算近似系数特征值，而不是细节系数部分；最后，使用量化后的特征值嵌入水印比特位信息。实验结果表明，当量化步长和所选帧长较高时，该算法能有效抵御过滤攻击、加性高斯白噪声攻击、重采样攻击和剪切攻击，其中高斯白噪声攻击和剪切攻击的误码率几乎为0。相比其他优秀算法，该算法具有更好的鲁棒性

  3. 所属分类：其它

    • 发布日期：2020-10-17
    • 文件大小：549888
    • 提供者：weixin_38574410

  1. 《现代推荐算法》矩阵分解系列（SVD，FunkSVD，BiasSVD）原理

  2. 文章来源《现代推荐算法》矩阵分解系列（SVD，FunkSVD，BiasSVD）原理 . 奇异值分解(SVD) 奇异值分解(SVD)原理与主要应用在数据降维中，可以将这个用户物品对应的m×n矩阵M进行SVD分解，并通过选择部分较大的一些奇异值来同时进行降维，也就是说矩阵M此时分解为： Mm×n=Um×kTDk×kVk×nM_{m \times n} = U_{m \times k}^{T}D_{k \times k}V_{k

  3. 所属分类：其它

    • 发布日期：2021-01-06
    • 文件大小：98304
    • 提供者：weixin_38516270

  1. 基于梯度相关性分解的无参考图像质量评价方法

  2. 目前大部分无参考型的图像质量评价方法都是基于图像的几何特征进行描述的，但是这种方法对于图 像的边界要求较为严格，并且在实际应用中的图像的失真类型是未知的。针对这一缺点，提出一种基于梯度相关性 分解的无参考图像质量评价( DGS) 方法，该方法提取图像的梯度，对其进行奇异值分解作为图像的主要结构信息，以 此对图像的质量进行评价。实验结果表明，DGS 模型比通用的简单有效的峰值信噪比( 或均方误差) 模型更符合人眼 视觉系统特性，能在无参考的情况下更好地评价图像质量，并与图像的主观评价值达到更准确的

  3. 所属分类：其它

    • 发布日期：2021-03-19
    • 文件大小：875520
    • 提供者：weixin_38600253

  1. 连续时间延迟切换正奇异系统的指数稳定性和L1增益性能分析

  2. 解决了连续时间延迟切换正奇异系统的指数稳定性和L1增益性能问题。 首先，通过奇异值分解方法为系统建立了一个必要的充分条件。 然后，基于共同的Lyapunov函数工具，我们为切换正奇异系统建立指数稳定并满足规定的L1增益性能提供了充分的条件。 基于此条件，可以通过解决凸优化问题来确定最佳系统性能水平。 所有获得的条件都是线性规划形式，这表明它具有良好的可扩展性和对高维系统的适用性。 最后，通过数值例子说明了所得结果的适用性。

  3. 所属分类：其它

    • 发布日期：2021-03-13
    • 文件大小：331776
    • 提供者：weixin_38664532

  1. 低秩矩阵分解的概率模型研究

  2. 低阶矩阵分解例如主成分分析（PCA），奇异值分解（SVD）和非负矩阵分解（NMF）是追求给定数据矩阵低阶近似的一大类方法。 传统的分解模型基于以下假设：数据矩阵被某种类型的噪声随机污染。 因此，可以通过最大似然（ML）估计或最大后验（MAP）获得低秩分量的点估计。 在过去的十年中，出现了各种低秩矩阵分解的概率模型。 低秩矩阵分解与它们相应的概率模型之间最显着的区别是后者将低秩分量视为随机变量。 本文对低秩矩阵分解的概率模型进行了调查。 首先，我们回顾了低秩矩阵分解的概率模型中常用的一些概率分布，

  3. 所属分类：其它

    • 发布日期：2021-03-12
    • 文件大小：603136
    • 提供者：weixin_38729108

  1. 基于原子分解的次梯度下降用于矩阵分类

  2. 矩阵适用于表示具有复杂结构的大量数据，例如图像和脑电图数据（EEG）。 为了学习处理这些矩阵数据的分类器，特征矩阵的结构信息是有用的。 本文着重于正则化的矩阵分类器，其输入样本和权重参数均为矩阵形式。 现有的一些方法假设权重矩阵具有低秩结构，然后利用权重矩阵的流行核规范作为正则化项。 但是，这些矩阵分类器的优化方法通常涉及大量昂贵的奇异值分解（SVD）操作，从而无法扩展到适中的矩阵大小。 为了降低时间复杂度，我们提出了一种新颖的学习算法，称为基于原子分解的次梯度下降法（ADBSD），它解决了以目

  3. 所属分类：其它

    • 发布日期：2021-03-05
    • 文件大小：573440
    • 提供者：weixin_38678172

  1. 基于SVD的周期干净信号快速分解

  2. 文中提出了一种利用SVD将周期干净信号进行快速分解的方法。该方法首先利用SVD将带噪声的周期源信号进行降噪，然后将降噪后的周期干净信号进行SVD，并将奇异值按主频个数进行两两分组，由此依次还原出各个子信号序列（子信号个数=主频个数）。接下来，对各个子信号序列进行三角函数拟合，从而得到各个子信号的拟合函数。最后将各个拟合函数进行累加，从而得到降噪后的周期干净信号的拟合函数表达式。经实例验证，该方法实践效果较好，对于工程应用有着一定的实际意义。

  3. 所属分类：其它

    • 发布日期：2021-01-27
    • 文件大小：1048576
    • 提供者：weixin_38660813

  1. 推荐系统之矩阵分解及C++实现

  2. 1.引言 　　矩阵分解(MatrixFactorization，MF)是传统推荐系统为经典的算法，思想来源于数学中的奇异值分解(SVD)，但是与SVD还是有些不同，形式可以看出SVD将原始的评分矩阵分解为3个矩阵，而推荐本文要介绍的MF是直接将一个矩阵分解为两个矩阵，一个包含Users的因子向量，另一个包含着Items的因子向量。 　　2.原理简介 　　假如电影分为三类：动画片，武打片，纪录片，而某一部电影对应这三类的隶属度分别为0，0.2，0.7，可以看出这是一部纪录片里面有些武打成分，

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：181248
    • 提供者：weixin_38557095

  1. 一种景物平面法向已知条件下的单应矩阵快速分解算法

  2. 针对机器人混合视觉伺服控制中的摄像机位姿估计问题, 分析欧氏单应矩阵的基本性质, 提出一种景物平面法向已知情况下的欧氏单应矩阵快速分解算法. 仿真实验结果表明, 所提出的算法实现简单, 避免了矩阵奇异值分解运算和从多组分解结果中确定惟一解的过程, 能够较好地满足视觉伺服控制系统的实时性要求.

  3. 所属分类：其它

    • 发布日期：2021-01-14
    • 文件大小：295936
    • 提供者：weixin_38732307

  1. 采用奇异值梯度信息的暂态电能质量扰动自适应检测方法

  2. 为了满足对电网非平稳扰动信号快速、准确分析的要求，提出了一种采用奇异值梯度信息的暂态电能质量扰动检测新方法。通过滑动窗奇异值分解(SVD)方法提取信号的变化特征、降低噪声干扰，并通过奇异值梯度求取扰动指示信号，得到初步定位结果。提出无参自适应阈值，进一步抑制噪声干扰并实现对暂态扰动信号的检测定位。所提算法原理简单，无需进行前置滤波及参数调节。一系列仿真试验的对比分析结果表明，所提算法定位准确、抗干扰能力强，对过零点扰动也有较好的检测效果。通过对变电站实际暂态扰动数据的检测分析，进一步验证了所提算

  3. 所属分类：其它

    • 发布日期：2021-01-14
    • 文件大小：1048576
    • 提供者：weixin_38650516

  1. 基于一种变型奇异值分解的有向网络模糊社团提取方法

  2. 提取复杂网络的社团结构有助于深入分析复杂网络结构特性。本文以模糊分析视角切入有向网络聚类问题，以一种新的矩阵分解方法获取两个具有特定含义的模糊度量，分别对应点到团的有向关联关系和团到点的有向关联关系，可视为对作为模糊聚类结果的点团隶属关系表达方法的一种拓展。在人工生成的有向网络和语义关联网络等网络中验证了算法的可行性和有效性。现实世界中城市路网具有明显方向性，是典型的有向网络，本方法还可为以提高城市路网效能为目的的路网拓扑结构特性研究提供技术手段。

  3. 所属分类：其它

    • 发布日期：2021-01-13
    • 文件大小：1048576
    • 提供者：weixin_38512781
« 1 2 ... 5 6 7 8 9 1011 12 13 14 15 ... 29 »