l21范数的鲁棒稀疏高光谱解混

czjxy64757 5 0 PDF 2021-04-08 17:04:28

l2,1范数的鲁棒稀疏高光谱解混

推荐下载

远程依赖(LRD)的存在和性质通常以赫斯特(Hurst)参数为特征。为了满足分析LRD过程的要求,文献中提出了许多实用的估计方法。此外,已经做出了一些努力来评估LRD过程的Hurst估计量的准确性

详细介绍了高光谱遥感的基础和分析方法,是学习和考试的好资料

N-FINDR:analgorithmforfastautonomousspectralend-memberdeterminationinhyperspectraldata作者MichaelE.Win

以前下了一个minL1.m的代码,但是不正确。自己进行了修改,现在可以正确使用。

稀疏表示在人脸识别问题上取得了非常优秀的识别结果,但在单样本条件下,算法性能下降严重。为提高单样本条件下稀疏表示的应用能力,提出一种鲁棒稀疏表示单样本人脸识别算法(RSR)。通过使用每张人脸图像创建一

包含多个第三方库:vcg、eigen等,所以资源较大 This repository contains the meshing software developed as part of the pu

参考文献:http://research.microsoft.com/en-us/people/davidwip/tutorials.aspx 用L1范数、L0.01范数分别求解稀疏信号恢复问题的仿真

提出了一种基于邻域加权稀疏表示的高光谱图像目标探测方法。在构造稀疏模型时,以单位化像元的内积表示像元的相似性,据此对重构图像中测试像元空间邻域的像元进行加权约束,保证了空间的平滑性；并提出基于加权最小

非负矩阵分解方法不仅被用作数据降维,并且被广泛地应用于高光谱混合像元分解。由于非负矩阵分解常常陷于局部最小化,各种限制性条件被使用,如稀疏、体积等。深度学习作为一种新的数据挖掘方法被广泛地使用,其通过

用户评论

请输入评论内容

评分：

暂无评论