Question

我试图使用奇异值分解来计算R中大型稀疏矩阵的伪逆。矩阵L大约是240,000 x 240,000，我将它存储为dgCMatrix类型。 $ L $表示大直径图的拉普拉斯算子，我碰巧知道伪逆$ L ^ + $也应该是稀疏的。根据该图的较小子集的经验观察，L是〜.07％稀疏，而$ L ^ + $稀疏约2.5％。

我尝试过使用pinv，ginv和其他标准伪逆函数，但由于内存限制，它们会出错。然后我尝试选择包irlba提供的稀疏矩阵svd，然后在将所有输出转换为稀疏矩阵后，我将使用标准公式来计算伪逆。我的代码在这里：

lim = 40
digits = 4
SVD =irlba(L,lim)
tU = round(SVD$u,digits)
nonZeroU = which(abs(U)>0,arr.ind = T)
sparseU = sparseMatrix(i=nonZeroU[,2],j=nonZeroU[,1],x = U[nonZeroU])
V = round(SVD$v,digits)
nonZeroV = which(abs(V)>0,arr.ind = T)
sparseV = sparseMatrix(i=nonZeroV[,1],j=nonZeroV[,2],x = U[nonZeroV])
D = as(Diagonal(x=1/SVD$d),"sparseMatrx")
pL =D%*%sparseU
pL = sparseV%*%pL

我能够在没有问题的情况下到达最后一行，但是由于内存限制而导致错误

Error in sparseV %*% pL : 
  Cholmod error 'problem too large' at file ../Core/cholmod_dense.c, line 105

当然，我可以使用for循环和向量乘法通过入口拼凑伪逆项，但我希望能够使用利用所得伪逆矩阵的稀疏性的简单函数来计算它。除了单独计算每一行之外，有没有办法使用L的SVD有效地计算$ L + $的伪逆？

R

0 个答案: