搜索资源列表
MATLAB工具箱SMALLBox的介绍文档
- 这个工具箱不仅用来比较各种稀疏表示的解法，而且把字典学习算法也融合了进去
十字链表的操作
- 稀疏矩阵的应用（十字链表） 一、 设计要求 1．问题描述 设计程序用十字链表实现稀疏矩阵的加、乘、转置。 2．需求分析 （1）设计函数建立稀疏矩阵，初始化值。 （2）设计函数输出稀疏矩阵的值。 （3）构造函数进行两个稀疏矩阵相加，输出最终的稀疏矩阵。 （4）构造函数进行两个稀疏矩阵的相乘，输出最终的稀疏矩阵。 （5）构造函数进行稀疏矩阵的转置，并输出结果。 （6）退出系统。
稀疏矩阵乘法运算的十字链表实现
- 稀疏矩阵是指那些多数元素为零的矩阵。本文利用稀疏矩阵“稀疏”特点进行存储和计算可以大大节省存储空间，提高计算效率。通过采用标准C++语言设计实现了矩阵的乘法运算器。稀疏矩阵的乘法运算可用于解决许多实际的应用问题.提出一种新颖的稀疏矩阵相乘算法,算法实现中将计算单元由单个元素扩展至行向量,避免了矩阵的转置,减少了扫描次数。利用十字链表表示稀疏矩阵，再将建立好的两个相同行列数的稀疏矩阵进行相乘运算。
稀疏矩阵
- 稀疏矩阵是指那些多数元素为零的矩阵。本文利用稀疏矩阵“稀疏”特点进行存储和计算可以大大节省存储空间，提高计算效率。通过采用标准C++语言设计实现了矩阵的乘法运算器。稀疏矩阵的乘法运算可用于解决许多实际的应用问题.提出一种新颖的稀疏矩阵相乘算法,算法实现中将计算单元由单个元素扩展至行向量,避免了矩阵的转置,减少了扫描次数。利用十字链表表示稀疏矩阵，再将建立好的两个相同行列数的稀疏矩阵进行相乘运算。
输入要求：稀疏矩阵的行、列和非零元素个数
- 输入要求：稀疏矩阵的行、列和非零元素个数 输出要求：稀疏矩阵的转置、加法、减法、乘法
Object-Recognition-via-Sparse-PCA 利用稀疏主分量分析实现目标识别中的特征提取
- 利用稀疏主分量分析实现目标识别中的特征提取，包括论文和仿真代码。-Informative Feature Selection for Object Recognition via Sparse PCA
电力网络信息存储以及导纳矩阵处理
- 实验二 电力网络信息存储以及导纳矩阵处理 一、 需求分析 1. 程序的功能: 网络数据输入的内容包括节点信息和支路信息 可适合任意规模的网络 可查询节点、支路信息（根据节点名或支路名） 形成导纳矩阵及输出 导纳矩阵稀疏处理 基于导纳矩阵的稀疏表示，获取Yij 2. 输入输出要求： 网络数据输入包括节点信息以及支路信息； 结点导纳矩阵输出（可以实现标准形式输出以及文件形式输出） 可以对于节点信息、网络信息以及导纳矩阵信息进行查询 3.
Demo_MWC
- 稀疏信号的压缩感知算法，将宽带稀疏信号通过压缩感知的方法压缩为窄带信号便于传输。-Sparse signal compressed sensing algorithm broadband sparse signals compressed by compressive sensing method for narrowband signals for transmission.
PTandCSword
- 基于峰值变换的信号稀疏表示及重建，相关理论说明。-Sparse representation of signals based on peak transform and reconstruction, and related theoretical explanations.
Sparse-Matrix
- 在处理数据时经常需要处理稀疏矩阵，本文件包含了部分处理稀疏矩阵对角化、行列重拍等Matlab函数。-In the processing of data often need to deal with sparse matrices, this document contains some sparse matrix diagonalization, ranks remake Matlab functions.
201111-291
- 含噪信号的稀疏表示研究，该方法的计算复杂度较低-Sparse representation of noisy signals, the low complexity of the method of calculation
A-global-reconstruction-model
- 已有的基于分块压缩感知的图像重构模型采用相同的测量矩阵以块 ×块的方式获取数据，解决了传统ＣＳ方法中测量矩阵所需存储量较大的问题，但由于采用分块重构，没有考虑 到图像的全局稀疏度，出现了大量的块效应。-Current image reconstruction models using block compressed sensing
CS
- 信号稀疏分解及压缩感知理论应用研究，理论基础-Signal sparse decomposition and compression perception theory applied research, theoretical basis
Short-duration-power_CS
- 根据压缩传感(Compressed Sensing，cs)N论，首次提出了短时电能质量扰动信号的压缩采样方法，该方法突破了奈奎斯特采样频率的限制，实现了低于奈奎斯特采样频率的低速率采样。文中对比分析了CS理论与传统采样理论，研究了cS短时电能质量信号压缩采样的实现方法，包括：测量矩阵的构建、稀疏基的选取和电能质量信号快速贝叶斯匹配追踪重构算法(FBMP)-Compressed sensing ( Compressed Sensing , cs ) N theory , first propose
Image-reconstruction_CS
- 合稀疏贝叶斯学习(SBL)和可压缩传感理论(CS)，给出一种在噪声测量条件下重建可压缩图像的方法。该方法将cS理论中图像重建过程看作一个线性回归问题，而待重建的图像是该回归模型巾的未知权值参数；利用sBL方法对权值赋予确定的先验条件概率分布用以限制模型的复杂度，并引入超参数- Hop sparse Bayesian learning ( SBL ) and compressible sensing theory ( CS ) , give a compressible image recon
Autofocus-ISAR-Sparse-represetation
- 基于稀疏表示的逆合成孔径雷达自聚焦成像，讲述了自聚焦方法-Based on sparse representation inverse synthetic aperture radar imaging self-focusing
ISAR-sparse-aperture
- 利用稀疏孔径进行逆合成孔径雷达的高分辨成像-Sparse aperture inverse synthetic aperture radar for high-resolution imaging
CompressiveSampling
- 在无线传感器网络中，空间稀疏，高效的压缩采样。-In wireless sensor networks, spatial sparse, efficient compression sampled.
twoDomp
- 基于L阵的二维信号稀疏分解的DOA估计 应用稀疏分解方法进行二维DOA估计-Estimation sparse decomposition method based on two-dimensional signal-dimensional DOA estimation of sparse matrix decomposition L DOA
12
- 稀疏频率波形设计，权衡波形自相关函数的ISL和PSL(Sparse Frequency Waveform Design)