基于奇异值分解的简化数据应用

• 作者: 张仁龙 陈卉妍
• 来源期刊: 软件导刊
• 学科: 工学
• 关键词: 奇异值分解 推荐引擎 压缩图像 相似度计算 数据降维
• 年，卷（期）: 2019,（8）
• 所属期刊栏目: 数据库与信息处理
• 页码范围: 162-165
• 页数: 4页
• 分类号: TP392
• 字数: 2489字
• 语种: 中文
• DOI: 10.11907/rjdk.191802

摘要

奇异值分解是提取数据特征信息的一种强大工具,其应用可以从信息检索领域扩展到金融、医疗、统计学等各领域,是简化数据、相似度计算的一种有效方法.对奇异值分解原理和特性进行阐述,介绍了基于Py?thon与其相关科学计算库的奇异值分解过程和相似度算法,解释了将庞大的数据矩阵映射到低维空间的转换过程,图像数据通过奇异值分解较原始图像压缩了近8倍.分别对SVD在推荐系统和图像压缩两方面的具体应用进行描述,总结出奇异值分解在数据降维中的强大应用和良好前景.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张仁龙	北京农学院计算机与信息工程学院	3	2	1.0	1.0
2	陈卉妍	北京农学院计算机与信息工程学院	1	1	1.0	1.0