SVD（奇异值分解）的原理与应用

1. 前言 前段时间做三维模型参数化的过程中接触到了SVD(singular value decomposition)，翻译成中文就是奇异值分解。它的作用简单来说，就是提取一个较复杂矩阵中的关键部分，然后用一个简单的矩阵表示其关键部分，以达到简化的目的。基于这个原因，它的应用范围也十分广泛，比如：LSA（隐性语义分析）、推荐系统、特征压缩（或称数据降维）、PCA（主成分分析）、模型参数化等。 2.

>>阅读原文<<