请问计算协方差矩阵的快速算法

vonvon 2001-04-19 12:05:00

如题，另外还有一个问题，就是在基于intel处理器上
优化浮点数计算的方法

...全文

170 2 打赏收藏转发到动态举报

写回复

2 条回复

切换为时间正序

请发表友善的回复…

发表回复

vonvon 2001-04-22

打赏
举报

回复

谢谢

duz 2001-04-20

打赏
举报

回复

SIMD指令，到Intel网站上可以下在相应文档，以及如何用Intel的c/c++编译器产生使用SIMD指令的代码。
http://developer.intel.com/design/pentium4/

参考http://blog.csdn.net/guyuealian/article/details/68487833**把function fastPCA封装，然后调用该程序即可实现。function [pcaA V] = fastPCA( A, k ) % 快速PCA % 输入：A --- 样本矩阵，每行为一个样本 % k --- 降维至 k 维 % 输出：pcaA --

PCA（主成分分析）的原理与实现方法。

本博客参考了博客https://blog.csdn.net/u013719780/article/details/51755208以及博客https://blog.csdn.net/guyuealian/article/details/68487833，向原作者表示感谢。 PCA，即主成分分析，可以用来解决数据维度灾难，将样本数据从高维空间投影到低维空间中，并尽可能在低维空间中表示原...

本文提出了一种低复杂度线谱估计算法，针对完整数据和不完全数据场景分别设计了超快速和半快速计算方案，并扩展至多测量向量场景。该算法属于贝叶斯类方法，既继承了贝叶斯方法高估计精度的优势，又通过托普利兹矩阵超快速求逆、NUFFT等技术解决了传统贝叶斯方法计算复杂度高的痛点。数值实验验证表明，超快速线谱估计算法在多种场景下均具有高估计精度，频率恢复成功率覆盖范围远超现有参考算法（如VALSE、AST、ESPRIT等）。同时，其计算效率显著提升，在大尺度问题中计算时间较现有方法降低数个数量级，使得高精度线谱估计在

一、主成分分析（PCA）假设Y为m个样本，每个样本有n维，= [,,... ,; ,...,; ...;,,... ,] 目标（最大方差理论）：寻找一投影向量，使得原始数据在该向量上的投影方差最大，投影方差最大，说明很好的保留了原始数据的特征，方差小的一般认为是噪声或没用的数据。令该投影向量为单位向量，即*P= 1,则投影值=*P。方差= 令= [;; ...;...

数据结构与算法

33,025

社区成员

35,335

社区内容

发帖

与我相关

我的任务

社区管理员

加入社区

近7日
近30日
至今

加载中

查看更多榜单

社区公告

暂无公告

试试用AI创作助手写篇文章吧

+ 用AI写文章