RedSVD

RedSVD は修正BSDライセンスで公開されている行列分解ライブラリです．

C++の線形代数ライブラリである Eigen を利用しており，簡単に利用することができます．
Eigenは疎行列を扱うためのクラスを提供していますが（SparseMatrix），特異値分解は密行列のみにしか対応しておりません．
RedSVDは SparseMatrix の特異値分解を計算することができるため，非常に便利です．

Wikiによるとheaderだけの RedSVDも公開されているため，今回はこちらのheaderを用いて実装してみたいと思います．

headerは /usr/local/include などに配置すれば利用することができます．

また，RedSVDや特異値分解の詳細は以下の記事を御覧ください．
DO++ 「行列分解ライブラリredsvdを公開しました」
http://hillbig.cocolog-nifty.com/do/2010/08/redsvd-aa59.html

実装例

実装例として，6×5の疎行列 $M$ の特異値分解を求めるプログラムを実装しました．

具体的には，$M = USV^T$ を満たす行列 $U$，$S$，$V$を求めます．

行列 $M$ は以下の通りです．

1 0 1 0 0
0 1 0 0 0
1 1 0 0 0
1 0 0 0 1
1 0 0 0 1
0 0 0 1 0

Eigenでは，Eigen::Triplet を用いて疎行列 SparseMatrix を作成することが一般的です．
vector<Eigen::Triplet<value_type>> に非零要素の位置と値を挿入し，SparseMatrix に対して setFromTriplets() を実行します．

このようにして疎行列を作成すれば，あとは RedSVD のコンストラクタを用いるだけで行列 $U$，$S$，$V$ を求めることができます．

RedSVD::RedSVD<Eigen::SparseMatrix<double>> svd(M);

コンストラクタ内の compute() によって既に特異値分解が計算されているので，あとは matrixU() といった関数で行列を取り出すだけです．

行列 $U$ は matrixU()，行列 $S$ は singularValues().asDiagonal()，行列 $V$ は matrixV() を実行します．

ここで注意なのですが，singularValues() は特異値が格納されたベクトルが得られるため，asDiagonal() 関数を用いて対角行列に変換する必要があります．

以上を踏まえ，疎行列 $M$ の特異値分解を求めるプログラムを以下に示します．

#include <iostream>
#include <vector>
#include <Eigen/Sparse>
#include <Eigen/SVD>
#include <RedSVD/RedSVD-h>

using namespace std;
using T = Eigen::Triplet<double>;

int main()
{
    Eigen::SparseMatrix<double> M(6, 5);
    vector<T> t;
    t.push_back(T(0, 0, 1));
    t.push_back(T(0, 2, 1));
    t.push_back(T(1, 1, 1));
    t.push_back(T(2, 0, 1));
    t.push_back(T(2, 1, 1));
    t.push_back(T(3, 0, 1));
    t.push_back(T(3, 4, 1));
    t.push_back(T(4, 0, 1));
    t.push_back(T(4, 4, 1));
    t.push_back(T(5, 3, 1));

    M.setFromTriplets(begin(t), end(t));

    cout << M << endl;

    RedSVD::RedSVD<Eigen::SparseMatrix<double>> svd(M);
    Eigen::MatrixXd U = svd.matrixU();
    Eigen::MatrixXd S = svd.singularValues().asDiagonal();
    Eigen::MatrixXd V = svd.matrixV();
    cout << "U: " << endl << U << endl;
    cout << "S: " << endl << S << endl;
    cout << "V: " << endl << V << endl;
    cout << "M_approx: " << endl << U*S*V.transpose() << endl;
}

実行結果

まとめ

RedSVD を用いることで，簡単に疎行列の特異値分解を計算することができました．

今回の例では小さな行列に対して処理を行いましたが，より大きな行列に対しても実行可能です．
少しでも実験や開発の参考になれば幸いです．