我正在寻找一种实现，它使用确定性而不是随机方法在 O(N^2 k) 步骤中计算密集 NxN 矩阵的截断奇异值分解 (SVD)。（这里，0<k<=N 是保留的模式数。）Python 函数sklearn.decomposition.TruncatedSVD可以在 O(N^2 log k) 步骤中计算近似截断的 SVD，但随机化引入了我试图避免的错误。其他实现，例如 ARPACK，进行完整的 SVD 分解并采取 O(N^3) 步。根据 Halko 等人的说法。(2011) [https://dx.doi.org/10.1137/090771806] 存在用于确定性近似 SVD的算法，需要 O(N^2 k) 步，但我无法找到任何语言的实现。谢谢你。