具有结构平滑度的多矩阵低秩分解用于图像降噪

Givens matrix decomposition

这是一个采用java语言编写，采用cholesky法对正定矩阵进行分解成一个下三角矩阵和一个上三角矩阵的乘积。

矩阵的三角分解矩阵的满秩分解矩阵的QR分解

进行Doolittle分解，得到A=LU，其中L为单位下三角矩阵，U为上三角矩阵；这里的Doolittle分解实际就是Gauss变换；

GenericSchur.jl:Julia包,用于对具有通用元素类型的矩阵进行Schur分解

快速MNMF 具有联合对角线化约束的快速多通道非负矩阵分解

低秩表示，加速近邻梯度法function [A_hat,E_hat,numIter,ca,e] = proximal_gradient_rpca(D, lambda,... maxIter, tol,

main_klrr.m是调用的代码，KLRR.m是核低秩代码实现，然后DATA目录下为选用的数据，utils目录下为工具类，可能有多余的代码，utils中除了LOADDATA代码是我写的之外，其他全是

对于低秩稀疏这些优化算法,论文或者博客中几乎很少给出具体推导过程、以及更新过程中每一步的具体推导过程。笔者对整个推导过程进行了详细的说明,需要的可以下载来看,关于RPCA和LRR算法中每一个公式的来源

矩阵适用于表示具有复杂结构的大量数据,例如图像和脑电图数据(EEG)。 为了学习处理这些矩阵数据的分类器,特征矩阵的结构信息是有用的。 本文着重于正则化的矩阵分类器,其输入样本和权重参数均为矩阵形式。