搜索资源列表
lecture-notes
- 《压缩感知与稀疏恢复》课程是 Justin Romberg教授访问清华大学期间讲授的短期课程。该资料为其讲课的课件。-"Compressed sensing and sparse recovery" is taught during the visit Tsinghua University professor Justin Romberg short courses. The data for lectures courseware.
source
- 设计、实现稀疏矩阵的数据结构 (存储结构和逻辑结构)，并且稀疏矩阵要有以下的函数接口（功能）。 1. 能够修改 (访问) 矩阵中元素的值 2. 矩阵的转置运算得到一个新矩阵 3. 两个矩阵的加法运算得到一个新矩阵 4. 两个矩阵的乘法运算得到一个新矩阵 -Design, implementation sparse matrix data structure (memory and logical structures), and sparse matrix have
wavelet_FISTA
- 利用小波变换作为稀疏基，并利用快速迭代软阈值进行稀疏促进，最终实现基于压缩感知理论的数据重构- Wavelet transform is used as the sparse basis, and the sparse promotion is realized by using the fast iterative soft threshold. Finally, the data reconstruction based on the compression perception the
RONGYUZIDIAN
- 利用构造冗余字典的方法实现数据分类问题，将数据进行稀疏分解，通过稀疏向量和残差判断故障类型-The method of using structural redundancy dictionary for data classification problem, the data are sparse decomposition, through sparse vector and residual judge fault type
decon
- 地震资料中反褶积MATLAB数据处理包。包括了预测反褶积，脉冲反褶积，稀疏反褶积等。对于地震资料处理有极大实用价值(Deconvolution MATLAB Data Processing Package in Seismic Data. Including the prediction of deconvolution, pulse deconvolution, sparse deconvolution and so on. For the seismic data processing ha
程序
- 以稀疏子空间聚类以及低秩子空间聚类等基本谱聚类算法为基础，通过 运用核映射算法，融合与数据本身结构相关的局部切线空间函数以及主成分分析 算法建立了可以应对独立子空间聚类、非独立子空间聚类、非线性聚类、混合多 流体聚类问题以及多种含有大数据量的实际问题，包括处理运动分割、人脸识别、 工件识别等情况中的多种类型数据分类的聚类算法，并且引入 Map-Reduce 并行处 理方法优化了算法的计算效率(Based on the basic spectral clustering algorith
新建文件夹
- 数据稀疏，主要用于数据的前期处理，当数据量很大，而且相邻差异不大时，可以使用(Data sparse, mainly used for the early processing of data, when the amount of data is large, and the adjacent difference is not big, you can use)
plot_classifier_comparison
- 基于Pythoon的数值聚类分类算法，基于Python的三维立体点的空间最近邻分类(This example shows the effect of imposing a connectivity graph to capture local structure in the data. The graph is simply the graph of 20 nearest neighbors. Two consequences of imposing a connectivity can b
SparseBayes_相关向量机函数包
- 使用稀疏贝叶斯相关向量机方法对数据进行优化处理，(Use sparse Bayesian method to optimize the data)
EWKM
- 针对于高维稀疏的子空间数据，并进行了加权熵处理(Aiming at the high-dimensional sparse subspace data, weighted entropy processing is carried out.)
direction finding algorithm
- 利用信号本身的结构特征，通过附加不同的稀疏约束，该模型利用过完备字典进行信号分解，使其表示成字典中若干原子的线性组合，从而获得数据的精简表示。(By using the structural characteristics of the signal itself and adding different sparse constraints, the model decomposes the signal into linear combinations of atoms in the dic
稀疏自动编码器的matlab代码
- 本资源是3层的自编码器加上稀疏正则项约束的matlab代码。隐层激活函数选sigmoid函数，输出层选线性函数，程序中以一个标准数据集sonar为例，使用该方法可以做无监督表征学习，数据压缩，多任务学习等(This resource is a 3-layer self-encoder plus matlab code for sparse regular term constraints. The hidden layer activation function selects the sigm