基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
针对传统QR(Quadrature Right-triangle)算法在处理某些大型矩阵的奇异值分解时不收敛的本质原因,提出双向收缩、多次分割的解决对策.研究了对奇异值分解精度有重要影响的从左至右、从下至上的非零元素直线驱逐算法,提出了矩阵分割时子方阵首、末行的搜索算法,进而实现了针对大型矩阵奇异值分解的多次分割、双向收缩QR算法.通过实例比较了不分割与多次分割时算法收敛速度的差异,证实了多次分割双向收缩QR算法具有迭代次数少、迭代过程无停滞、收敛迅速等优点,解决了传统QR算法处理某些大型矩阵的SVD时不收敛的问题,对任何大型矩阵都可实现快速SVD运算.
推荐文章
基于频域数据矩阵奇异值分解的宽带测向算法
宽带信号测向
频域数据矩阵
奇异值分解
基于遗传算法的奇异值分解信号去噪算法
遗传算法
奇异值分解
K-medoids聚类算法
有效奇异值
信号去噪
单向收缩QR算法在奇异值分解中的收敛特性
收敛性
Givens矩阵
单位阵
QR算法
奇异值分解
矩阵广义奇异值分解的一个新证法及推论
广义奇异值分解(GSVD)
CS分解
算法
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 大型矩阵奇异值分解的多次分割双向收缩QR算法
来源期刊 华南理工大学学报(自然科学版) 学科 工学
关键词 奇异值分解 QR算法 大型矩阵 矩阵分割 双向收缩
年,卷(期) 2010,(1) 所属期刊栏目 电子、通信与自动控制
研究方向 页码范围 1-8
页数 8页 分类号 TN911.7|O241.6
字数 6135字 语种 中文
DOI 10.3969/j.issn.1000-565X.2010.01.001
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 陈统坚 华南理工大学机械与汽车工程学院 79 1440 20.0 36.0
2 赵学智 华南理工大学机械与汽车工程学院 106 1585 21.0 37.0
3 叶邦彦 华南理工大学机械与汽车工程学院 217 2474 25.0 40.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (20)
共引文献  (70)
参考文献  (6)
节点文献
引证文献  (26)
同被引文献  (54)
二级引证文献  (298)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(3)
  • 参考文献(0)
  • 二级参考文献(3)
2003(4)
  • 参考文献(0)
  • 二级参考文献(4)
2004(4)
  • 参考文献(0)
  • 二级参考文献(4)
2005(3)
  • 参考文献(0)
  • 二级参考文献(3)
2006(2)
  • 参考文献(1)
  • 二级参考文献(1)
2007(3)
  • 参考文献(1)
  • 二级参考文献(2)
2008(4)
  • 参考文献(4)
  • 二级参考文献(0)
2010(2)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(2)
  • 二级引证文献(0)
2010(2)
  • 引证文献(2)
  • 二级引证文献(0)
2011(7)
  • 引证文献(4)
  • 二级引证文献(3)
2012(8)
  • 引证文献(2)
  • 二级引证文献(6)
2013(16)
  • 引证文献(1)
  • 二级引证文献(15)
2014(42)
  • 引证文献(3)
  • 二级引证文献(39)
2015(31)
  • 引证文献(2)
  • 二级引证文献(29)
2016(58)
  • 引证文献(5)
  • 二级引证文献(53)
2017(65)
  • 引证文献(2)
  • 二级引证文献(63)
2018(42)
  • 引证文献(1)
  • 二级引证文献(41)
2019(42)
  • 引证文献(2)
  • 二级引证文献(40)
2020(11)
  • 引证文献(2)
  • 二级引证文献(9)
研究主题发展历程
节点文献
奇异值分解
QR算法
大型矩阵
矩阵分割
双向收缩
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
华南理工大学学报(自然科学版)
月刊
1000-565X
44-1251/T
大16开
广州市天河区五山路华南理工大学内
46-174
1957
chi
出版文献量(篇)
6648
总下载数(次)
17
总被引数(次)
75046
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导