搜索资源列表
-
1下载：
求解l1范式的值，用于压缩感知中的稀疏表示。进行分类-Solving the value of l1 paradigm for compressed sensing of sparse representation. Classification
-
-
2下载：
人脸识别的稀疏表示识别方法将稀疏表示的保真度表示为余项的L2范数，但最大似然估计理论证明这样的假设要求余项服从高斯分布，实际中这样的分布可能并不成立，特别是当测试图像中存在噪声、遮挡和伪装等异常像素，这就导致传统的保真度表达式所构造的稀疏表示模型对上述这些情况缺少足够的鲁棒性。而最大似然稀疏表示识别模型则基于最大似然估计理论，将保真度表达式改写为余项的最大似然分布函数，并将最大似然问题转化为一个加权优化问题-Recently the sparse representation (or codin
-
-
0下载：
Sparse Representation based Fisher Discrimination Dictionary
Learning for Image Classification
-
-
1下载：
这篇文章主要是讲高光谱分类的，使用基于词典的稀疏算法对高光谱进行分类。-Dictionary-Based, Clustered Sparse Representation for
Hyperspectral Image Classification
-
-
2下载：
利用超限学习机（ELM）和稀疏表示(SRC)进行图像分类。Matlab完整源码。-Extreme learning machine and adaptive sparse representation for image classification
-
