腾讯云
开发者社区
文档
建议反馈
控制台
登录/注册
首页
学习
活动
专区
圈层
工具
MCP广场
文章/答案/技术大牛
搜索
搜索
关闭
发布
文章
问答
(9999+)
视频
沙龙
1
回答
参考
特征
矩阵
、
、
我希望当我创建一个
特征
矩阵
并将其设置为另一个
矩阵
时,我会看到引用语义。为什么看起来Eigen正在复制
矩阵
而不是引用它们? 最后,我想定义一个
矩阵
(例如上面示例中的A ),然后创建Holder类的多个实例,其中每个实例都有一个对相同
矩阵
的引用。具体地说,我希望通过修改A来修改Holder类中的
矩阵
。问题是我不能修改Holder类本身。因此,例如,我不能更改Holder类以保存指向A的指针,而不是A本身。我该如何做到这一点?
浏览 8
提问于2018-01-31
得票数 0
回答已采纳
1
回答
自相关
矩阵
的
特征
值在图像处理中的意义是什么?
、
、
我正在读的一篇
参考
论文建议我检查自相关
矩阵
的
特征
值。但是,我不明白角点与自相关
矩阵
的
特征
值有什么关系。他们之间的关系是什么?
浏览 4
提问于2014-06-21
得票数 1
1
回答
作为
参考
的
特征
级联
矩阵
、
下面的代码将一个向量连接到一个
矩阵
:using Eigen::MatrixXd; 谢谢。
浏览 1
提问于2016-11-19
得票数 0
回答已采纳
2
回答
逆迭代求解线性方程组
、
、
我用OpenCL来计算
矩阵
的
特征
向量。AMD有一个
特征
值计算的,所以我决定用逆迭代来得到
特征
向量。我遵循了描述的算法,我注意到,为了解决第4步,我需要求解一个线性方程组(或计算
矩阵
的逆)。在GPU上使用OpenCL的最佳方法是什么?是否有值得我研究的例子或
参考
资料?编辑:对不起,我应该说我的
矩阵
是对称的三对角线。从我一直读到的情况来看,这可能很重要,而且可能大大简化了整个过程。
浏览 12
提问于2011-09-29
得票数 4
回答已采纳
1
回答
EigenValue和EigenVector Java实现
、
、
当我使用Jama库中的eig来获取
特征
值时,即使对于大小为300 x 20的
矩阵
,也需要花费大量时间。我需要获取
特征
值和
特征
向量的java实现。作为
参考
,我还尝试了其他库,如Jblas,它具有PCA,但在
特征
值和
特征
向量方面的性能非常差。
浏览 3
提问于2014-06-17
得票数 0
2
回答
哪个稀疏线性求解器更快?SparseLU还是BiCGSTAB?
、
、
、
我在一些稀疏
矩阵
上测试了Eigen的SparseLU和BicGSTAB方法,它们的密集对应
矩阵
的大小从3,000*3,000到16000*16000。我没有给BiCGSTAB提供一个RowMajor稀疏
矩阵
,也没有给它任何预处理。这可能就是速度慢的原因。非常感谢!
浏览 1
提问于2016-03-24
得票数 1
1
回答
SciPy方法给出非直观结果
、
、
、
、
我尝试用SciPy函数linalg.eigsh来计算
矩阵
的一些
特征
值和
特征
向量。然而,当我打印计算出的
特征
向量时,它们的维数与我想要计算的
特征
值数相同。它不应该给我实际的
特征
向量,它的维数与原始
矩阵
的维数相同吗?我的代码供
参考
:val, vec = sp.sparse.linalg.eigsh(id, k = 2)这给了我: [-0.26158945如果是这样的话,Python中是否还有其
浏览 0
提问于2018-05-17
得票数 1
回答已采纳
1
回答
用Python从λ中提取多项式的系数
、
、
、
、
我正在研究一些线性代数,并使用numpy作为
参考
。我用lambda k: numpy.linalg.det(A - k*I)计算
矩阵
A的
特征
多项式。这是非常有效的,下一步是计算这个多项式的根,它表示
矩阵
的
特征
值,使用numpy.roots,问题是numpy.roots以多项式系数作为参数。 有没有办法从lambda k中提取系数?
浏览 4
提问于2020-11-15
得票数 2
回答已采纳
3
回答
特征
::串联
矩阵
的
参考
文献
、
如果我想连接两个
矩阵
A和B,我会这样做const MatrixXd A(n, p);MatrixXd X
浏览 5
提问于2016-11-17
得票数 3
回答已采纳
2
回答
基于随机森林的聚类相似性
矩阵
:它是如何表现的?
、
、
我的背景如下:目的:将实例聚为临床有意义的亚群体或临床背景,以获得风险亚群体的感觉(根据后续结果经过考虑的方法(请参阅这篇简短的博客文章(读了2分钟)的基本原理):利用树叶中的共现得到病人的相似
矩阵
。转换成距离
矩阵
我的问题如下: 我只发现了使用这种方法进行无监督聚类的
浏览 0
提问于2019-04-17
得票数 5
4
回答
C++中的最大
特征
值(及相应的
特征
向量)
、
、
什么是最简单和最快的方法(当然有一些库)来计算k个最大
特征
值和
特征
向量在C++中的一个大密度
矩阵
?我正在寻找一个类似于MATLAB的eigs函数;我看过Armadillo和Eigen,但是找不到,在我的情况下,所有的
特征
值的计算都要花费很长的时间(我需要前10个
特征
向量来估计。30000x30000稠密非对称实
矩阵
)。 绝望的时候,我甚至尝试用Armadillo的QR分解来实现幂迭代,但是遇到了复杂的
特征
值对并放弃了。:)
浏览 5
提问于2014-06-28
得票数 4
回答已采纳
1
回答
图的
特征
值求解器
我想计算这个图的邻接
矩阵
上的最大
特征
值。哪个
特征
值的求解者应该为这么大的图工作。注意,
矩阵
是稀疏的。
浏览 4
提问于2015-11-04
得票数 0
回答已采纳
2
回答
基于相关
矩阵
的大型稀疏
矩阵
主成分分析
、
、
、
、
我有一个很大(500k X 500k)的稀疏
矩阵
。我想知道它的主要组成部分(实际上,即使只计算最大的PC也可以)。随机化的PCA效果很好,除了它本质上是寻找协方差
矩阵
的
特征
向量,而不是相关
矩阵
。使用大型稀疏
矩阵
的协方差
矩阵
找到PCA的软件包有什么想法吗?最好是在python中,尽管matlab和R也可以工作。 (作为
参考
,向提出了类似的问题,但方法涉及协方差
矩阵
)。
浏览 1
提问于2012-11-28
得票数 3
1
回答
如果我只是‘vectorizer.transform(短语)’而不适合它,会发生什么呢?
、
、
、
、
当涉及到将短语向量化并将它们放入
矩阵
形式时,有些事情让我感到困惑。'.transform‘会把它放入一个短语x ngram
矩阵
。。 '.fit_transform‘是.fit和.transform的组合。
浏览 1
提问于2018-02-24
得票数 2
1
回答
上三角
矩阵
奇异值分解的计算
、
、
、
、
假设我有一个对称
矩阵
A:22 1 45 24 14 24 34 1 实际上,我是在处理G
矩阵
之后得到的,但作为它的对称,如何计算只有G的对称A
浏览 1
提问于2011-02-19
得票数 2
回答已采纳
1
回答
如何利用加速框架从
矩阵
中求出
特征
值和
特征
向量?
、
、
、
我有一个用C编写的函数来计算
特征
值和
特征
向量,但是由于我多次调用这个函数作为另一种算法的一部分,这需要花费大量的CPU时间。根据苹果公司的说法,可以用BLAS和LAPACK快速地从
矩阵
中求出
特征
值。由于我对加速框架是新的,那么我应该使用哪些函数来寻找方阵的
特征
值和
特征
向量?
浏览 3
提问于2012-06-27
得票数 2
1
回答
基于图像的计算机视觉三维变换
、
、
、
假设我在空间中有一个
参考
位置/方位的盒子和一个已知位置/方位的标定相机C。我拍了一张盒子的照片,可以识别投影图像B上的N个
特征
点x_i。 现在假设有人移动盒子(刚体变换)的数量相对较小。我拍了一张盒子的照片,可以再次识别N个
特征
点x*_i,我想要解决的刚体转换T。因此,我相信我可以从两组投影图像点中求出基本
矩阵
E(只要我有足够的--我想我需要8)。(既然摄像机是经过校准的,我想我可以只使用基本
矩阵
,而不是基本
矩阵
?)从这里,我可以使用
矩阵
分解来提取旋
浏览 0
提问于2017-02-04
得票数 1
1
回答
稀疏
矩阵
的完全SVD库
、
、
我想对包含大量零的大型
矩阵
进行奇异值分解。特别是从对称
矩阵
A的对角化得到的U和S,这意味着A=U*S*转置(U^*),其中S是对角
矩阵
,U包含所有
特征
向量作为列。我在网络上搜索将奇异值分解和稀疏
矩阵
结合在一起的c++库,但是只能找到少数的库,而不是所有的
特征
向量。有没有人知道是否有这样的图书馆? 另外,在得到U和S之后,我需要把它们乘成一些稠密的向量。
浏览 5
提问于2015-11-22
得票数 0
1
回答
特征
库中的步长子
矩阵
、
我是新的
特征
,我想要创建10个mxn
矩阵
。| 现在,如何能够为这10个
矩阵
中的每一个创建一个
参考
矩阵
(通过引用和不复制数据)
浏览 2
提问于2015-11-03
得票数 1
回答已采纳
3
回答
如何测试内核是否为有效内核
、
、
如果我定义自己的方法来确定我的支持向量机分类器的两个输入实体之间的相似性,并因此将其定义为我的内核,我如何验证它是否确实是我可以使用的有效内核?
浏览 0
提问于2012-08-03
得票数 13
回答已采纳
点击加载更多
相关
资讯
矩阵的瑰宝:深入挖掘特征值和特征向量,直观地看抽象概念
追求颠覆性创新,首先要清楚它的特征,也可作为专业选择参考
特征工程:特征缩放、选择
特征选择与特征抽取
稀疏特征和密集特征
热门
标签
更多标签
云服务器
ICP备案
实时音视频
即时通信 IM
对象存储
活动推荐
运营活动
广告
关闭
领券