稀疏矩阵
稀疏矩阵库。
安装
$ npm i ml-sparse-matrix
用法
import { SparseMatrix } from "ml-sparse-matrix" ;
const matrix1 = new SparseMatrix ( [
[ 1 , 2 ] ,
[ 3 , 4 ] ,
] ) ;
const matrix2 = new SparseMatrix ( [
[ 0 , 5 ] ,
[ 6 , 7 ] ,
] ) ;
const product = matrix1 . kroneckerProduct ( matrix2 ) ;
执照
2022-09-27 16:19:43
10KB
1
异常目标检测在高光谱图像(HSI)处理领域发挥越来越重要的作用。低秩稀疏矩阵分解算法(LRaSMD)可将背景和异常区分开，可以极大地减弱异常目标对背景的污染。基于此，提出一种基于低秩稀疏矩阵分解和稀疏字典表达(LRaSMD-SR)的高光谱异常目标检测算法，通过LRaSMD的方式获取背景集，通过稀疏表达的方式从背景集中构建背景字典模型，最后通过计算重构误差来检测异常点。该算法在模拟和真实数据上都进行了有效性验证，实验结果证明LRaSMD-SR算法具有非常好的异常目标检测性能。
2022-09-22 11:13:03
4.11MB
1
matlab弹球代码双支持向量机变体
制定新算法“改进稀疏孪生支持向量机”
此存储库包含以下
SVM
变体的
matlab
代码-
所有数据集均来自
2022-09-22 11:00:23
13KB
1
去噪声代码matlab
BEADS：具有稀疏性的基线估计和去噪
这是从Matlab转换为Python代码的算法。
请检查Matlab代码和完整的算法。
重定向到@skotaro的用户手册。
2022-09-20 12:26:49
4KB
1
该文件可替代 Matlab 的 kron.m。 它包含更有效的 Kronecker 产品实现，用于密集、稀疏和逻辑矩阵。
2022-09-14 16:12:47
1KB
1
具有用于 gpu 的 cusp 稀疏类的裸骨接口， 支持单精度，实数/复数。
用法： A=gcsparse(B,[格式: 0=coo, 1=csr]); 或者A=gcsparse(col,row,val,[nrows,[ncols,[格式]]]); 输入 B 是一个 matlab 数组、稀疏数组或 gcarray。
重载运算符： ctranspose: B=A.'; 转置：B=A'; 乘法：x=A*y； (spmv) 格式转换： B=real(A);A=complex(B);B=gcsparse(A,format); rowptr=ptr2row(A); 行 =grow2ptr(A);
例子： 真实/复杂速度测试：testgsparse.m accumarray: testRadavg.m 模板：testgnufft.m（氡变换示例）
笔记： 格式转换 row2ptr 和 ptr
2022-09-07 04:43:23
60KB
1