当前位置: 首页> 财经> 产业 > 20240806---特征选择与稀疏学习笔记---pptp61-p92---奇异值分解/压缩感知、字典学习

20240806---特征选择与稀疏学习笔记---pptp61-p92---奇异值分解/压缩感知、字典学习

时间:2025/7/14 19:41:02来源:https://blog.csdn.net/zsysingapore/article/details/140967118 浏览次数:0次

一.奇异值分解

在这里插入图片描述

在这里插入图片描述

2.要进行特征分解,则矩阵A为方阵,如果矩阵 𝐴A 不是方阵(即行数和列数不同),我们仍然可以对其进行分解,这就是奇异值分解(SVD)的强大之处。

在这里插入图片描述

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

二.压缩感知

1.采样频率是模拟信号最高频率的两倍,则采样信号能重构模拟信号。
但是为了方便信号传输,我们要对采样完的数字信号进行压缩,压缩就是会损失部分信息
在这里插入图片描述
2.压缩感知,信号在正交空间具有稀疏性(也就是可压缩性)
在这里插入图片描述
3.cs信息获取系统
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

在这里插入图片描述
(限定等距性的概念不是很清楚)
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

···················
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

在这里插入图片描述
在这里插入图片描述

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

关键字:20240806---特征选择与稀疏学习笔记---pptp61-p92---奇异值分解/压缩感知、字典学习

版权声明:

本网仅为发布的内容提供存储空间,不对发表、转载的内容提供任何形式的保证。凡本网注明“来源:XXX网络”的作品,均转载自其它媒体,著作权归作者所有,商业转载请联系作者获得授权,非商业转载请注明出处。

我们尊重并感谢每一位作者,均已注明文章来源和作者。如因作品内容、版权或其它问题,请及时与我们联系,联系邮箱:809451989@qq.com,投稿邮箱:809451989@qq.com

责任编辑: