特征值分解(EVD)和奇异值分解(SVD)—应用于图片压缩 目录 前言 一、特征值分解 二、应用特征值分解对图片进行压缩 三、矩阵的奇异值分解 四、应用奇异值分解对图片进行压缩 五、MATLAB仿真代码 前言         学习了特征值分解和奇异值分解相关知识，发现其可以用于图片压缩，但网上没有找到相应代码，本文在学习了之后编写出了图片压缩的代码，发现奇异值分

两篇博文，写得很好： http://blog.sina.com.cn/s/blog_3f738ee00102val0.html http://www.cnblogs.com/LeftNotEasy/archive/2011/01/19/svd-and-applications.html

关于求解特征值和特征向量参考《特征值和特征向量-CSDN博客》

PCA、LDA、Kmeans、SVD/EVD、谱聚类之间的关系  最近在研究谱聚类时，迁移到主成分分析（PCA），发现两者有着惊人的相似之处，同时还牵扯到Kmeans、SVD，甚至LDA也有相通的地方（虽然LDA是有监督学习），因此在这里写一篇总结，描述一下以上各个模型之间的共通性，有助于加深对这一类无监督学习算法的理解。 PCA与SVD/EVD的关系   首先，从SVD入手：