搜索资源列表
BCS_fast_rvm
- 该代码实现的是压缩感知理论中的信号恢复问题。将压缩感知理论中的信号恢复问题转化为带参数约束的回归问题,从而利用贝叶斯理论实现参数估计,从而得到高效的重建稀疏信号。-The code to achieve the signal recovery problems in the theory of compressed sensing. Recovery issues into regression problems with parameter constraints will signal co
MSBL_code
- 稀疏贝叶斯学习是一种很好压缩感知,信号恢复方法。-sparse bayesian learning is a good cs method for coefficient recovery.
FastLaplace
- 利用拉普拉斯先验的压缩感知稀疏重构的贝叶斯方法,具有较好的计算精度-Bayesian compressive sensing using laplace priors,with high accuracy
MSBL-Learning-Algorithm
- 贝叶斯学习算法,用在压缩感知和稀疏恢复重建之中。-The MSBL algorithm for Compressed Sensing and sparse recovery.
FastLaplace-CS-algorithm
- 拉普拉斯贝叶斯算法,用在压缩感知和稀疏表示之中。-The FastLaplace compressed sensing algorithm.
压缩感知和稀疏贝叶斯
- 基于贝叶斯理论的压缩感知算法,基于已有的先验知识,和信号的稀疏性,采用贝叶斯理论,对信号进行重构恢复。
变分贝叶斯稀疏恢复代码
- 基于贝叶斯压缩感知的变分贝叶斯稀疏恢复代码,是入行压缩感知,变分推断的良好入门代码