如何加快c++特征分解

【问题标题】：How to speed up c++ eigen decomposition如何加快c++特征分解
【发布时间】：2013-10-08 02:18:53
【问题描述】：

我用MATLAB做特征值分解，数据的维数约为10000，所以协方差矩阵为10000*10000。当我在 MATLAB 中使用eig() 函数时，它非常慢。有什么方法可以加快特征值分解。我使用特征值分解来做主成分分析（PCA），所以我只使用前K个特征值和特征向量。不需要获取所有的特征值和特征向量。我曾尝试使用Intel-MKL 进行特征分解，但是当我使用mex 接口时，出现了一些错误。我把它贴在链接https://stackoverflow.com/questions/19220271/how-to-use-intel-mkl-for-speed-my-own-matlab-mex-cpp-applications

请给我一些建议，谢谢。

【问题讨论】：

标签： matlab pca eigenvector intel-mkl

【解决方案1】：

如果您的数据稀疏，或者如果您对第一个 k 值感兴趣，请使用 eigs。例如， eigs(A,k) 返回 k 个最大幅度特征值。请注意，eigs 仅对于前几个特征值会更快，而对于 k > 某个值（可能是 5...）会更慢

【讨论】：

好的，谢谢。但是我想用c++，因为MATLAB是非免费的。
MKL 也不是免费的，用于研究和商业目的。
那我需要自己写eig函数吗？我知道一些用于这些计算的开源库，例如 OpenBLAS、LAPACK 等。但它们没有可调用的 eig 函数。
LAPACK 定义了特征值和特征向量的例程（或查看 Armadillo 库以获得更多类似 C++ 的接口）。你也可以使用 GNU Octave
@nathan - eigs(A,k) 不仅不如eig(A) 准确，而且速度更慢。测试一下，自己看看。