SVD
释义 Definition
SVD 是 Singular Value Decomposition 的缩写，中文常译为奇异值分解：一种把矩阵分解为三个矩阵乘积的线性代数方法，常用于降维、去噪、推荐系统、最小二乘问题、数据压缩等。（在某些语境中也可能有其他含义，但最常见的是数学与数据科学中的这个。）
发音 Pronunciation (IPA)
/ˌɛs viː ˈdiː/
例句 Examples
We used SVD to reduce the dimensions of the dataset.
我们用奇异值分解（SVD）来降低数据集的维度。
In image compression, SVD approximates the original matrix with a low-rank representation while preserving most of the visual information.
在图像压缩中，SVD 用低秩表示来近似原矩阵，同时尽量保留大部分视觉信息。
词源 Etymology
SVD 来自短语 singular value decomposition（奇异值分解）的首字母缩写：
- singular value 指矩阵的奇异值（与矩阵的“长度/能量”分布相关的数值特征）
- decomposition 指把对象分解成更基本的部分
该术语在数值线性代数与工程计算中非常常见，后来也广泛进入机器学习与数据分析领域。
相关词 Related Words
文学与名著用例 Literary Works
- Golub & Van Loan, Matrix Computations（经典数值线性代数教材，系统讲解并大量使用 SVD）
- Gilbert Strang, Introduction to Linear Algebra（入门名著，介绍 SVD 及其几何直觉与应用）
- Hastie, Tibshirani & Friedman, The Elements of Statistical Learning（统计学习经典著作，在降维与数值方法中提到/使用 SVD）
- Press et al., Numerical Recipes（科学计算名著，包含 SVD 的数值实现与应用示例）
Select Language