1回答
我有一个轨迹，其中包含一些3D数据的几个帧，如下所示(为了问题的重现性，我发布了整个帧)：[ 91.37 ,,146.4 ],[ 94.2 , 55.65 ,150.56 ]]
我想让这条线适合我的数据= vv[0] * np.mgrid[minimum:maximum:2
浏览 15提问于2018-08-10得票数 0
1回答
计算两组矢量之间的旋转
、、、、
我有2组3D矢量，有N个条目。我正在尝试计算旋转矩阵，它最好地将第一个集合与第二个集合对齐。2) JAMA中的SVD/EVD需要一个矩阵。如何根据我的两组向量填充矩阵？
浏览 3提问于2013-06-20得票数 0
1回答
在我的研究中，我使用了所谓的Lee卡特模型(死亡率模型)，在该模型中，您可以通过对矩阵(对数死亡率-特定于年龄的死亡率的平均模式)进行奇异值分解来获得模型参数。我正在尝试寻找奇异值分解的替代方法，我发现一个很好的选择可能是递归神经网络应用的自动编码。实际上，奇异值分解可以收敛到激活函数是线性函数的自动编码器。让我们使用以下步骤来获得数据<
浏览 3提问于2018-11-18得票数 0
2回答
基于RANSAC的仿射变换模型
、、、、
我正在尝试使用RANSAC仅使用三个对应来估计两个图像之间的单应性，即我试图找到连接这两个图像的仿射变换。我使用的方法是将数据矩阵的奇异值分解(使用三个对应关系)，然后将(u，s，v=SVD(A))中v的最后一列作为单应矩阵，然后使用RANSAC方法获得最适合的单应矩阵。我正在尝试使用以下代码：
有人能告诉我如何得到仿射变换单应矩阵吗？
浏览 3提问于2014-05-06得票数 1
我正在将一个应用程序迁移到AWS，该应用程序需要计算一个大型对称正值矩阵，然后进行SVD/特征分解，以恢复一些关键的特征向量和特征值。矩阵的边大小可能是100K或更大，因此我正在寻找Spark中的分布式运算符，以比直接的scipy/numpy SVD运算符更快地执行svd。我不是在做稀疏性的假设。有人可以建议如何使用Spark执行SVD吗？
浏览 2提问于2017-11-11得票数 1
1回答
我知道np.linalg.svd(A)会返回矩阵A的奇异值分解。A=u * np.diag(s) * vA=v.T * np.diag(s) * v
在R中我们可以使用La.svd(A,nu=0)，但是Python语言中有没有什么函数可以加速对称矩阵的奇异值分解过程呢？
浏览 38提问于2016-08-11得票数 2
2回答
基于numpy的三维图像压缩
、、、、
我有一个3Dnumpy数组，表示一个对象，用单元作为体素，体素的值从1到10。我想压缩图像(a)以使其更小，(b)稍后通过将其压缩到与原始图像的最小一致程度来快速了解图像的复杂性。我已经使用奇异值分解对2D图像做了这样的处理，并查看了需要多少奇异值，但它在3D图像中看起来有困难。例如，如果我看一下S矩阵中的对角项，它们都是零，我期待的是奇异值。有没有什么方法可以使用svd<
浏览 0提问于2016-08-20得票数 2
我正在尝试找出如何找到一组特定特征值的相应特征向量。
我正在做一个使用奇异值分解的项目，我需要找到截断的奇异值分解，这是具有k个最大奇异值的奇异值分解。
浏览 0提问于2018-05-12得票数 0
2回答
在Matlab中，SVD函数输出三个矩阵：我们可以使用S矩阵来找到尽可能少的分量，以降低X的维数以保留足够的方差。我的问题是如何使用Opencv找到S矩阵(而不是U矩阵)，是否可以使用OpenCV SVD中的build找到S矩阵？我的意思是，Matlab奇异值分解函数输出三个矩阵，就像OpenCV一样，但我不知道它们是否相同。这是OpenCV中
浏览 2提问于2012-08-20得票数 4
回答已采纳
2回答
我一直在尝试在matlab中使用从2个图像中手动选择的对应点来计算单应矩阵。到目前为止，我的代码如下： 335.945945945946,1016.71621621622A\b); x(4,1) x(5,1) x(6,1);这不会给出正确的</e
浏览 0提问于2013-05-03得票数 0
给定矩阵A，是否可以方便地得到出现在中且满足A=PI_r,0;0,0Q的可逆矩阵P和Q？
浏览 5提问于2013-10-04得票数 3
2回答
随机化SVD奇异值
、、、
随机奇异值分解通过使用k+p随机投影提取前k个奇异值/向量来分解矩阵。这对于大型矩阵来说效果出奇的好。
我的问题与算法输出的奇异值有关。如果你做完整的奇异值分解，为什么这些值不等于前k个奇异值？下面我在R中有一个简单的实现，任何关于提高性能的建议都将不胜感激。y = A %*% matrix(rnor
浏览 3提问于2010-11-19得票数 9
回答已采纳
1回答
矩阵的Svd与特征分解
、、、
我的问题是关于任何矩阵的奇异值和特征分解。对于任意矩阵A，假设我的SVD为A= UDW‘，我的本征分解为A= BCinv(B)。设取一个实数x，在某些假设下A^(x) = B.C^(x)inv(B)。如何利用SVD分解得到A^(x)？
谢谢
浏览 3提问于2016-01-13得票数 0
回答已采纳
4回答
有没有人知道如何在python中对稀疏矩阵进行svd运算？似乎在scipy.sparse.linalg中没有提供这样的功能。
浏览 0提问于2010-07-13得票数 6
回答已采纳
我需要计算密集矩阵的奇异值分解，但它似乎不包括在我使用的包中:从Nuget包管理器下载的MathNet.Numerics x86 v2.4.0.26。我指的是这个问题 var m = DenseMatrix.OfArray(new double[,] { { 0, 2,4, 0, 0 }, { 0, 0, -4, -8,
浏览 7提问于2014-02-18得票数 2
回答已采纳
5回答
谁能推荐在C++中实现一个稳定和正确的单值分解？最好是独立实现(不希望为一种方法添加大型库)。这种不稳定性在某些情况下会导致我计算中的错误，我不明白为什么。然而，结果由mathlab或wolframalpha返回-总是给出正确的计算.
浏览 10提问于2010-10-04得票数 28
回答已采纳
我想要验证单应矩阵会给出好的结果，并且这个有它的答案-但是，我不知道如何实现这个答案。
那么，谁能推荐我如何使用OpenCV来计算奇异值和奇异值，并验证第一个到最后一个奇异值的比率是合理的？
浏览 1提问于2013-05-08得票数 4
回答已采纳
3回答
在PyTorch中加速奇异值分解
、、、、
以下是每个批次上预处理部分的代码：for i in range(batch_size): for c in range(C): S[i, c
浏览 3提问于2020-02-09得票数 2
2回答
Python:矩阵完成函数/库？
、、、、
python中是否有函数将通过使用协作过滤 (ex )来为您填充矩阵中缺少的值。交替极小化算法等。还是需要从头开始实现这些功能？编辑:虽然这不是一个矩阵完成的例子，但为了说明类似的情况，我知道Matlab中有一个svd()函数，它以一个矩阵作为输入，并自动输出它的奇异值分解(svd)。我在Python中寻找类似的东西，希望是一个内置的函数，但是即使是一个好的库也会很棒。
浏览 2提问于2014-03-23得票数 1
1回答
下面是关于使用奇异值分解(SVD)：对电影建议进行矩阵分解的教程。使用 SVD ，使用SVD将数据集近似为三个组件：
如何在经过训练的模型上应用单独的测试集来获得未知测试集的<
浏览 0提问于2019-05-23得票数 3
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
云直播
对象存储
实时音视频活动推荐
腾讯云开发者
