它实际上如何减少噪音..您能建议一些不错的教程吗?
SVD可以从平方矩阵的几何意义上理解为向量的变换。
考虑一个正方形n x n矩阵M乘以向量v以产生输出向量w:
w = M*v
奇异值分解M是三个矩阵M=U*S*V
的乘积,所以w=U*S*V*v
。 U和V是正交矩阵。从几何变换的角度(通过乘以向量作用于向量),它们是旋转和反射的组合,不会改变它们正乘的向量的长度。 S是对角矩阵,代表沿n轴中的每个轴以不同的缩放因子(对角项)进行缩放或压缩。
因此,将向量v与矩阵M左乘的效果是将v旋转/反射M的正交系数V,然后将结果缩放/压缩对角线因子S,然后旋转/反射结果的M正交系数。 U。
从数值的角度来看,SVD是理想的一个原因是与正交矩阵的乘法是可逆的extremely stable运算(条件数为1)。 SVD捕获对角缩放矩阵S中的任何病态。
奇异值分解是一种方法,用于获取nxm矩阵M并将其“分解”为三个矩阵,使得M = U S V。 S是对角线正方形(从左上角到右下角的对角线上只有非零项)矩阵包含M的“奇异值”。U和V是正交的,这导致了对SVD的几何理解。降噪不是必需的。当M = U
A