学习打卡8.4

SVD和图形处理 奇异值分解（SVD） 前提 定义 例子 计算 U的计算 V的计算 Σ的计算 利用SVD降维 这里所说的降维，更准确的来说是使得矩阵的秩减小，矩阵大小并未改变。 保留的特征比例 用matlab计算 [U,S,V] = svd(A) 注意计算出来的事V不是V的转置 定义一个mysvd函数 函数作用：使用奇异值分解将矩阵A压缩到指定的特征比例 A：要压缩的m*n维的矩阵 ratio：(

>>阅读原文<<