Machine learningMatrix Factorization
Phân rã Giá trị Suy biến
Phân rã Giá trị Suy biến (SVD) là một kỹ thuật phân rã ma trận cơ bản, phân rã bất kỳ ma trận A kích thước m × n nào thành tích A = U Σ V^T, trong đó U và V là các ma trận trực giao và Σ là ma trận đường chéo chứa các giá trị suy biến. Được phát triển bởi Gene Golub và những người khác vào những năm 1960–1970, SVD là phương pháp mạnh mẽ nhất để phân tích cấu trúc ma trận và giải hệ phương trình tuyến tính.
Đọc toàn bộ phương pháp
Chỉ dành cho thành viên
Đăng nhậpĐăng nhập bằng tài khoản miễn phí để đọc phần này.
Method map
The neighbourhood of related methods — select a node to explore.
Nguồn tài liệu
- Golub, G. H., & Kahan, W. (1970). Calculating the singular values and pseudo-inverse of a matrix. Journal of the SIAM Series B: Numerical Analysis, 2(2), 205–224. DOI: 10.1137/0702016 ↗
- Golub, G. H., & Van Loan, C. F. (1983). Matrix computations (2nd ed.). Johns Hopkins University Press. ISBN: 0801854148
- Trefethen, L. N., & Bau, D. (1997). Numerical Linear Algebra. SIAM. DOI: 10.1137/1.9780898719574 ↗
Cách trích dẫn trang này
ScholarGate. (2026, June 3). Singular Value Decomposition (SVD). ScholarGate. https://scholargate.app/vi/numerical-methods/singular-value-decomposition
Được tham chiếu bởi
Phát hiện lỗi trên trang này? Báo cáo hoặc đề xuất chỉnh sửa →