基于分析K SVD算法的改进去噪模型

为了更好地实现图像的去噪效果,提出了一种改进的基于K-SVD(Singular Value Decomposition)字典学习的图像去噪算法。首先,将输入的含噪信号进行K均值聚类分解,将得到的图像块

本文主要描述K-SVD算法在图像去噪中的运用，并针对存在的问题进行了研究，提出了3中噪声抑制算法。

磁流变阻尼器力学模型是磁流变阻尼器结构控制的基础。针对Bingham磁流变阻尼器力学模型,对剪切应变率作分数阶微分处理,提出一种分数阶Bingham磁流变阻尼器力学模型,并将此模型引入到图像去噪,推导

K-SVD简介 deep_learning machine_learning k-means

python编写的K-SVD稀疏字典学习去噪，可以显示字典的图像，去噪效果还行，还有待改进，有问题可以及时交流。

针对传统的Prony算法在谐波及间谐波检测过程中对噪声敏感,导致辨识精度不高的问题,提出了一种基于奇异值分解(Singular Value Decomposition,SVD)和Prony的改进算法。

用ksvd算法去噪基于K_SVD和残差比的低信噪比图像稀疏表示去噪算法能达到更好的去燥效果

针对标准人工蜂群算法搜索效率低、收敛速度慢等缺点提出一种改进的人工蜂群算法.通过引入算术交叉操作以及利用最优解指导搜索方向,增加算法收敛的速度.在7个基准函数上的测试结果表明了算法的有效性.在此基础上

大牛ELAD关于sparse representation的代码

基于改进量子遗传算法的K均值聚类分析（论文）。