F范数(Frobenius范数)： 。
2.2  奇异值分解(Singular Value Decomposition,SVD)
2.2.1  奇异值分解
假设矩阵A是一个 的矩阵，并且rank(A)=r，U是 的矩阵，U的列是AAT的正交特征向量，V是 矩阵，V的列是ATA的正交特征向量，则存在以下奇异值分解：
 
其中AAT和ATA的特征值相同，都是 ，
 为 的对角矩阵,其中 ，其余位置为零，并且 ，记 ， 即为矩阵A的奇异值。
上一篇：基于MaterialDesign的安卓快速开发平台的设计与应用
下一篇：基于TTL算法的网络隐蔽信道的设计与实现

基于android的环境信息管理系统设计

基于激光超声检测金属材...

基于MOODLE平台的在线交互式学习设计

基于离散事件系统Petri网模型的可达图研究

基于高斯过程动态模型的时序数据恢复方法

基于深度学习的目标识别算法研究

MATLAB基于流形学习与神经网络的预测建模

浅谈高校行政管理人员的...

AES算法GPU协处理下分组加...

从政策角度谈黑龙江對俄...

浅论职工思想政治工作茬...

基于Joomla平台的计算机学院网站设计与开发

提高教育质量,构建大學生...

STC89C52单片机NRF24L01的无线病房呼叫系统设计

上海居民的社会参与研究

压疮高危人群的标准化中...

酵母菌发酵生产天然香料...