Главная
АИ #38 (168)
Статьи журнала АИ #38 (168)
Применение сингулярного разложения матрицы к сжатию данных

Применение сингулярного разложения матрицы к сжатию данных

Автор(-ы):

Малявин Антон Юрьевич

Кельин Даниил Сергеевич

Арсентьев Виталий Александрович

Курин Станислав Олегович

22 сентября 2023

Секция

Математика

Ключевые слова

ортогональная матрица
сингулярное разложение матриц

Аннотация статьи

Современный мир никогда не стоит на месте, особенно наука. Появляются новые методы решения задач, переоткрываются теоремы. Из года в год находятся люди, которые создают что-то новое, ранее не изведанное миру. Совершенствуется и информационная техника, информация. Сингулярное разложение является удобным методом при работе с матрицами. Оно показывает геометрическую структуру матрицы и позволяет наглядно представить имеющиеся данные.

Текст статьи

Сингулярное разложение – это разложение прямоугольной вещественной или комплексной матрицы в виде [1]

𝐴 = 𝑈Σ𝑉𝑇.    (1)

Схематически

Рис. 1

Рис. 2

В (1) матрицы 𝑈 и 𝑉 являются ортогональными, при этом матрица 𝑈 называется левой сингулярной, а матрица 𝑉 – правой сингулярной. Столбцы матрицы 𝑈 являются собственными векторами матрицы 𝐴𝐴𝑇; столбцы матрицы 𝑉 являются собственными векторами матрицы 𝐴𝑇𝐴. Матрица Σ – диагональная матрица: Σ = diag(𝜎1, 𝜎2, … , 𝜎𝑘, 0,0, … ,0). Числа 𝜎𝑖 (𝑖 = ̅1̅̅,̅𝑘̅) называются сингулярными числами матрицы 𝐴 и нумеруются в порядке убывания. Отметим, что квадраты сингулярных чисел 𝜎𝑖 (𝑖 = ̅1̅̅ ,̅𝑘̅) матрицы 𝐴 совпадают с собственными значениями матрицы 𝐴𝑇𝐴, а число k ненулевых значений сингулярных чисел равно рангу матрицы 𝐴 [2].

Сжатие изображений методом SVD

С помощью SVD можно реализовать фильтрацию и сжатие данных, которые задаются в виде матрицы. Рассмотрим пиксельное изображение якоря на рисунке 3. В каждой ячейке число означает уровень интенсивностицвета (от 0 до 1).

Рис. 3

Найдем сингулярное разложение матрицы 𝐴:

Из матрицы сингулярных чисел Σ отбрасываем те строки и столбцы, которые оказались меньше некоторого априорно заданного порога ε.

Возьмем ε = 2, тогда:

На рисунке 4 представлено изображение после фильтрации при отбрасывании сингулярных чисел меньше ε = 2.

Рис. 4. Потеря данных примерно 17%

Теперь из матрицы сингулярных чисел Σ отбросим те строки и столбцы, которые оказались меньше ε = 1,5:

На рисунке 5 представлено изображение после фильтрации при отбрасывании сингулярных чисел меньше ε = 1,5.

Рис. 5. Потеря данных примерно 8%

Математика – одна из важнейших наук, основанная на выполнении конкретных целей и задач. Она является главной составляющей многих сфер жизни общества. Политика, физика, медицина, информатика, экономика – все это не может существовать без математики. Любая информация подвержена обработке, а поэтому метод сингулярного разложения матриц очень ценен в мире, где большее предпочтение отдается компьютеру.

Список литературы

  1. Гантмахер Ф.Р. Теория матриц. М.: Физматлит, 2010.
  2. Хорн Р., Джонсон Ч. Матричный анализ. М.: Мир, 1989.

 

Поделиться

377

Малявин А. Ю., Кельин Д. С., Арсентьев В. А., Курин С. О. Применение сингулярного разложения матрицы к сжатию данных // Актуальные исследования. 2023. №38 (168). Ч.I.С. 6-10. URL: https://apni.ru/article/7051-primenenie-singulyarnogo-razlozheniya-matrits

Актуальные исследования

#27 (209)

Прием материалов

29 июня - 5 июля

осталось 6 дней

Размещение PDF-версии журнала

10 июля

Размещение электронной версии статьи

сразу после оплаты

Рассылка печатных экземпляров

22 июля