发表服务
奇异值分解及其在广义逆理论中的应用——毕业论文奇异值分解在矩阵理论中有着极其重要的作用，尤其是在广义逆理论的研究中．魏木生教授运用广义奇异值分解这个强有力的工具，非常简明地解决了矩阵理论中的许多极其困难的问题，参见f16，61，63，60，62，64，661．本文的主要工具是广…
基于矩阵奇异值分解的图像压缩算法构造是否成功，在很大程度上受到能否获取有效的矩阵奇异值的影响。抽样算法能在相当程度上解决大矩阵奇异值分解的难题。但是，它仍然要求提供的数据矩阵满足某些基本的特性，这也将是本文要重点讨论的一个问题。
基于奇异值分解的流量矩阵估算研究.pdf,第31卷第6期兰州交通大学学报Vo1．31No．62012年12月...
基于奇异值分解（SVD）的推荐系统算法实现基于矩阵分解模型的原则就是把用户和项目映射到共同的一种特征空间（维数假设为f），而用户对项目的评分就可定义为该用户矩阵与该项目的点积。也就是说，每一个用户就相对于一个特征向量P（u），每一个项目就相对于一个特征Q(i)。
矩阵的分解毕业论文分析报告.doc,学士学位论文矩阵的分解学院、专业数学科学学院数学与应用数学研究方向代数学学生姓名学号200920134781指导教师姓名指导教师职称教授2014年4月16日矩阵的分解摘要众所周知，矩阵是代数学中的一个重要概念，它的出现促进了代数学的快速发…
基于奇异值分解（SVD）的推荐系统算法实现基于矩阵分解模型的原则就是把用户和项目映射到共同的一种特征空间（维数假设为f），而用户对项目的评分就可定义为该用户矩阵与该项目的点积。也就是说，每一个用户就相对于一个特征向量P（u），每一个项目就相对于一个特征Q(i)。
矩阵的分解毕业论文.doc,学士学位论文矩阵的分解学院、专业数学科学学院数学与应用数学研究方向代数学学生姓名林意学号200920134781指导教师姓名周末指导教师职称教授2014年4月16日矩阵的分解摘要众所周知，矩阵是代数学中的...
4矩阵的最大秩分解275矩阵的奇异值分解306非负矩阵分解6.1NMF背景介绍„.336.2NMF的实现算法336.3收敛性证明356.4算法„366.5算法优点与不足37总结..39致谢„42参考文献„41本科毕业设计说明书（论文）第2页共46页源￥自%六^^维*论
奇异值分解的作用在于：把矩阵M看作一个坐标系下的若干点，寻找一个新的坐标系（即新的线性空间），使得该坐标系中第一个坐标轴的方向是最具“差异性”的方向（例如下图中的v1），而这个方向对应的奇异值则能表示“差异”的程度有多大；该坐标系的第二个
3基于本质矩阵奇异值分解的极线校正方法第47-65页3.1问题描述第47-48页3.2本质矩阵第48-51页3.3本质矩阵的奇异值分解第51-53页3.4校正变换第53-56页3.5实验结果分析第56-64页3.5.1实验设置第56-58页3.5.2实验结果与分析第58
奇异值分解及其在广义逆理论中的应用——毕业论文奇异值分解在矩阵理论中有着极其重要的作用，尤其是在广义逆理论的研究中．魏木生教授运用广义奇异值分解这个强有力的工具，非常简明地解决了矩阵理论中的许多极其困难的问题，参见f16，61，63，60，62，64，661．本文的主要工具是广…
基于矩阵奇异值分解的图像压缩算法构造是否成功，在很大程度上受到能否获取有效的矩阵奇异值的影响。抽样算法能在相当程度上解决大矩阵奇异值分解的难题。但是，它仍然要求提供的数据矩阵满足某些基本的特性，这也将是本文要重点讨论的一个问题。
基于奇异值分解的流量矩阵估算研究.pdf,第31卷第6期兰州交通大学学报Vo1．31No．62012年12月...
基于奇异值分解（SVD）的推荐系统算法实现基于矩阵分解模型的原则就是把用户和项目映射到共同的一种特征空间（维数假设为f），而用户对项目的评分就可定义为该用户矩阵与该项目的点积。也就是说，每一个用户就相对于一个特征向量P（u），每一个项目就相对于一个特征Q(i)。
矩阵的分解毕业论文分析报告.doc,学士学位论文矩阵的分解学院、专业数学科学学院数学与应用数学研究方向代数学学生姓名学号200920134781指导教师姓名指导教师职称教授2014年4月16日矩阵的分解摘要众所周知，矩阵是代数学中的一个重要概念，它的出现促进了代数学的快速发…
基于奇异值分解（SVD）的推荐系统算法实现基于矩阵分解模型的原则就是把用户和项目映射到共同的一种特征空间（维数假设为f），而用户对项目的评分就可定义为该用户矩阵与该项目的点积。也就是说，每一个用户就相对于一个特征向量P（u），每一个项目就相对于一个特征Q(i)。
矩阵的分解毕业论文.doc,学士学位论文矩阵的分解学院、专业数学科学学院数学与应用数学研究方向代数学学生姓名林意学号200920134781指导教师姓名周末指导教师职称教授2014年4月16日矩阵的分解摘要众所周知，矩阵是代数学中的...
4矩阵的最大秩分解275矩阵的奇异值分解306非负矩阵分解6.1NMF背景介绍„.336.2NMF的实现算法336.3收敛性证明356.4算法„366.5算法优点与不足37总结..39致谢„42参考文献„41本科毕业设计说明书（论文）第2页共46页源￥自%六^^维*论
奇异值分解的作用在于：把矩阵M看作一个坐标系下的若干点，寻找一个新的坐标系（即新的线性空间），使得该坐标系中第一个坐标轴的方向是最具“差异性”的方向（例如下图中的v1），而这个方向对应的奇异值则能表示“差异”的程度有多大；该坐标系的第二个
3基于本质矩阵奇异值分解的极线校正方法第47-65页3.1问题描述第47-48页3.2本质矩阵第48-51页3.3本质矩阵的奇异值分解第51-53页3.4校正变换第53-56页3.5实验结果分析第56-64页3.5.1实验设置第56-58页3.5.2实验结果与分析第58
发表服务