随着大数据技术的飞速发展，矩阵分解特别是矩阵的奇异值分解（SVD）在数据检索、图像压缩、人脸识别、神经网络等领域有着广泛应用。针对图像压缩问题，首先给出了矩阵奇异值分解的基本理论，指出了矩阵奇异值的存在和唯一性，同时分析了矩阵奇异值分解的一般方法并用Matlab加以实现；然后论述了矩阵奇异值分解用于图像压缩的基本原理，最后用数值实验展示理论方法的有效性。
科研之友
微信
新浪微博
Facebook
分享链接
