SVD(奇异值分解)算法及其评估(17)

2020-12-24 22:54

SVD算法的全面介绍

(5) 如果k i 1,则

x k 1 k y 0

k 1

k 1 cs

k 1 sc

; k k 1,转步(3)

否则,

cs

i i i 1 i 1

sc

迭代结束。

接着再给出零位移QR迭代算法的Upward算法如下:

算法3.2.1b: oldc 1

x y

for i : 1:( 1) call [c,s,r] Givens(x,y) //调用算法3.1.1 Update(c,s,ui,ui 1) //利用算法3.1.2

//其中ui,ui 1分别为矩阵U的第i和i-1列

if(i i 1 olds*r x oldc*r

y i 1*s h i 1*c oldc c olds s

call [c,s,r] Givens(x,y)

Update(c,s,vi,vi 1) //利用算法3.1.2

//其中vi,vi 1分别为矩阵V的第i和i-1列

i r

x h

if(i i 1) y i 1 endfor

i 1 h*s

i h*c

2) 应用收敛判据

在前面已经给出了四个收敛判据,因为应用收敛判据需要很多额外的运算量,所以尽量只当可能收敛时才利用收敛判据;从经验观察可知,当“从上往下”开始进行“驱逐出境”时,一般最底层的元素 n趋向于收敛到最小的奇异值,而且 n比


SVD(奇异值分解)算法及其评估(17).doc 将本文的Word文档下载到电脑 下载失败或者文档不完整,请联系客服人员解决!

下一篇:电子技术第8章常用组合逻辑器件及其应用

相关阅读
本类排行
× 注册会员免费下载(下载后可以自由复制和排版)

马上注册会员

注:下载文档有可能“只有目录或者内容不全”等情况,请下载之前注意辨别,如果您已付费且无法下载或内容有问题,请联系我们协助你处理。
微信: QQ: