l21范数的鲁棒稀疏高光谱解混

Belinski–Khalatnikov–Lifshitz量子场景提出了系统的整体演化。 但是，仿射相干态量化应用于基础经典场景的量化取决于组参数化的选择。 使用仿射组的两个最简单的参数化，我们证明了

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

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。

基于稀疏流形聚类嵌入模型和L_1范数正则化的标签错误检测

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

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

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

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

为了进一步提高稀疏表示分类能力,提出了基于联合稀疏表示算法与形态学特征的高光谱图像(HSI)分类算法。该算法对高光谱图像提取主成分特征图,并利用结构元素对主成分特征图进行多维的空间结构特征提取,结合提