Matlab 理想的SVD实现？

当然，理想是主观的。我正在做一些研究，其中我需要为矩形矩阵的SVD计算实现生产级代码。这里是我发现的，GraphLab和Mahout使用Lanczos算法实现SVD，而我发现其他方法包括QR分解和Jacobi方法。我的问题是，在计算奇异值分解时，什么是最首选的方法？为什么呢？我发现这似乎很有帮助

分段

45.2奇异值分解算法

不同的算法正在讨论中

---

<>算法在迭代中是否存在差异，需要精确的输出，如果你只想得到特征向量，情况会有点不同。

< P>你可以尝试C++的特征库，它有很好的性能，如果你是C++程序员，那么不难使用：

Graphlab对线性代数使用特征值，但不确定是否对奇异值分解使用特征值