나는 명확한 대칭 성 희소 행렬의 고유 값과 고유 벡터를 계산해야하는 Java 소프트웨어를 작성 중이다. 나는 모든 고유치를 필요로하지 않지만, 나는 작은 것들에 주로 관심이 있습니다. 문제는 : 테스트 목적으로 1), 내 코드, 노트북 (쿼드 코어에서 실행되는 테스트 데이터는 큰 행렬을 포함 2) RAM 4 기가) 할 필요가 - 일반적으로 이상 10000
3x3 행렬의 고유 값을 쉽게 계산할 수있는 3 차식의 구현을 작성했습니다. 나는 이제 이러한 값으로부터 고유 벡터를 계산하기위한 알고리즘을 작성하려고 시도하고 있으며, O (1) 복잡도를 사용하는 것이 바람직합니다. 행렬 감소 에셜론 형식으로 행렬을 얻을 수 있었지만 지금은이를 고유 벡터로 변환하는 방법에 조금 얽혀 있습니다. 저는 C++을 사용하고 비표
큰 희소 행렬 및 작은 희소 행렬로 작업하고 있습니다. 이제 eig 명령은 희박한 행렬 (sprand 사용시)에서 작동하지 않으므로 eigs을 사용해야합니다. 하지만 사용하는 매트릭스에 따라 둘 다 사용해야하는 스크립트가 있습니다. 두 개의 동일한 스크립트가있을 수 있습니다. 하나는 eig이고 다른 하나는 eigs (및 5,6 < => N-1, N)입니다.
http://www.tacc.utexas.edu/tacc-projects/gotoblas2/에 GotoBLAS 라이브러리를 다운로드했는데 syev() 함수를 사용하여 매트릭스의 고유 벡터와 고유 값을 계산하고 싶습니다. 하지만 나는 오픈 소스 라이브러리를 가진 초보자이고 그것을 사용하는 방법을 모른다. 누구든지 나를 도울 수 있습니까? 모든
나는 PCA를하기 위해 matlab의 princomp 함수를 사용한다. 필자가 이해할 수 있도록 잠재력을 점검하여 필요한 차원을 결정할 수있었습니다. (: 1:10) [coeff, score, latent, t2] = princomp(fdata);
cumsum(latent)./sum(latent);
그리고 trainMatrix = COEFF 사용하여
longley 데이터에 대한 고유 값 및 벡터를 사용하여 다중 공선 성을 감지하고 있습니다. SPSS에서 고유 값을 계산할 때 R 언어와 다른 고유 값을 발견했습니다. 나는 이유가 없다. 나는 표준화 된 X 행렬과 실제의 X 행렬을 계산했지만 결과가 일치하지 않습니다. data(longley)
x<-as.matrix(longley[,-7])
e<-eig
치수를 줄이기 위해 PCA를 사용하고 매트릭스를 사용하여 자마를 사용합니다. 하지만 자마와 eigenvalue 얻을 때 문제가있어. 예를 들어, 2 hava 2 이미지 dimention 100x100, 그럼 내가 하나의 매트릭스 2 이미지 x (100x100)를 만듭니다. 20.000 픽셀이 있습니다. 및 eigenvalue 감소 방법 PCA pca = n
그것은 병렬 고유 값 분해 알고리즘을 생각해내는 중이 야하지만 내가 시도한 알고리즘 중 matlab의 eig 알고리즘을 이길 수없는, 그래서 matlab에 어떤 알고리즘을 사용하는지 알고있는 사람이있다. 이그 기능을 위해서? 누군가가 나에게 고유 값 분해를위한 좋은 병렬 알고리즘을 제안 할 수 있습니까?
마크로프 모델의 정적 분포를 결정하는 데 어려움이 있습니다. 나는 이론과 연결 이해하기 시작 : 우리가 가장 큰 고유치의 고유 벡터를 찾을 필요가 고정 분포를 꺾고 할 확률 행렬을 감안할 때 을 내가 확률 매트릭스 를 생성하는 시작 (즉, 1) set.seed(6534)
stoma <- matrix(abs(rnorm(25)), nrow=5, ncol=5)