「svdjava代码」%sjava

今天给各位分享svdjava代码的知识，其中也会对%sjava进行解释，如果能碰巧解决你现在面临的问题，别忘了关注本站，现在开始吧！

本文目录一览：

• 1、如何将SVD算法用mapreduce实现
• 2、求SVD算法的C++实现代码
• 3、opencv中把矩阵进行奇异值分解后怎样重构矩阵？
• 4、帮忙在pudn下东西

如何将SVD算法用mapreduce实现

数据挖掘比赛算法

examples/src/main/java/org/apache/mahout/cf/taste/example/kddcup/track1/svd

推荐系统中利用SVD实现降维

core/src/main/java/org/apache/mahout/cf/taste/impl/recommender/svd

求SVD算法的C++实现代码

/** C++ function for SVD

函数原型:

bool svd(vectorvectordouble A, int K, std::vectorstd::vectordouble U, std::vectordouble S, std::vectorstd::vectordouble V);

其中

A是输入矩阵，假设A的维数是m*n，那么本函数将A分解为U diag(S) V'

其中U是m*K的列正交的矩阵. V是n*K的列正交矩阵，S是K维向量。K由第二个参数指定。

U的第i列是A的第i大奇异值对应的左歧义向量,S[i]=A的第 i大奇异值,V的第i列是A的第i大奇异值对应的右歧义响亮.

K是需要分解的rank，0K=min(m,n)

本程序采用的是最基本幂迭代算法，在linux g++下编译通过

**/

#include cmath

#include iostream

#include iomanip

#include cstdlib

#include cstring

#include fstream

#include vector

using namespace std;

const int MAX_ITER=100000;

const double eps=0.0000001;

double get_norm(double *x, int n){

    double r=0;

    for(int i=0;in;i++)

        r+=x[i]*x[i];

    return sqrt(r);

}

double normalize(double *x, int n){

    double r=get_norm(x,n);

    if(reps)

        return 0;

    for(int i=0;in;i++)

        x[i]/=r;

    return r;

}

inline double product(double*a, double *b,int n){

    double r=0;

    for(int i=0;in;i++)

        r+=a[i]*b[i];

    return r;

}

void orth(double *a, double *b, int n){//|a|=1

    double r=product(a,b,n);

    for(int i=0;in;i++)

        b[i]-=r*a[i];

}

bool svd(vectorvectordouble A, int K, std::vectorstd::vectordouble U, std::vectordouble S, std::vectorstd::vectordouble V){

    int M=A.size();

    int N=A[0].size();

    U.clear();

    V.clear();

    S.clear();

    S.resize(K,0);

    U.resize(K);

    for(int i=0;iK;i++)

        U[i].resize(M,0);

    V.resize(K);

    for(int i=0;iK;i++)

        V[i].resize(N,0);

    srand(time(0));

    double *left_vector=new double[M];

    double *next_left_vector=new double[M];

    double *right_vector=new double[N];

    double *next_right_vector=new double[N];

    while(1){

        for(int i=0;iM;i++)

            left_vector[i]= (float)rand() / RAND_MAX;

        if(normalize(left_vector, M)eps)

            break;

    }

    int col=0;

    for(int col=0;colK;col++){

        double diff=1;

        double r=-1;

        for(int iter=0;diff=eps iterMAX_ITER;iter++){

            memset(next_left_vector,0,sizeof(double)*M);

            memset(next_right_vector,0,sizeof(double)*N);

            for(int i=0;iM;i++)

                for(int j=0;jN;j++)

                    next_right_vector[j]+=left_vector[i]*A[i][j];

            r=normalize(next_right_vector,N);

            if(reps) break;

            for(int i=0;icol;i++)

                orth(V[i][0],next_right_vector,N);

            normalize(next_right_vector,N);

            for(int i=0;iM;i++)

                for(int j=0;jN;j++)

                    next_left_vector[i]+=next_right_vector[j]*A[i][j];

            r=normalize(next_left_vector,M);

            if(reps) break;

            for(int i=0;icol;i++)

                orth(U[i][0],next_left_vector,M);

            normalize(next_left_vector,M);

            diff=0;

            for(int i=0;iM;i++){

                double d=next_left_vector[i]-left_vector[i];

                diff+=d*d;

            }

            memcpy(left_vector,next_left_vector,sizeof(double)*M);

            memcpy(right_vector,next_right_vector,sizeof(double)*N);

        }

        if(r=eps){

            S[col]=r;

            memcpy((char *)U[col][0],left_vector,sizeof(double)*M);

            memcpy((char *)V[col][0],right_vector,sizeof(double)*N);

        }else

            break;

    }

    delete [] next_left_vector;

    delete [] next_right_vector;

    delete [] left_vector;

    delete [] right_vector;

    return true;

}

void print(vectorvectordouble A){

    for(int i=0;iA.size();i++){

        for(int j=0;jA[i].size();j++){

            coutsetprecision(3)A[i][j]' ';

        }

        coutendl;

    }

}

int main(){

    int m=10;

    int n=5;

    srand(time(0));

    vectorvectordouble A;

    A.resize(m);

    for(int i=0;im;i++){

        A[i].resize(n);

        for(int j=0;jn;j++)

            A[i][j]=(float)rand()/RAND_MAX;

    }

    print(A);

    coutendl;

    vectorvectordouble U;

    vectordouble S;

    vectorvectordouble V;

    svd(A,2,U,S,V);

    cout"U="endl;

    print(U);

    coutendl;

    cout"S="endl;

    for(int i=0;iS.size();i++){

        coutS[i]' ';

    }

    coutendl;

    cout"V="endl;

    print(V);

    return 0;

}

opencv中把矩阵进行奇异值分解后怎样重构矩阵？

SVD相当于：

C为mxn阶矩阵，U为mxm阶酉矩阵，E为mxn阶实数对角矩阵，V为nxn阶酉矩阵。

E矩阵对角线上的元素等于C的奇异值。

在OpenCV中可以用

solve(InputArray src1, InputArray src2, OutputArray dst, intflags=DECOMP_SVD)

你是不是要用SVD求解最小二乘问题？

线性方程组Cx=b，求其最小二乘解。

你可以先求出C的伪逆C+。

C+=V(E+)(UT)

(E+)是E的伪逆，将E主对角线上每个非零元素都求倒数之后再转置得到.

(UT)是U的转置。

最后计算出最小二乘解为：(C+)b

帮忙在pudn下东西

你好，请下载附件，你需要的文件已上传，希望对你的学习研究有所帮助，还望及时采纳答案哦！

1、SVD Singular Value Descomposition

2、SVD(奇异值分解)源码，Java版，有相关演示实例。

关于svdjava代码和%sjava的介绍到此就结束了，不知道你从中找到你需要的信息了吗 ？如果你还想了解更多这方面的信息，记得收藏关注本站。