搜索资源列表
SolveDALM
- l1正则化算法中的一种，用于计算矩阵方程(One of the L1 regularization algorithms used to compute matrix equations)
NLR_codes
- 压缩感知经典重建算法，非局部低秩算法，实现低秩正则约束，优化压缩图片质量。(Compressive Sensing via Nonlocal Low-Rank Regularization)
pr_reg
- 多种最优化方法的集合函数，包括吉洪诺夫正则化算法等。(mutilple method for inverse problem, mainly to solve ill-conditioned system of linear equations.including Tikhonov regularization method.)
45188302cvogelTV
- 改进的RL算法，和正则化结合，更能很好的复原图像(The improved RL algorithm, combined with regularization, can better restore the image)
Hasen's regu toolbox(MATLAB)
- 汉森的matlab正则化工具包，可用于求解正则化问题。(Hansen's Matlab regularization toolkit can be used to solve regularization problems.)
NN_MLP_classifier
- NN Least square regularization
m file
- simpson method and the other regularization method
tikhonov
- 吉洪诺夫正则化的matlab函数，可以自己选择参数值，调用即可(The matlab function of Tikhonov regularization)
multiuser_mimo
- 对多用户的mimo 规则化和非规则的预编码(Multi-user mimo regularization and non-regular pre-coding)
REGULATION AUTOMATIQUE
- AUTOMATIC CONTROL COURSE
Sparse image and signal processing
- 这本书在稀疏的多尺度图像和信号处理提出了艺术状态，包括线性多尺度变换，如小波，脊波和曲波变换、非线性、多尺度变换基于中值和数学形态学算子。最近的稀疏性和形态多样性的概念描述和利用各种问题，如去噪，反问题正规化，稀疏信号分解，盲源分离，压缩感知。 这本书的理论和实践研究相结合的领域，如天文学、生物学、物理学、数字媒体应用和取证。最后一章探讨了信号处理中的一个范式转换，表明以前的信息取样和提取的限制可以用非常重要的方法加以克服。 MATLAB和IDL代码伴随这些方法和应用程序重现。 实验并说明
正则化
- 神经网络正则化样例;正则化(regularization)，是指在线性代数理论中，不适定问题通常是由一组线性代数方程定义的，而且这组方程组通常来源于有着很大的条件数的不适定反问题。(Regularization (regularization) means that in linear algebra theory, ill posed problems are usually defined by a set of linear algebraic equations, and this se
Tracking_ASMS
- ASMS仅依靠颜色特征的算法而且速度很快，在VOT2015是20名, 是VOT2015官方推荐的实时算法，平均帧率125FPS。在VOT2016是32名，整体属于中等水平。在经典mean-shift框架下加入了尺度估计，经典颜色直方图特征，加入了两个先验(尺度不剧变+可能偏最大)作为正则项，和反向尺度一致性检查。在相关滤波和深度学习盛行的年代，还能看到mean-shift打榜还有如此高的性价比实在不容易。环境：WIN8.1 64位 +Visual Studio 2015 +OpenCV 3.3.
DropOut深度网络
- 深度神经网络在测试时面对如此大的网络是很难克服过拟合问题的。 Dropout能够很好地解决这个问题。通过阻止特征检测器的共同作用来提高神经网络的性能。这种方法的关键步骤在于训练时随机丢失网络的节点单元包括与之连接的网络权值。在训练的时候，Dropout方法可以使得网络变得更为简单紧凑。在测试阶段，通过Dropout训练得到的网络能够更准确地预测网络的输出。这种方式有效的减少了网络的过拟合问题，并且比其他正则化的方法有了更明显的提升。 本文通过一个简单的实验来比较使用Dropout方法前后网络
BregmanCookbook_v32
- 这是用于l1正则化功能的bregman算法，主要用于图像去噪，去模糊，去卷积等(This is a Bregman algorithm for L1 regularization, which is mainly used for image denoising, blur, deconvolution, etc.)
线性方程组计算
- 利用高斯消元法法求解病态矩阵——hilbert 矩阵的线性方程组。通过条件数分析，找出误差较大的原因。再利用 Jacobi 迭代方法、G-S 迭代方法和 SOR 迭代法做了进一步探究。另外，作为要求之外的，还使用共轭梯度法来求解方程以来进行对比，并利用Tikhonov 正则化的方法改善矩阵的条件数，来减小误差。(The Gauss elimination method is used to solve the linear equations of the ill conditioned mat
onaatiohan
- By using the local regional information which has the ability to enhance the image, an improved active contour model based on level set method is proposed. Defining a novel SPF function with a nonnegative kernel function and local intensity cluste
NMF
- 在标准的非负矩阵分解目标函数中加入坐标排序正则化算子，以模型为基准构造非负矩阵分解(Adding coordinate ordering regularization operator in standard nonnegative matrix decomposition objective function)
L曲线程序
- 确定近似最优正则化参数，很好的解决不适用问题(To determine the approximate optimal regularization parameter, it is very good to solve the problem.)
license_agreement
- 基于能量泛函正则化的理论 将活动轮廓模型和ROF模型结合起来(Theory of energy functional regularization Combining the active contour model with the ROF model)