暂无评论
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
matlabssc稀疏表示
图表示范
利用初等行变换求解矩阵满秩分解，可选择由系统自动生成随机矩阵或自行输入待求解矩阵。
蔡振兴版人工智能中过程表示法求解八数码问题的matlab代码，GUI展示，可以自定义输入输出。
基于稀疏表示的人脸识别系统设计采用sparse中的L1-normminimization基于经典入门论文《facerecognitonviasparserepresentation》MATLAB程序，
对应文章：Learning Low-Rank Class-Specific Dictionary and Sparse Intra-Class Variant Dictionary for Face
Matlab高速求任意二进制矩阵的秩序的函数。经测试，对512x512的二进制的矩阵，其速度是Matlab自带的rank（gf（A））函数的40倍。
这是稀疏表示用于matlab的工具箱，这个工具箱可以实现字典学习的正交匹配追踪，信号分解等功能。字典学习（DictionaryLearning）和稀疏表示（SparseRepresentation）在
暂无评论