搜索资源列表
MATLAB6.0_zl
- 本教程提供了使用MATLAB的实践性指导，它基于MATLAB6.0版，内容由浅入深，特别是本书对每一条命令的使用格式都作了详细而又简单明了的说明，并配备了例题加以说明其用法，因此，对于初学者自学是很有帮助的；同时，又对数学中的一些深入问题如数值分析、稀疏矩阵、优化理论以及模糊数学等问题进行了较为详细的论述，因此，该书也可作为科技工作者的科学计算工具书。
GROUP-SPARSE-OPTIMIZATION
- 借助ADM方法的組稀疏(块稀疏)最优化的论文和部分matlab程序-GROUP SPARSE OPTIMIZATION BY ALTERNATING DIRECTION METHOD
N-sparse
- 创建一个n维的稀疏数组对象，n是任意值。 定义N可能是大于2的一类n维稀疏阵列。然而，它应该被认为是一种起动方式与普通的MATLAB稀疏矩阵和重塑它有N维度。换句话说，稀疏的数据，首先必须能够作为一个普通的2D MATLAB稀疏矩阵被前n维。事实上，如果目标数组的尺寸mxnxp……yxz，然后将它存储在内部类是一个普通的二维稀疏阵列的尺寸（M×N×P×……×Y）XZ。这导致了某些内存株时使用大量的尺寸。我发现有用的类主要用于中等尺寸像三维图像边缘检测，你经常要举行一个稀疏的3D的边缘地图。-Cr
huishangguanlian
- 相关向量机(RVM)的matlab源程序，包含快速算法，内含代码使用说明。 RVM采取是与支持向量机相同的函数形式稀疏概率模型，对未知函数进行预测或分类。 优点： (1) 不仅仅输出预测目标量的点估计值,还可以输出预测值的分布. (2) 使用更少数量的支持向量,从而显著减少输出目标量预测值的计算时间. (3) RVM不需要估计过多的参数. (4) RVM对是否满足Mercer 定理的核函数没有限制,适应性更好.--Relevance Vector Machine (RVM) of the mat
YALL1_Group21040509
- 组稀疏优化算法英文文献及其matlab源码-GROUP SPARSE OPTIMIZATION BY ALTERNATING DIRECTION METHOD
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