推 zako1113 : inv(A'A + c^2 L'L) A' b ' 指 transpose 12/15 23:32
How do we express the soluntion in terms of SVD?
Say, for I(x) = min norm( b-A*x )+c^2*norm( x, 2 )
We have x = sum( f_i*u'*b*v_i, i = 1 to k ), k = rank(A)
' means transpose
f_i = s_i/( s_i^2+c^2 )
A = U*S*V'
Now how do we express the solution of J(x) being expressed
in a form like we have above for the soln of I(x)?
※ 編輯: saltlake (220.136.61.144), 12/16/2017 02:30:05
感謝回應
但該分解式是給參數項是 c^2*norm( x, 2 )
如果參數項是 c^2*norm( L*x, 2 ) 的時候呢?
※ 編輯: saltlake (114.44.192.117), 12/16/2017 07:52:51
推 zako1113 : 應該沒類似的式吧 L跟A的singular vector不同 12/16 10:13
推 zako1113 : Matrix Computation (4th Ed) by Gene H. Golub 12/16 13:21
→ zako1113 : 6.1.5和6.1.6有用GSVD寫的公式 要L是invertible 12/16 13:22
手上沒那本書
不過,那個 L 矩陣是對 x 做數值差分,確實不是方陣
※ 編輯: saltlake (114.44.192.117), 12/16/2017 15:08:39
請問該書推導 GSVD 的過程可看出要求 L 非奇異方陣這限制的地方嗎?
畢竟 SVD 原本的概念裡面就是給矩陣分解,而且分解所得的奇異值也沒
限制應全為正數,而是非負數。概念上就是"奇異的部分"的奇異值是零。
以此猜測,增廣奇異值分解式必須限制其中一個矩陣為非奇異方陣有點怪。
※ 編輯: saltlake (114.44.192.117), 12/16/2017 18:59:09
→ LiamIssac : singular value為0 怎麼還有解? 12/16 19:02
→ LiamIssac : 而且我看不出哪裡用到semi-norm 12/16 19:03
推 zako1113 : 不是GSVD要L是可逆, 是要寫regularized soln時要的 12/16 19:34
→ zako1113 : 要 L 是可逆似乎是要讓 L 沒有 zero singular value 12/16 19:42
→ zako1113 : 確保那個類似 A'A + c^2L'L 的矩陣是正定->有唯一解 12/16 19:44