SVD 发音

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

• PCA
• Matrix
• Decomposition
• Eigenvalue
• Factorization
• Rank
• Orthogonal
• Least-Squares

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）