eigenvalue

    3热度

    1回答

    在目标中获取图形卡信息C

    我需要在我的应用程序中获取图形卡信息。我需要的信息与* system_profiler SPDisplays *显示的命令相同，该命令在部分下显示/显示：。 我已经使用的sysctl（）考虑，但我无法在sysctl.h 高度appericiated任何建议，找到显卡适当的硬件选择。
    objective-c macos 2013-08-06

    0热度

    1回答

    正则表达式使用位运算符用于设置选项

    http://msdn.microsoft.com/en-us/library/yd1hzczs.aspx 指定选项 options参数是枚举值RegexOptions的按位或组合。 RegexOptions options = RegexOptions.IgnoreCase | RegexOptions.IgnorePatternWhitespace; 这是什么意思？为什么使用按位运算符，而
    c# regex options 2013-02-01

    0热度

    2回答

    用于C Sharp的特征向量和特征值计算的库

    我正在使用人脸识别。我需要从矩阵中计算特征向量和特征值。我正在使用C sharp。是否有任何用于特征向量和特征值计算的库。我认为Emgu CV对于特征向量和特征值计算没有任何作用。我是新的，所以我不太了解。我需要C Sharp的特征向量和特征值计算库。请帮帮我。
    emgucv eigenvector eigenvalue 2012-12-25

    1热度

    1回答

    是否有python版本的MATLAB函数

    MATLAB的place函数对于确定给出系统期望特征值的矩阵非常方便。 我想在Python中实现它，但numpy.place似乎并不是一个类似的函数，我不能在我的生活中似乎在numpy或scipy文档中找到更好的东西。
    python matlab numpy eigenvalue 2013-02-24

    1热度

    1回答

    SciPy - 计算对称矩阵中特定特征值的特征向量

    我有一个对称矩阵（无向图的邻接矩阵），我有一个特定的特征值（最大特征值），我想要特征向量与它相关联（左或右，任何一个，因为我相信左边只是对称矩阵权的转置）。 我正在运行的图可能从数千到数十万个节点，因此相应的邻接矩阵将会很大。然而，密度很稀疏，所以相应的矩阵也是稀疏的。 在SciPy中有这样做的有效方法吗？更好的是，是否有一种方法可以只计算给定对称矩阵的主要特征值和相应的特征向量（这意味着我不必使
    python numpy scipy eigenvector eigenvalue 2013-01-24

    1热度

    1回答

    用java获取特征值pca

    我尝试使用PCA来减小维数，并且我使用jama来帮助我使用矩阵。 但是，我得到问题时，与jama的特征值。 例如我hava 2图像尺寸100x100，然后我创建单个矩阵2图像x（100x100）。 有20.000像素。 以及如何使用特征值来减少？ 这是品尝我的代码： PCA pca = new PCA(matrix); pca.getEigenvalue(6); String
    java pca eigenvalue jama 2013-06-30

    5热度

    2回答

    numpy/scipy eigendecompositions的不稳定结果

    我发现scipy.linalg.eig有时会给出不一致的结果。但不是每次。 >>> import numpy as np >>> import scipy.linalg as lin >>> modmat=np.random.random((150,150)) >>> modmat=modmat+modmat.T # the data i am interested in is descri
    numpy scipy eigenvalue 2013-02-04

    0热度

    1回答

    如何找到奇异矩阵特征向量？

    我有一个800x800奇异（协方差）矩阵，我想找到它的最大特征值和与此特征值对应的特征向量。 有人知道有可能用R来做吗？
    r eigenvector eigenvalue 2013-05-21

    0热度

    1回答

    特征值VS PVE（％的方差解释）

    随着prcomp()功能，我估计百分比变化解释 prcomp(env, scale=TRUE) 的summary(pca)第二列显示了所有PC这些值： PC1 PC2 PC3 PC4 PC5 PC6 PC7 Standard deviation 7.3712 5.8731 2.04668 1.42385 1.13276 0.79209 0.74043 Proporti
    r pca eigenvalue 2013-02-17

    0热度

    1回答

    我怎么能知道哪些尺寸是主要组成部分？

    我使用matlab的princomp函数来做PCA。 从我的理解，我可以检查潜在的来决定我需要多少维度。 [coeff, score, latent, t2] = princomp(fdata); cumsum(latent)./sum(latent); ，并通过使用trainMatrix = _系数（：，1:10）（我选择前10个维度），并newData =数据* trainMatrix，
    matlab linear-algebra pca eigenvalue dimensionality-reduction 2013-04-24
最新问题