SVD包

SVDPACK包含四种数值(迭代)方法,用于使用双精度ANSI Fortran-77计算大型稀疏矩阵的奇异值分解(SVD)。还提供兼容的ANSI-C版本(SVDPACKC)。该软件包实现了基于Lanczos和子空间迭代的方法来确定大型稀疏矩阵的几个最大奇异三元组(奇异值和相应的左右奇异向量)。这个软件包已经被移植到从超级计算机到工作站的各种机器上:CRAY-MP、CRAY-2S、Alliant FX/80、SPARCstation 10、IBM RS/6000-550、DEC 5000-100和HP 9000-750。SVDPACK-wa的发展源于对信息检索应用中稀疏项文档矩阵进行大秩逼近的需要。对SVDPACK(C)的未来更新将包括核心外更新策略,例如,可用于处理与基于查询的信息检索应用程序中的超大数据库相关联的超大稀疏矩阵(大约一百万行或列)。


zbMATH中的参考文献(参考文献60篇文章,1标准件)

显示第1到第20个结果,共60个。
按年份排序(引用)
  1. Aggarwal,Charu C.:文本的机器学习(2018)
  2. 阿克巴里,阿米尔;Barton,Paul I.:代谢网络流量平衡分析的改进多参数规划算法(2018)
  3. 舒尔茨,菲利普;2018年班杰明低阶切换系统(本杰明低阶模型)
  4. 吴灵飞;罗梅罗,伊洛伊;Stathopoulos,Andreas:PRIMME_SVD:用于精确大规模计算的高性能预处理SVD解算器(2017)
  5. 王玄生;格利纽尔,弗朗索瓦;吕林章;Van Dooren,Paul:用于低秩逼近的扩展Lanczos双对角化算法及其应用(2016)
  6. 吴灵飞;Stathopoulos,Andreas:精确计算大矩阵奇异三元组的预处理混合SVD方法(2015)
  7. 周迅;何静;黄光艳;张彦春:基于SVD的推荐系统增量方法(2015)
  8. 穆婷婷;美华、Makoto;筑地,Junichi;Ananiadou,Sophia:在高维语言特征的(dis)相似空间中发现鲁棒嵌入(2014)
  9. 维查林斯基,尤金;Saad,Yousef:潜在语义索引的快速更新算法(2014)
  10. 潘伟科;杨强:异构协同过滤领域中的迁移学习(2013)
  11. 切里尔,A。;Magdon Ismail,M.:通过奇异值分解的稀疏近似选择列子集(2012)
  12. 甘地,西尔维亚;本杰明·雷希特;Yamada,Isao:通过凸优化实现张量完备和低阶张量恢复(2011)
  13. 郭月成;林文伟;谢世峰;Wang,Weichung:耦合非线性薛定谔方程近奇性的超平面约束延拓方法(2010)
  14. 陈杰;方浩仁;Saad,Yousef:通过递归Lanczos二分法快速近似(k)NN图构造高维数据(2009)
  15. 布茨西迪斯,C。;Gallopoulos,E.:基于SVD的初始化:非负矩阵分解的先头部队(2008)
  16. 豪厄尔,加里W。;德梅尔,詹姆斯;富尔顿,查尔斯T。;哈马林,斯文;Marmol,Karen:使用blas2.5运算符的缓存高效双对角化。(2008年)
  17. 亨德里克森,布鲁斯:潜在语义分析和费德勒检索(2007)
  18. 马丁,迪安一世。;马丁,约翰·C。;贝瑞,迈克尔W。;Browne,Murray:文档索引的SVD核心外性能(2007)
  19. 欧维斯,卡里姆G。;Anderson,David J.:相关噪声中非正交源盲分离和分类的跟踪信号子空间不变性(2007)
  20. 阿斯瓦尼·库马尔,切鲁库里;Srinivas,Suripeddi:使用特征值分析进行有效信息检索的潜在语义索引(2006)