各种低秩约束矩阵填充方法SVTSVPWSVTTSVTADMM算法实现

Matrix various operations vb6.0 implementation

通过C++实现矩阵的常用运算，相加、减，数乘，矩阵相乘，矩阵转置，矩阵求逆等。

基于鉴别性低秩表示的2阶段人脸识别算法.pdf

传统半监督非参核学习方法通常基于流形假设和成对约束信息建立学习模型。但是，这种模型对于某些复杂高维稀疏的数据而言算法复杂性较高。为了解决复杂高维稀疏数据核学习问题，提出一种基于稀疏自编码的非参核学习算

针对高维数据具有低秩形式和属性冗余等特点，提出一种基于属性自表达的无监督超图属性选择算法。该算法首先利用属性自表达特点用其他属性稀疏地表达每个属性，此自表达形式使用低秩假设寻找高维数据的低秩表示，然后

书名：信号与数据处理中的低秩模型——理论、算法与应用 作者：林宙辰（北大）、马毅（伯克利）

张量分解是解决高维数据分析问题的有力工具。传统张量Tucker分解模型多采用各项同性假设,即各个因子矩阵具有相同的约束条件(例如正交、非负等),但该种假设不适用于异构张量数据分析。本文提出了一种基于低

Godec代码快速SVD分解TianyiZhouandDachengTao,"GoDec:RandomizedLo-rank&SparseMatrix%DecompositioninNoisyCase

LORA大规模低秩适应性的原理和应用。LORA是一种常见的传输技术，它在大规模环境下具有较低的秩适应性。本文详细分析了LORA的工作原理，并提出了一种基于LORA的大规模低秩适应性算法。该算法通过对信

各种排序算法实现：包括插入排序（直接插入排序、折半插入排序、希尔排序）、选择排序（简单选择排序、堆排序）、交换排序（冒泡排序、快速排序）、二路归并排序 可运行，dos输出