刘欣;Wen，Zaiwen先生;张茵 计算优势奇异值分解的有限内存块Krylov子空间优化。 （英语） Zbl 1278.65045号 SIAM J.科学。计算。 35，第3号，A1641-A1668（2013）. 作者摘要：在许多数据密集型应用程序中，为了降维、数据挖掘或其他转换目的，主成分分析和其他相关技术的使用是普遍存在的。这种变换通常需要高效、可靠和准确地计算大型密集矩阵的主导奇异值分解（SVD）。本文提出并研究了一种子空间优化技术，用于显著加速经典的同时迭代法。我们分析了该算法的收敛性，并在MATLAB环境下与几种最先进的奇异值分解器进行了数值比较。大量计算结果表明，在大量非结构化密集矩阵上，与现有算法相比，该算法通常可以提高效率或增强鲁棒性。审核人：尤里·拉波波特（莫斯科） 引用于1审查引用于20文件 MSC公司： 65层20 超定系统的数值解，伪逆 65千5 数值数学规划方法 2015财年65 矩阵特征值和特征向量的数值计算 90C26型 非凸规划，全局优化 关键词：子空间优化;主导奇异值分解;Krylov子空间方法;特征值分解;数值示例;主成分分析;尺寸缩减;数据挖掘;大矩阵和稠密矩阵;迭代法;收敛;算法 软件：ARPACK公司;贾达米卢;Matlab公司 PDF格式BibTeX公司 XML格式引用 \textit{X.Liu}等人，SIAM J.Sci。计算。35，第3号，A1641--A1668（2013；Zbl 1278.65045） 全文： 内政部