3回答
我很难找到以下问题的直截了当的答案：
如果计算n×n正定对称矩阵A的Cholesky分解，即L为下三角矩阵的因子A=LL^T，则复杂度为O(n^3)。对于稀疏矩阵，显然有更快的算法，但速度有多快？
对于这样一个矩阵，比如m<n^2非零项，我们能达到什么复杂度？
编辑：我的矩阵也大约是主对角线(只有对角线和下面的一些相邻的对角线是非零的)。
最后，我对朱莉娅或Python的实现感兴趣。Python有sksparse.cholmod模块()，但我不清楚它们使用的是什么算法以及它的复杂性。不确定朱莉娅有没有人能告诉我。
浏览 7提问于2021-09-30得票数 2
回答已采纳
1回答
python中的复对称矩阵
、、、、
我试图在python中对一个复杂的对称矩阵进行对角化。
我看了一下numpy和scipy例程，但它们似乎都是处理hermitian矩阵或实对称矩阵。
我正在寻找的是获得我的起始、复杂和对称矩阵的Takagi分解的一些方法。这基本上是标准的特征点S= V.T ^-1，但由于起始矩阵S是对称的，由此得到的V矩阵应该是自动正交的，即V.T= V^-1。
有什么帮助吗？
谢谢
浏览 11提问于2013-10-21得票数 4
1回答
非负矩阵分解(NMF)是寻找矩阵A和B的过程。
Data_{ik} = \sum_j A_{ij} B_{jk}
我的数据矩阵实际上是3D的。我想将以下模型与我的数据相匹配
Data_{ikl} = \sum_j A_{ij} B_{jk} C_{jl}
很高兴知道这个模型是否有一个名称，并且已经在某个地方实现(最好是Python)。
浏览 0提问于2019-05-14得票数 0
1回答
我有一个Python程序，它接受系数只能是-1、0和1的矩阵。我需要计算这些矩阵的空空间。这些矩阵可能很大(数百万个条目)，而且性能很关键。 Scipy's null_space具有可接受的性能，但问题是它将空空间作为正交矩阵返回。我希望得到的矩阵具有整数系数。 然而，Sympy's nullspace返回我想要的矩阵，因为它是纯Python语言(可能还因为它使用高斯消元法而不是更快的算法)的性能非常差。 外面还有什么我可以尝试的吗？如果解决方案可以很容易地并行化，那就太好了。
浏览 35提问于2019-02-24得票数 1
我有一个大的(15万×15万)对称的半正定样本协方差矩阵，它的矩阵平方根我希望在Python中有效地计算。
在矩阵是对称psd的情况下，是否有任何方法加速平方根的计算？scipy.linalg.sqrtm对我来说太慢了。
浏览 10提问于2022-02-23得票数 1
回答已采纳
1回答
要使用三维张量的Tucker和规范多元分解(cdp或PARAFAC/CANDECOMP)进行潜在分析。
我使用python，函数来自于库的tensorly.decomposition.parafac。
from tensorly.decomposition import parafac
# Rank of the CP decomposition
cp_rank = 5
Perform the CP decomposition
weights, factors = parafac(result, non_negative=True ,rank=cp_rank , normalize_fact
浏览 0提问于2020-07-30得票数 0
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) * v
然而，如果它是一个对称矩阵，你只需要一个么正矩阵：
A=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
1回答
我正在尝试将一个IDL程序翻译成Python。我必须通过以下方式解决来自SVD的结果
from scipy.linalg import svd
A = [[1,2,3],[4,5,6]]
b = [4,4,5]
u,w,v = svd(A)
这段代码运行得很好，并且可以很好地从IDL翻译过来。下一步是IDL(!)
x = svsol(u,w,v,b)
python和IDL中的u几乎相同(对于其他矩阵也是如此)。唯一的区别是维数，IDL的矩阵更大，但有很多零。从这个意义上说，Python的矩阵看起来更加压缩了。
有没有人知道类似的Python。
如果任何人需要它，这里是的手册。
浏览 0提问于2012-09-25得票数 3
回答已采纳
3回答
我正在尝试使用sklearn库在Python语言中将信号分解成大型稀疏矩阵中的组件(矩阵分解)。
我利用scipy的scipy.sparse.csc_matrix来构建我的数据矩阵。然而，我不能进行任何分析，比如因子分析或独立成分分析。我唯一能做的就是使用truncatedSVD或scipy的scipy.sparse.linalg.svds来执行主成分分析。
有没有人知道在python中对稀疏矩阵进行ICA或FA的解决方法？任何帮助都将不胜感激！谢谢。
浏览 1提问于2015-04-29得票数 2
1回答
让我们考虑下面的矩阵 2 4
1 3
0 0
0 0 在python中创建这个矩阵和相应的奇异值分解可以在python中以一种简单的方式完成。 A =np.array([[2,4],[1,3],[0,0],[0,0]])
u,s,v =np.linalg.svd(A) 当我输入相应矩阵的维度时，我得到了以下结果 print(u)
print(np.diag(s))
print(v)
[-0.57604844 0.81741556 0. 0. ]
[ 0. 0. 1. 0. ]
[ 0
浏览 10提问于2019-09-21得票数 0
回答已采纳
我所能找到的关于矩阵因式分解推荐系统的所有教程都从导入用户、项和用户项评等开始，但之后只使用评等矩阵来训练推荐者(而不是用户或项目本身的特征，比如“年龄”)。
示例
教程: Python中电影推荐的矩阵分解
网址：https://beckernick.github.io/matrix-factorization-recommender/
用户(userID、性别、ageGroup、occupationGroup、zipCode)
📷
项目(movieID，标题，类型)
📷
评级(userID，movieID，评级，时间戳)
📷
然后，我们做一些清理和建立一个矩阵的用户对项目的评级作为价值。
📷
浏览 0提问于2018-11-01得票数 0
1回答
我有两个稀疏矩阵A(亲和力矩阵)和D(对角矩阵)，维数为100000*100000。我必须计算拉普拉斯矩阵L= D^(-1/2)*A*D^(-1/2)。我正在使用scipy CSR格式的稀疏矩阵。
我没有找到任何方法来求稀疏矩阵的逆。如何求稀疏矩阵的L和逆矩阵？还建议使用python来做这件事是否有效，或者我是否应该调用matlab函数来计算L？
浏览 1提问于2012-02-12得票数 3
1回答
我想做一些类似于这里的事情(在Python中)：
即：
1)将矩阵A的所有元素设置在矩阵B的对角线上(B的所有其他元素应该为0)，在对B执行某些操作后，我想重新创建矩阵A，因此，按照第一步执行的顺序，将这些元素从B的对角线上取下来，并将它们放回A中。
浏览 2提问于2015-09-24得票数 0
回答已采纳
1回答
我想用cv2.solve解线性矩阵方程a*X=b。 输入矩阵为float32类型，a的形状为(10,4)，b的形状为(10,1)。 使用numpy我得到了正确的输出： x, _, _, _ = np.linalg.lstsq(a, b, rcond=-1)
print(x)
[[ 0.81440514]
[ 0.08010263]
[46.14513 ]
[58.802303 ]] 当我尝试用opencv做同样的事情时，我得到了一个我不能理解的错误： x = cv2.solve(a, b)
Traceback (most recent call last):
File &
浏览 48提问于2020-06-28得票数 0
回答已采纳
2回答
大型稀疏矩阵分解
、、、、
我如何在一个非常稀疏的维数矩阵上运行svd和nmf，例如，70000 x 70000？此矩阵的稀疏版本可以存储为磁盘上小于700 m的二进制文件。我是否可以将其分解为稀疏格式(比如磁盘上的文件或内存中的可存储文件)，而不需要重构整个矩阵，这将不可能存储在内存中(甚至很难存储在磁盘上)？
我知道R中有irlba，python中有sklearn和pymf。但他们似乎需要重建矩阵？svd的问题是，我不能保存矩阵S、V和D，但如果我指定一个K，只保存与k-最大特征值对应的矩阵S_k、V_k和D_k，又该怎么办？至于nmf，我想将它分解为秩= 100的W，它可以存储在内存中。
如果有特定的方法，那么计算
浏览 12提问于2015-01-03得票数 2
1回答
我有一个形状为(30000，10)的矩阵。我想用形状(30000,512个)和(512个，10)将其考虑到矩阵中。这是可能的吗?如果可能的话，我将如何在代码(理想情况下是python)中这样做？
例如，如果存在这样的矩阵：
c = np.array([[39, 21],
[87 , 54],
[135, 87],
[183, 120]])
我希望能够在指定形状的同时获得两个乘法得到c的矩阵。假设我想找到两个形状为(4,3)和(3,2)的矩阵，我将得到以下数组：
a = np.array([[1,2,3],
[4,5,6],
[7,8,9],
[10,1
浏览 3提问于2021-04-02得票数 0
回答已采纳
我正在将一个脚本从Matlab转换到Python，在Python中我有一个矩阵VarCov，并且我得到了它的Cholesky分解。有时，由于浮点近似，一个应该是正数(PD)的矩阵不是，我必须在对角线上加上一个小数字。以下是Matlab代码：
[CholeskyUpper,pd] = chol(VarCov);
while pd
VarCov = VarCov + 0.0001 * eye(size(VarCov,1));
[CholeskyUpper,pd] = chol(VarCov);
end
Matlab很方便，因为它可以在进行Cholesky分解时返回矩阵是否为PD。这
浏览 9提问于2018-03-05得票数 1
回答已采纳
1回答
我在R中有以下矩阵A：
# [,1] [,2] [,3] [,4]
# [1,] -1.1527778 0.4444444 0.375 0.3333333
# [2,] 0.5555556 -1.4888889 0.600 0.3333333
# [3,] 0.6250000 0.4000000 -1.825 0.8000000
# [4,] 0.6666667 0.6666667 0.200 -1.5333333
A <- structure(c(-1.15277777777778, 0.55555555555
浏览 2提问于2017-01-10得票数 2
回答已采纳
2回答
为了得到一个包含D-dimensional正定矩阵C (在我的例子中是多元高斯微分熵)的行列式的可微项，我可以使用：
torch.log2(torch.potrf(C).diag()).sum() + D / 2.0 * (np.log2(2 * np.pi * np.e))
potrf(C)执行Cholesky分解，其对角线元素的日志值之和为日志行列式除以2。
我想在一小批矩阵上调用potrf，这样在形状(N, D, D)的张量上调用potrf就会产生N不同的Cholesky分解。
目前，我只能在Python循环中反复调用potrf()，这是对GPU并行计算能力的拙劣使用，因此运行速度比CP
浏览 2提问于2018-07-10得票数 1
回答已采纳
2回答
我试图在存储为火花RowMatrix (使用Python )的矩阵上运行一些基本的线性代数操作(特别是转置、点积和逆)。按照docs中的示例(就我的情况而言，我将在矩阵中有更多的行，因此需要火花)，假设我有如下所示：
from pyspark.mllib.linalg.distributed import RowMatrix
# Create an RDD of vectors.
rows = sc.parallelize([[1, 2, 3], [4, 5, 6], [7, 8, 9], [10, 11, 12]])
# Create a RowMatrix from an RDD of v
浏览 0提问于2015-09-21得票数 7
回答已采纳
1回答
如何在教学中实施ILU前置器？
、、、、
对于scipy.sparse.linalg中的迭代求解器(如bicg、gmres等)，可以为矩阵A添加预条件器。然而，并不是很清楚我应该给什么作为预条件。如果我使用ilu = sp.sparse.linalg.spilu(A)，ilu不是任何矩阵，而是包含许多东西的对象。
有人问了一个类似的问题，用于Python2.7，但我不为自己工作(Python3.7，枕1.1.0版)
那么，我的问题是，如何将不完全LU预条件用于这些迭代算法？
浏览 2提问于2019-11-16得票数 2
回答已采纳
R可以大于矩阵A的维数。
nnmf仅允许用于r< min(size(A))
有没有办法把矩阵分解成两个矩阵？
浏览 7提问于2012-03-07得票数 1
1回答
学习关于LU分解的知识，我使用的教科书声称，一旦计算了初始矩阵L和U(假设不需要旋转矩阵P)，从零开始求解Ly =b，然后Ux =y比Ax =b要快得多。但是，当我用随机的A⊆R^(10 X 10)矩阵和b⊆R^(10 X 1)在我的系统上运行它时，它的速度要慢得多(12.49秒比6.17秒)。
这是我的密码：
import numpy as np
from scipy.linalg import lu
from numpy.random import rand
from numpy.linalg import solve
from timeit import timeit as durati
浏览 2提问于2021-02-07得票数 2
回答已采纳
1回答
在ojalgo中，当在m矩阵A上进行QR或SVD分解时，我遇到了一个障碍。我的目的是为列空空间找到一个基础。如果m >= n，一切都很好。例如，秩为2的5x4矩阵A的转置A‘的QR分解给出了一个4x4q矩阵，它的最后两列跨越A的空空间。
另一方面，如果我从5x7矩阵A开始，秩5(并进行A‘的QR分解)，我得到正确的秩，但Q是5x5，而不是7x7，我没有得到空空间基。同样，具有相同矩阵A的SVD得到5个正奇异值(无零)，Q2矩阵为5x7，而不是7x7(无空向量)。
这是预期的行为吗？我为n>m的矩阵找到了一个变通方法(将n-m行零加到A中)，但它很笨拙.
浏览 1提问于2018-06-13得票数 1
回答已采纳
我试图使用scipy.sparse.linalg.eigsh找到Python中稀疏Hermitian矩阵列表的最小特征值(如最负的，而不是最低的)。矩阵为1000×1000，列表长度为500~2000。另外，我知道所有矩阵的特征值的上界和下界--分别称为eig_UB和eig_LB。
我尝试过两种方法：
sigma=eig_LB.Subtracting 使用移位-反转模式，从每个矩阵的对角线(从而将最小的特征值移动为最大的幅值特征值)，用默认的特征值设置对角化生成的矩阵(没有移位-反转模式并使用其中的‘LM’)，然后将eig_UB添加到生成的特征值中。。
这两种方法都有效，其结果一致，但方法1大
浏览 12提问于2020-03-05得票数 0
3回答
大型稀疏矩阵的快速非负矩阵分解
、、、、
使用Scikit-learn (v0.15.2)对大型稀疏矩阵(小于1%的值> 0)进行非负矩阵分解。我希望通过最小化矩阵的非零值的误差来找到因子(即，不计算为零的条目的误差)，并支持稀疏性。我不确定我正在尝试的东西是否出了什么问题。scikit learn包的NMF和ProjectedGradientNMF以前对我来说工作得很好。但似乎当矩阵大小增加时，因子分解非常慢。
我说的是大于10^10个单元的矩阵。对于大约有10^7个单元的矩阵，我发现执行时间很好。
我使用的参数如下：nmf_model = NMF(n_components = 100, init='nndsvd
浏览 0提问于2015-07-22得票数 6
1回答
在主成分分析中，我们对协方差矩阵进行特征分解，而不是对数据矩阵进行特征分解，这是因为大多数数据矩阵是非平方的。如果是的话，对特征分解的数据矩阵是否比协方差矩阵更正确？
浏览 0提问于2019-07-10得票数 1
1回答
所以我在pentadiagonial矩阵A中工作，大小为n：
(这里还有关于五对角矩阵的一般信息： )我使用Cholesky分解来得到矩阵A的矩阵L，其中L*L.T=A (L.T是L的转置)是根据该算法得到的。因此，numpy的标准算法是：
def mycholesky(A):
"""Performs a Cholesky decomposition of A, w
浏览 3提问于2019-12-14得票数 1
2回答
我有一个一般的实矩阵(即不对称或Hermitian等)，我想在Julia中找到它的右特征向量和相应的左特征向量。 Julia的eigen函数只返回右特征向量。我可以通过执行以下操作找到左特征向量 eigen(copy(M')) 但这需要复制整个矩阵并再次执行特征分解，并且不能保证特征向量将处于相同的顺序。( copy是必需的，因为对于Adjoint类型的矩阵没有eigen方法。) 在Python语言中，我们有scipy.linalg.eigs，它可以在一次遍历中同时计算左和右特征向量，这更高效，并保证它们的顺序相同。朱莉娅身上也有类似的东西吗？
浏览 60提问于2019-05-20得票数 3
1回答
我想在python中创建一个2D矩阵，当行数和列数相等时，它大约是231000。大多数单元格条目将为零。一些i条目可能是非零的。
创建这个矩阵的原因是应用奇异值分解得到秩为30的U-S-V矩阵。
有没有人能告诉我如何通过应用合适的库来实现这一点？我试过pandas Dataframe，但它显示内存错误。
我也看过奇异值分解矩阵，但不知道如何应用它来求奇异值分解。
浏览 1提问于2017-07-04得票数 0
我正在寻找半-definite矩阵在python中的Cholesky/LDL分解。
搜索结果：
numpy.linalg.cholesky和sympy.Matrix.LDLdecomposition只适用于正定。
2011年的电子邮件列表上有一个请求，但似乎没有实现。
上有一个粗略的描述，但没有代码。是否有一个直接的实现？
我的实例相当小，大约是$100\times100$，所以一个象征性的解决方案很好(瓶颈在其他地方)。
浏览 4提问于2017-09-07得票数 1
回答已采纳
有没有Python包可以通过计算矩阵列的外积来构建张量？
像matlab中的"ktensor“函数
浏览 66提问于2020-02-22得票数 0
回答已采纳
1回答
考虑这样的情况，给定一个MxM矩阵A和一个向量b，我想要解某种形式的inv(A @ A.T) @ b (其中我知道A是可逆的)。据我所知，使用solve_*而不是inv总是更快。也有更有效的解决私营部门司矩阵的变体(必须是A @ A.T )，使用Cholesky因式分解。
我的问题--因为我正在构造矩阵A @ A.T，只是为了马上扔掉它--是否有一个更专门的程序来解决线性方程组与A的克矩阵，而不必构造它呢？
浏览 2提问于2021-01-01得票数 0
回答已采纳
1回答
我已经理解了和的工作原理，但无法理解，
我们如何用CUR代替SVD分解？
在SVD分解中，C矩阵和R矩阵是否与U矩阵和V矩阵具有相同的性质？
如果我们想把原始矩阵的维数从n降到k，那么我们可以使用CUR的哪个矩阵来投影原始矩阵，从而得到k维数据点。
浏览 1提问于2018-03-29得票数 0
1回答
求解AX=B的线性方程组
、、、、
我目前解了两次Ax=b方程。
其中A是稀疏矩阵NxN
x，b是N大小的向量(我有b1和b2)
我想减少时间，通过一次解决这两个问题，使用垫子解析函数。
所以我想，从2b开始，建立一个大小为Nx2的矩阵，用A来求解，就像AX=B可以做的那样。
理论上是对的吗？
我应该使用哪种垫子解析函数？
请注意，我的工作是稀疏矩阵，而不是密集矩阵。
谢谢!
浏览 11提问于2016-03-02得票数 2
1回答
我需要计算矩阵的第一个奇异值和相应的左右特征向量。在Python中有没有一种方法可以避免计算矩阵的全奇异值分解来提取它的最大奇异值？
浏览 13提问于2020-03-19得票数 0
1回答
我正在用Python开发一个非线性有限元求解器，使用scipy稀疏矩阵。求解器生成一个名为KT (scipy.sparse.csc_matrix())的切线刚度矩阵，该矩阵在运行时进行多次更新--但在形状上不发生变化，并生成一个负载向量F。然后将迭代位移deltaU计算为KT * deltaU = F。
(示意性的)当前过程是：
import scipy.sparse as sps
while error > max_error:
KT = updateKT()
F = updateF()
solveRHS = sps.linalg.factorized(KT)
浏览 0提问于2019-11-06得票数 0
我是Python和数据科学的新手，正在复制我找到的一篇关于车辆维护的研究论文。
我正在尝试分析车辆维护数据，以找出绝对时间内组件维护的季节性模式，以及车辆使用年限内的组件维护模式。我所说的组件是指特定的部分。
我想创建一个3向数据张量，包含垂直轴上的车辆编号、水平轴上的组件编号和表示时间(绝对或车辆年龄)的深度。
每个元素将表示在给定车辆编号、组件编号和时间对组件执行的作业计数。
如果有人能给我指出正确的方向，了解如何用所描述的数据创建3D张量，我将不胜感激。到目前为止，我找到的资源只处理numpy矩阵，但我的数据是字母数字，时间单位是月。
关于Python中PARAFAC分解的可用资源的指导
浏览 18提问于2018-01-19得票数 2
2回答
我正在尝试将主成分分析应用于巨大的稀疏矩阵，在下面的链接中它说sklearn的randomizedPCA可以处理scipy稀疏格式的稀疏矩阵。
然而，我总是得到错误。有人能指出我做错了什么吗？
输入矩阵'X_train‘包含float64格式的数字：
>>>type(X_train)
<class 'scipy.sparse.csr.csr_matrix'>
>>>X_train.shape
(2365436, 1617899)
>>>X_train.ndim
2
>>>X_train
浏览 1提问于2015-11-09得票数 19
我正在尝试用python库分解非常大的矩阵。由于矩阵太大了，我无法在内存中以登斯格式实例化它，所以我改用。
这个库有一个叫做的稀疏矩阵函数，这似乎就是我要找的。
当我尝试它时，我遇到了严重的分解性能问题(不是内存表示，而是速度)，我还不能分解一个简单的10 x 95稀疏矩阵。
下面是我构建测试矩阵的方法：
m1 = lil_matrix((10, 95))
for i in xrange(10):
for j in xrange(95):
if random.random() > 0.8: m1[i, j] = 1
m1 = csc_matrix(m1)
这就是我
浏览 0提问于2013-05-25得票数 3
7回答
在python中有什么方法可以调用来创建一个随机的正交矩阵吗？可能是用numpy吗？或者，是否有一种方法可以使用多个numpy方法创建一个正交矩阵？谢谢。
浏览 8提问于2016-07-17得票数 34
回答已采纳
1回答
Q中的精确矩阵反演
、、、、
给定有理Q上的可逆矩阵M，逆矩阵M^(-1)又是Q上的矩阵，它们的(有效)库是否能精确地计算逆？
我知道诸如BLAS/LAPACK这样的高性能线性代数库，但是这些库基于浮点算法，因此不适合计算精确的(解析)解决方案。
动机：我想用它的计算大型的吸收概率。我想准确地这样做。
Details：大体上，我指的是最好情况下的1000x1000矩阵，最坏情况下的数百万维矩阵。我越往上爬越好。(我意识到最坏的情况很可能遥不可及。)
浏览 1提问于2017-05-16得票数 2
1回答
理解块和块循环矩阵的分布
、、、
在处理矩阵的并行分解时，我熟悉块分布，其中我们有(比方说)4个过程，每个过程都有自己的矩阵子区域：
例如，这里我们有一行中的进程数(procrows)等于2，列中的进程数(proccols)也等于2，如果原始矩阵大小为N x M，子矩阵A_local的大小为N/2 x M/2。
我正在阅读这个使用“块循环”发行版的，在本部分中：
/* Begin Cblas context */
/* We assume that we have 4 processes and place them in a 2-by-2 grid */
int ctxt, myid, myrow, mycol,
浏览 4提问于2015-06-26得票数 8
回答已采纳
2回答
正方形复矩阵A的是以下形式的矩阵分解
A = UP,
其中U是么正矩阵，P是半正定Hermitian矩阵。这与作为实现的不同。
如何找到带有numpy/scipy的P？
浏览 0提问于2012-01-05得票数 2
回答已采纳
2回答
我正在尝试在我的数据集上应用NMF，使用python learn。我的数据集包含0值和缺失值。但是scikit学习不允许数据矩阵中的NaN值。一些帖子说，用零代替缺失的值。
我的问题是：
如果我用零替换缺失值，那么算法如何区分缺失值和实数零值？
还有其他NMF实现可以处理丢失的值吗？
或者如果有其他矩阵分解算法可以做缺失值的预测？
浏览 0提问于2016-09-07得票数 8
1回答
假设我有一个正方形的 M。假设我想矩阵M。
我试图使用中的分数M类作为矩阵M的成员。如果您不熟悉这些部分，它们在功能上类似于python的内置包。唯一的问题是，没有任何包会反转我的矩阵，除非我把它们从分数形式中取出来。我需要分数形式的数字和答案。因此，我必须编写自己的函数来反演M。
有一些已知的算法我可以编程，比如。然而，绩效是一个问题，所以我的问题如下：
是否有一个计算快速的算法，我可以用来计算矩阵M**?**的逆。
浏览 1提问于2017-06-02得票数 7
1回答
我试图把一个2D矩阵分解成两个向量，这样它们的外积等于原始矩阵。
使用SVD：
import cv2
import numpy as np
def createDoG(sigma, sigmaRatio=0.5):
size = int(np.ceil(sigma*3))*2+1
kernel1_2D = np.outer(cv2.getGaussianKernel(size, sigma), cv2.getGaussianKernel(size, sigma))
kernel2_2D = np.outer(cv2.getGaussianKernel(size, si
浏览 0提问于2018-07-07得票数 3
回答已采纳
我是大学计算机科学专业的学生，正在为我的Calc III课程做一个涉及奇异值分解的编程项目。其思想基本上是将m×n维的图像转换成m×n矩阵，其中每个元素是表示点(m，n)处的像素的颜色通道(r，g，b)的元组。我之所以使用Python，是因为到目前为止，Python是我唯一真正(学得很好)的语言。
据我所知，Python通常不喜欢将元组作为数组的元素。我自己做了一点研究，找到了一个解决办法，即按如下方式预先分配数组：
def image_to_array(): #converts an image to an array
aPic = loadPicture("zorak_
浏览 1提问于2010-11-20得票数 15
我一直在处理Python中A= Bx形式的线性代数问题，并将其与MATLAB和Mathematica中的同事代码进行了比较。当B是一个奇异矩阵时，我们注意到Python和其他的区别。当使用numpy.linalg.solve()时，我抛出一个奇异矩阵错误，因此我实现了.pinv() ( Moore Penrose伪逆)。
我知道存储逆在计算上效率很低，首先我很好奇是否有更好的方法来处理Python中的奇异矩阵。然而，我问题的重点在于Python如何从无穷大的解空间中选择一个答案，以及为什么它选择一个与MATLAB和Mathematica不同的答案。
这是我的玩具问题：
B = np.array
浏览 1提问于2016-10-24得票数 2
回答已采纳
我需要下列对角线：
diag(X %*% solve(A) %*% t(X))
其中A是满秩平方矩阵，X是矩形矩阵。A和X都是稀疏的。
我知道，除非你真的需要它，否则求矩阵的逆是不好的。但是，我看不出如何重写公式，使solve(A)被solve替换为两个参数，这样就可以不显式地反演线性系统。这有可能吗？
浏览 2提问于2016-09-16得票数 5
回答已采纳
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
对象存储
即时通信 IM
实时音视频活动推荐
腾讯云开发者
