singular value

以外的物件，方便使用者省去大量時間觀看影片、聆聽音訊，同時也可以幫助使用者提前了解影片與音訊的內容。 語意分析技術在早期基於奇異值分解（Singular Value Decomposition, SVD）、非負矩陣拆解法（Non-negative matrix factorization

SVD可以指： SVD狙擊步槍 奇異值分解（Singular value decomposition）

張量積函數。因此張量積模型變換可以在精確度以及複雜度之間作一取捨。支撐此轉換的主要概念是高階奇異值分解（英语：higher-order singular value decomposition）（HOSVD）。 張量積模型變換除了是函數的轉換外，也是qLPV（準線性變參數控制）為基礎控制中的新概念，

奇异值分解（英語：Singular value decomposition，縮寫：SVD）是线性代数中一种重要的矩阵分解，在信号处理、统计学等领域有重要应用。奇异值分解在某些方面与对称矩阵或厄米矩陣基于特征向量的对角化类似。然而这两种矩阵分解尽管有其相关性，但还是有明显的不同。对称阵特征向量分解的基

(4): 433–459. doi:10.1002/wics.101.  Abdi H. Singular Value Decomposition (SVD) and Generalized Singular Value Decomposition (GSVD).. Salkind NJ (编). Encyclopedia