SVD

SVD可以指:

SVD方法種類

GRSVD

GRSVD為其中一種SVD分解方法。他利用householder transformations將目標矩陣轉換成雙斜對角矩陣,再利用QR algorithm追蹤其特徵值。 此演算法的限制為,難以估計出真正的準確值。根據下圖所示可觀察出,iteration較大時會慢慢decay最後error會達到飽和。

Jacobi SVD

一種SVD方法為Jacobi SVD,此種方法的複雜度較GRSVD高,但是精確度也較高。Jacobi SVD使用多次的平面旋轉使得矩陣上非對角軸上的數值趨近於0。 於此,運用演算法可將矩陣轉換成我們所需的型式:

將A0轉換成A,成為只有對角線有值的矩陣。 下圖為error模擬圖,可觀察出:iteration次數增加,可以相對增加其精準度。

This article is issued from Wikipedia. The text is licensed under Creative Commons - Attribution - Sharealike. Additional terms may apply for the media files.