奇异值分解 (sigular value decomposition,SVD) 是一种正交矩阵分解法；SVD是最可靠的分解法，但是它比QR 分解（QR分解法是将矩阵分解成一个正规正交矩阵与上三角形矩阵。）法要花上近十倍的计算时间。 [U,S,V]=svd(A)，其中U和V代表二个相互正交矩阵，而S代表一对角矩阵。 和QR分解法相同者， 原矩阵A不必为正方矩阵。使用SVD分解法的用途是解最小平方误差法和数据压缩。 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= USV’。
标签：SVD
版权声明：文章由 百问十四 整理收集，来源于互联网或者用户投稿，如有侵权，请联系我们，我们会立即处理。如转载请保留本文链接：https://www.baiwen14.com/article/90294.html
