理解矩阵特征值及应用
2015-09-23 16:00
99 查看
将N阶对称矩阵A分解,用N个特征向量Q和特征值 Σ 来表示,不同特征值对应的特征向量是相互正交的。
特征向量和特征值可以很好的描述原始矩阵,方便实际应用。将矩阵投影在特征向量上,特征值即投影长度。特征值越大,表示矩阵在对应特征向量上信息量越大,导数越大。反之,特征值越小,表示信息量较少,也可删除对应特征向量上的数据,降维减少数据量。可应用于最优化求解,图像处理(如特征点描述和特征提取等),数据挖掘(如数据降维等)。
详见链接:知乎上很多大牛,会把很多貌似很深奥的东西解释的很容易理解。http://www.zhihu.com/question/21874816
另该链接上降维协方差矩阵计算写的比较模糊,可以参考PCA主成份分析http://www.360doc.com/content/14/0526/06/15831056_380900310.shtml
其中3个维度协方差计算公式
Matlab代码(其中A为样品矩阵)
简化求法
先让样本矩阵中心化,即每一维度减去该维度的均值,然后直接用新的到的样本矩阵乘上它的转置,然后除以(N-1)即可。计算结果与上述相同。
Matlab代码(其中A为样品矩阵,n为样品数)
特征向量和特征值可以很好的描述原始矩阵,方便实际应用。将矩阵投影在特征向量上,特征值即投影长度。特征值越大,表示矩阵在对应特征向量上信息量越大,导数越大。反之,特征值越小,表示信息量较少,也可删除对应特征向量上的数据,降维减少数据量。可应用于最优化求解,图像处理(如特征点描述和特征提取等),数据挖掘(如数据降维等)。
详见链接:知乎上很多大牛,会把很多貌似很深奥的东西解释的很容易理解。http://www.zhihu.com/question/21874816
另该链接上降维协方差矩阵计算写的比较模糊,可以参考PCA主成份分析http://www.360doc.com/content/14/0526/06/15831056_380900310.shtml
其中3个维度协方差计算公式
Matlab代码(其中A为样品矩阵)
C = cov(A)
简化求法
先让样本矩阵中心化,即每一维度减去该维度的均值,然后直接用新的到的样本矩阵乘上它的转置,然后除以(N-1)即可。计算结果与上述相同。
Matlab代码(其中A为样品矩阵,n为样品数)
B= A-repmat(mean(A),n,1); C = B'*B/(n-1)
相关文章推荐
- ACM —— 1014 Dividing
- 子类继承父类
- [Oracle][ODBC SQL Server Driver][SQL Server]对象名 'RECOVER.HS_TRANSACTION_LOG' 无效(转)
- memcached重启命令
- Android 蓝牙开发(一)Android系统的蓝牙模块简介
- python sorted operator.itemgetter
- 验证XCODE是否中毒的方法
- [论文阅读]随机蕨:FAST Key Points Recognition Using Random Ferns
- win8.1/2012R2上面安装flash debugger
- 清除层div浮动
- Eclipse相关设置
- Custom Container View Controller
- Linux下Websphere无法关闭
- 怎么阅读android官方开发文档
- unity学习前篇
- iOS开源项目学习——JSQMessagesViewController
- u8g.lib在128x64的使用
- libevent学习笔记1:一个用libevent实现的回显服务器
- Springmvc+mybatis 问题总结(续ing)
- [MFC]文档/视图结构的命令传送和预定义命令ID(包括命令处理程序)