％ 奇异值分解 (sigular value decomposition,SVD) 是另一种正交矩阵分解法；SVD是最可靠的分解法，
％ 但是它比QR 分解法要花上近十倍的计算时间。[U,S,V]=svd(A)，其中U和V代表二个相互正交矩阵，
％ 而S代表一对角矩阵。 和QR分解法相同者， 原矩阵A不必为正方矩阵。
％ 使用SVD分解法的用途是解最小平方误差法和数据压 ...
/dl/243573.html
标签：
decomposition
SVD
sigular
value
上传时间：
2013-12-14
上传用户：大融融rr
