基于稀疏图上的Johnson算法的详解

Learn a dictionary adaptively to betterfit the model and achieve sparse signal representations

是用于图像稀疏表示的OMP算法，更有效的稀疏表示图像

该算法是个性化推荐算法中协同过滤中为了解决用户项目矩阵的高稀疏行而提出的算法，该算法是在VS2010下实现的功能语言采用C#。

经典的稀疏表示SRC算法，适合广大人脸识别的同学使用参考-TheclassicsparserepresentationSRCalgorithm

针对现有基于先验假设的图像去雾算法无法普适性求解问题,提出一种基于稀疏系数匹配学习的图像去雾算法.该算法从图像复原角度出发,将雾天退化模型的求解转换为基于数据库的稀疏系数匹配.之后,从图像增强角度着手

针对现有融合识别算法难以兼顾信息完备性和节点通信数据量的问题, 提出一种基于信号稀疏表示的雷达辐射源信号级融合识别算法. 该方法将接收信号投影到稀疏域并进行压缩, 从而在稀疏域完成融合, 最后利用融合

针对现有信号源个数估计相关算法在低信噪比和较少快拍数下存在欠估计的问题,提出一种适用于空间平稳噪声下基于e

现有的信道估计算法大多是基于高斯噪声模型假设。然而在实际无线通信环境中,常常出现脉冲噪声使得噪声不再满足高斯模型,而是满足一种广义高斯分布(GGD)噪声模型。采用传统的自适应信道估计算法(如递归最小二

结合压缩感知理论（CS），针对压缩采样匹配追踪算法在多输入多输出正交频分复用（MIMO_OFDM）系统信道估计应用中需要利用信号稀疏度的先验条件，而实际中稀疏度又难获得的情况，提出一种信号稀疏度自适应

基于非负稀疏表示的多标签学习算法，陈思宝，徐丹洋，为提高多标签数据分类性能，提出基于非负稀疏表示多标签学习算法。首先基于LASSO稀疏最小化方法，将测试样本用训练样本集进行非负�