非奇异矩阵

非奇异矩阵上-海森堡矩阵分解Matlab代码

这段Matlab代码用于对非奇异矩阵进行上-海森堡矩阵分解，虽然计算量较大约为n^3级别，但仍能完成分解任务。

Matlab 0 2024-08-19

非负矩阵分解算法价值探讨

非负矩阵分解方向的文章具有一定参考价值，推荐有兴趣的读者阅读学习。

算法与数据结构 2 2024-05-20

Matlab非负矩阵分解NMF-NMF演示文稿

Matlab非负矩阵分解NMF-NMF演示文稿包括非负矩阵分解的讲义和相关程序截图。

Matlab 0 2024-09-26

对矩阵A的前行进行QR分解和奇异值分解Matlab教程

在这个教程中，我们将对矩阵A的前4行进行QR分解和奇异值分解。接着，我们计算矩阵A的特征根和对应的特征向量，以确定矩阵A是否可对角化。最后，我们计算矩阵A的指数、开平方和余弦值，并且计算每个元素的指数、开平方和余弦值（单位为度）。这些步骤将帮助您深入理解矩阵A在数学上的各种运算。

Matlab 2 2024-07-18

对矩阵A的部分行进行QR分解和奇异值分解——matlab教材

4．对矩阵A的部分行进行QR分解和奇异值分解，矩阵A与第1题相同。 5．计算矩阵A的特征值和对应的特征向量，判断其是否可对角化，矩阵A与第1题相同。 6．计算矩阵A的指数、平方根和余弦值，矩阵A与第1题相同。 7．计算矩阵A每个元素的指数、平方根和余弦值（单位为度），矩阵A与第1题相同。如何计算矩阵的余弦？

Matlab 2 2024-07-16

基于信息增量矩阵的非高斯过程故障诊断

传统的多元统计分析方法在故障诊断中常依赖于正态分布假设，而实际工业过程数据往往不服从正态分布。Q统计量方法虽然基于正态分布假设，但其诊断性能在非高斯数据情况下表现欠佳。信息增量矩阵 (IIM) 方法则不受正态分布限制，通过定义协方差矩阵、计算信息增量矩阵、信息增量均值和动态阈值等步骤，实现对非高斯过程的有效故障诊断。 数值模拟和田纳西州伊斯曼过程案例研究表明，IIM 方法在非高斯数据情况下具有更高的检测性能，有效降低了误报和漏报率，优于 Q 统计量方法。

统计分析 8 2024-05-12

高光谱解混的非负矩阵分解Matlab程序

该Matlab程序利用非负矩阵分解技术，对高光谱数据进行解混操作，适用于图形图像处理领域。

Matlab 4 2024-05-25

Matlab代码示例共生矩阵的非负张量因式分解

这是一个用Matlab实现的代码示例，用于通过非负张量因式分解区分表型和独特表型。该代码需要使用Tensor工具箱2.6版，并处理count.csv和label.csv数据格式，其中包括每个受试者的诊断和处方并发计数，以及临床结局的受试者ID。此外，还涉及诊断和处方的成对相似性矩阵similarities.csv。

Matlab 3 2024-07-30

SBVP 1.0 包：奇异边值问题求解器

SBVP 1.0 包提供了求解奇异边值问题的工具，形式为 y'(t) = f(t,y(t))，其中 f 可能包含奇点。该包使用搭配方法进行求解，并提供误差估计和自适应网格选择功能。

Matlab 3 2024-05-01

基于奇异值分解的图像质量评估

该项目提供了一种利用奇异值分解来评估图形和数值图像质量的方法。

Matlab 7 2024-05-12