java中的高效矩阵运算包Ejml的使用 |
您所在的位置：网站首页 › apache工具包 稀疏矩阵方程组 › java中的高效矩阵运算包Ejml的使用 |
java中的高效矩阵运算包Ejml的使用
|
本文作者：合肥工业大学 管理学院 钱洋 email：[email protected] 内容可能有不到之处，欢迎交流。 未经本人允许禁止转载。 简介在编写算法时，经常会遇到矩阵的运算，在java中，我之前介绍了，如何使用math3来做矩阵的相关运算。该博客的地址为： https://blog.csdn.net/qy20115549/article/details/54604264 之前，我主要是使用math3来做多元正太分布后验采样的计算。最近，再看一个他人写的源码时，使用了Ejml这款矩阵运算工具来做多元正太分布后验才能的计算，所以特意学习一下，写成博客，以供他人借鉴参考。 EjmlEjml全称为Efficient Java Matrix Library，一款高效的矩阵运算java库。 由于在写算法时，经常遇到矩阵的运算，如数组转化为矩阵，矩阵的逆，矩阵的转置，矩阵的乘法，矩阵转为数组等等。下面写了一个小程序演示一下，相关操作。具体请看注释。 package util; import org.ejml.data.DenseMatrix64F; import org.ejml.ops.CommonOps; /* * author:合肥工业大学 管院学院 钱洋 *[email protected] *博客地址:http://blog.csdn.net/qy20115549/ */ public class Test { public static int D = 3; public static void main(String[] args) { DenseMatrix64F L = new DenseMatrix64F(3,3); //初始化一个矩阵，并进行下面的赋值 L.set(0,0,4.0); L.set(0,1,13.0); L.set(0,2,-16.0); L.set(1,0,12.0); L.set(1,1,37.0); L.set(1,2,-43.0); L.set(2,0,-16.0); L.set(2,1,-43.0); L.set(2,2,98.0); System.out.println("data为:"); System.out.println(L); DenseMatrix64F[] dataVectors = new DenseMatrix64F[D]; //切分矩阵 CommonOps.rowsToVector(L, dataVectors); DenseMatrix64F mu_0 = getSampleMean(dataVectors); //获取均值 System.out.println("数据的均值为:"+mu_0); DenseMatrix64F sigma_0 = CommonOps.identity(D); //设置单位阵 System.out.println("单位阵为:"+sigma_0); CommonOps.scale(3*D, sigma_0); //扩大矩阵 System.out.println("扩大后的矩阵为sigma_0:"+sigma_0); for (int i = 0; i < dataVectors.length; i++) { System.out.println("===================="); System.out.println(dataVectors[i]); } DenseMatrix64F CholSigma0 = new DenseMatrix64F(D,D); CommonOps.addEquals(CholSigma0, sigma_0); //复制矩阵 System.out.println("复制后的矩阵为CholSigma0:"+CholSigma0); System.out.println(); DenseMatrix64F mult_element = new DenseMatrix64F(D,D); //矩阵对应元素相乘 CommonOps.elementMult(L, L, mult_element); System.out.println("两个矩阵对应元素相乘的结果为:"+mult_element); DenseMatrix64F mult = new DenseMatrix64F(D,D); //矩阵乘法 CommonOps.mult(L, sigma_0, mult); System.out.println("两个矩阵相乘的结果为:"+mult); DenseMatrix64F add = new DenseMatrix64F(D,D); //矩阵对应元素相加 CommonOps.add(L, L, add); System.out.println("两个矩阵相加的值为:"+add); DenseMatrix64F sub = new DenseMatrix64F(D,D); //矩阵减法 CommonOps.sub(L, sigma_0, sub);; System.out.println("两个矩阵相减的值为:"+sub); DenseMatrix64F trans = new DenseMatrix64F(D,D); //矩阵转置 CommonOps.transpose(L, trans); System.out.println("转置后的矩阵为:"+trans); DenseMatrix64F elementdiv = new DenseMatrix64F(D,D); //矩阵对应元素相除 CommonOps.elementDiv(sigma_0, L, elementdiv); System.out.println("矩阵对应元素相除的结果为:"+elementdiv); DenseMatrix64F inverse= new DenseMatrix64F(D,D); ////矩阵的逆 CommonOps.invert(L, inverse); System.out.println("矩阵的逆为:"+inverse); } /** * mean of the data * @param data * @return */ public static DenseMatrix64F getSampleMean(DenseMatrix64F[] data) { DenseMatrix64F mean = new DenseMatrix64F(D, 1);//initialized to 0 for(DenseMatrix64F vec:data) CommonOps.addEquals(mean, vec); //获取每一行数据的均值 CommonOps.divide(data.length, mean); return mean; } } 程序结果
|
【本文地址】
今日新闻 |
推荐新闻 |