20240806---特征选择与稀疏学习笔记---pptp61-p92---奇异值分解/压缩感知、字典学习

一.奇异值分解

2.要进行特征分解,则矩阵A为方阵,如果矩阵 𝐴A 不是方阵(即行数和列数不同),我们仍然可以对其进行分解,这就是奇异值分解(SVD)的强大之处。



二.压缩感知

1.采样频率是模拟信号最高频率的两倍,则采样信号能重构模拟信号。

但是为了方便信号传输,我们要对采样完的数字信号进行压缩,压缩就是会损失部分信息

2.压缩感知,信号在正交空间具有稀疏性(也就是可压缩性)

3.cs信息获取系统










(限定等距性的概念不是很清楚)



···················







相关推荐
qq_3863226933 分钟前
华为网路设备学习-26(BGP协议 一)
学习
DKPT1 小时前
Java设计模式之行为型模式(责任链模式)介绍与说明
java·笔记·学习·观察者模式·设计模式
L_autinue_Star1 小时前
手写vector容器:C++模板实战指南(从0到1掌握泛型编程)
java·c语言·开发语言·c++·学习·stl
崔高杰2 小时前
微调性能赶不上提示工程怎么办?Can Gradient Descent Simulate Prompting?——论文阅读笔记
论文阅读·人工智能·笔记·语言模型
KhalilRuan2 小时前
Unity Demo——3D平台跳跃游戏笔记
笔记·游戏·unity·游戏引擎
AI360labs_atyun2 小时前
Java在AI时代的演进与应用:一个务实的视角
java·开发语言·人工智能·科技·学习·ai
绿蚁新亭2 小时前
Spring的事务控制——学习历程
数据库·学习·spring
mozun20203 小时前
激光雷达学习-信噪比SNR与信背比SBR2025.7.11
学习·目标检测·信号处理·信噪比·弱小目标检测·信背比
华一精品Adreamer4 小时前
平板柔光屏与镜面屏的区别有哪些?技术原理与适用场景全解析
学习·平板
MUTA️4 小时前
《MAE: Masked Autoencoders Are Scalable Vision Learners》论文精读笔记
人工智能·笔记·深度学习·transformer