# 高效的计算Laplacian 矩阵

```function L1 = CP_Laplacian( M )
%UNTITLED Summary of this function goes here
%   Detailed explanation goes here
% number of vertices (size of matrix)
nverts = size(M.vertices,1);

% assume manifold and faces oriented uniformly
edges = [M.faces(:,[1,2]); M.faces(:,[2,3]); M.faces(:,[3,1])];

% extract vertices from matrix
v1Idxs = edges(:,1);
v2Idxs = edges(:,2);
v1s = M.vertices(v1Idxs,:);
v2s = M.vertices(v2Idxs,:);

% compute edge lengths and weights
eps = 1e-8;
edgel = sqrt( sum( (v1s-v2s).^2, 2 ) );
edgew = 1 ./ (eps + edgel );

% construct sparse matrix
nnzeros = size(edges,1) / 2;
L1 = sparse( v1Idxs, v2Idxs, edgew, nverts, nverts );

% compute diagonal by summing column-major (faster)
D = -full( sum( L1,1 ) )‘;

% insert D in 0-diagonal of L1
L1 = spdiags(D,0,L1);

end```

## Laplace算子和Laplacian矩阵 1 Laplace算子的物理意义 Laplace算子的定义为梯度的散度. 在Cartesian坐标系下也可表示为: 或者,它是Hessian矩阵的迹: 以热传导方程为例,因为热流与温度的梯度成正比,那么温度的梯度的散度就是热量的损失率. 由此可见,Laplace算子可用于表现由于物质分布不均引起的物质输送. 2 Laplace算子的数学意义 现在,在一维空间中简单分析上面的式子: 也可以写作: 把分子第一项和第二项分别按泰勒展开: 可以看出Laplace算子实际上是一个使函数取平均的算子.多维空

## 输入一个整数矩阵，计算位于矩阵边缘的元素之和 ## OpenGL中两种计算投影矩阵的函数 OpenGL无意间同时看到两种创建投影矩阵的写法,可以说它们完成的是同样的功能,但写法完全不同,可以观摩一下什么叫做异曲同工之妙... 第一种: gltMakeShadowMatrix函数是重点 1 // Gets the three coefficients of a plane equation given three points on the plane. 2 void gltGetPlaneEquation(GLTVector3 vPoint1, GLTVector3 vPoint2,

## 复杂网络中聚类算法总结 ## Classical method of machine learning

1. PCA principal components analysis 主要是通过对协方差矩阵Covariance matrix进行特征分解,以得出数据的主成分(即特征向量eigenvector)与它们的权值(即特征值eigenvalue). PCA是最简单的以特征量分析多元统计分布的方法.其结果可以理解为对原数据中的方差variance做出解释:哪一个方向上的数据值对方差的影响最大?换而言之,PCA提供了一种降低数据维度的有效办法:如果分析者在原数据中除掉最小的特征值所对应的成分,那么所得的

## ML | spectral clustering

What's xxx In multivariate statistics and the clustering of data, spectral clustering techniques make use of the spectrum (eigenvalues) of the similarity matrix of the data to perform dimensionality reduction before clustering in fewer dimensions. Th

## 03:计算矩阵边缘元素之和

03:计算矩阵边缘元素之和 查看 提交 统计 提问 总时间限制: 1000ms 内存限制: 65536kB 描述 输入一个整数矩阵,计算位于矩阵边缘的元素之和.所谓矩阵边缘的元素,就是第一行和最后一行的元素以及第一列和最后一列的元素. 输入 第一行分别为矩阵的行数m和列数n(m < 100,n < 100),两者之间以一个空格分开.接下来输入的m行数据中,每行包含n个整数,整数之间以一个空格分开. 输出 输出对应矩阵的边缘元素和 样例输入 3 3 3 4 1 3 7 1 2 0 1 样例输出