奇异值分解（Singular Values Decomposition，SVD）

奇异值分解

• 1.奇异值分解

  • • 1.1 变换（Transformations）

    • 1.2 线性变换（Linear Transformations）

    • 1.3 降维（Dimensionality Reduction）

    • 1.4 奇异值分解（SVD）

    • • 1.4.1 若矩阵A为方阵（Square Matrix）
      • 1.4.2 若矩阵A为非方阵（Non-Square Matrix）

    • 1.5 图像压缩（Image Compression）

    • 1.6 分解后三个矩阵的计算方法

    • 1.7 相关性与差异性分析

    • • 1.7.1 特征值与特征向量
      • 1.7.2 奇异值与奇异向量

    • 1.8 基于SVD的矩阵近似估计（Matrix Approximation with SVD）

1.奇异值分解技术应用

笔记出处：Singular Value Decomposition (SVD) and Image Compression

1.1 变换（ Transformations __ ）