javajama矩阵
我和你一起工作。我把它用于LSI。一切正常。然而，当我通过一个像8000x8000这样的大矩阵时，它会杀死我的整个系统。我只是简单地调用SVD，然后减少矩阵大小并相加。没有别的了 有什么想法吗？我怎样才能解决这个问题 core2du Ram=10GB Java运行时设置 -Xmx5000Mjavajama矩阵,java,matrix,jama,Java,Matrix,Jama,我和你一起工作。我把它用于LSI。一切正常。然而，当我通过一个像8000x8000这样的大矩阵时，它会杀死我的整个系统。我只是简单地调用SVD，然后减少矩阵大小并相加。没有别的了 有什么想法吗？我怎样才能解决这个问题 core2du Ram=10GB Java运行时设置 -Xmx5000M 当我执行Jama矩阵代码时，没有其他程序运行您可能面临内存不足的情况。您可能希望通过使用-Xmx选项来增加JVM的可用内存，例如-Xm256m将为JVM提供256 MB的内存，而不是默认的64 MB 您也可以
当我执行Jama矩阵代码时，没有其他程序运行您可能面临内存不足的情况。您可能希望通过使用-Xmx选项来增加JVM的可用内存，例如-Xm256m将为JVM提供256 MB的内存，而不是默认的64 MB
您也可以考虑使用替代库来处理内存有效的矩阵表示，使用稀疏矩阵的模型，如COO、DOK、CSR等。有关详细信息，请查阅Wikipedia条目中的“稀疏矩阵”
提供了几种Jama的替代方案，也许这也会对您有所帮助。彼得·泰勒绝对正确
这是一个指数级的大问题。毕竟，计算8000 X 8000矩阵的奇异值并不是一件容易的事，因为您所说的是64000000个元素
如果运行JAMA MagicSquareExample，则使用： 32x32矩阵的消失时间为0.062秒。
64x64将上升到0.0328秒
96x96将在1.891秒
128x128在4.5秒
160x160在11.109秒
192x192在24.063秒
224x224在46.063秒
256x256在83.625秒
512x512在1716.719秒
如果您正在进行LSI，那么您可以进行两个重要的优化。首先，您的矩阵是稀疏的（假设您使用的是文档矩阵中的术语）。JAMA操作密集矩阵，因此您可能希望寻找不同的表示。正如Lolo提到的，这将大大减少您的开销 其次，LSI只需要计算前k个奇异向量。JAMA计算所有的奇异值，这在您的例子中是不必要的。此外，如果只需要将k最大，可以通过使用精简SVD进一步优化，该SVD具有显著更低的内存开销。对于大型文档集合，为LSI计算完整的SVD几乎是不可能的，因此，如果您想要扩展，最终将不得不从JAMA以外的工具进行切换
SVDLIBJ是在Java中执行精简SVD的一种可能性。还有一个SVDLIBJ包装器和用于它的命令行工具，以及一个LSI/LSA实现，如果您想避免完全编写LSI。我也使用Jama for SVD，在解决大型矩阵时也有同样的问题。 为了减少内存溢出的情况，我将SingularValueDecomposition.java调整为compact。调整是因为矩阵A中有太多的0（零）值，所以所有使用的矩阵（如A、U、V、功等）的压缩只允许内存中的可用值大于0。 在使用compact SVD之前，应该创建一个矩阵文件，如 r/t c/t值/n r/t c/t值/n ... '/t'和'/n'分别表示制表符和新行 例如，（0,0,0），（0,1,0.5），（0,2,0），（0,3,0.2），（1,0,1），（1,2,0），（1,3,0.3），矩阵大小为2*4（R*C），然后您只需将文件 矩阵大小/t 2/t 4/n 0/t 1/t 0.5/n 0/t 3/t 0.2/n 1/t 0/t 1/n 1/t 3/t 0.3/n 如果你想使用它，请给我你的电子邮件地址（mg。hwang@gmail.com). 我会在电子邮件中提供更多详细信息 我检查结果是否正确。然而，我不知道它对电脑有多有效。
不管怎么说，它工作得很好，显示得也更好。你说的“杀死我的整个系统”是什么意思？如果您得到一个
OutOfMemoryError