PyTorch套索
用于L1正则化最小二乘（套索）问题的PyTorch库。 该库正在进行中。 欢迎和赞赏的贡献！
作者：Reuben Feinman（纽约大学）
乍看上去：
import torch
from lasso . linear import dict_learning , sparse_encode
# dummy data matrix
data = torch . randn ( 100 , 10 )
# Dictionary Learning
dictionary , losses = dict_learning ( data , n_components = 50 , alpha = 0.5 , algorithm = 'ista' )
# Sparse Coding (lasso solve)
coeffs = sparse_encode ( data , di
2021-11-03 18:02:47
5.52MB
1
匀速运动模糊作为运动模糊中最基本的模式，在图像复原中一直都倍受关注，其研究成果被广泛应用于其他图像复原以及图像处理中．将图像稀疏表示的思想引入匀速运动模糊图像复原中，提出一种基于l1正则化的复原算法，并利用基追踪算法有效地求解l1正则化的线性规划问题．由于l1在异常值下表现稳健，使得算法对较宽模糊范围下的匀速运动模糊图像都有稳定良好的恢复效果．为了验证算法效果，对该算法与现有算法进行了大量的对比实验，实测结果表明，该算法能准确恢复图像，且有效抑制振铃效应．
2021-10-29 15:27:52
368KB
1
hsi图像分割matlab代码稀疏高光谱分解的快速多尺度空间正则化
这是作者对[1]的实现。
该代码在MATLAB中实现，包括：
demo1_MUA.m-比较算法的演示脚本（DC1）
demo2_MUA.m-比较算法的演示脚本（DC2）
demo3_MUA.m-比较算法的演示脚本（DC3）
demo4_supp_MUA.m-补充材料的演示脚本
demo5_supp_MUA.m-补充材料的演示脚本
demo6_supp_MUA.m-补充材料的演示脚本
sort_library_by_angle.m-对光谱库中的特征进行排序
prune_library.m-从库中删除相关的签名
ighter_subplot.m-更有效的子图
soft.m-软阈值运算符功能
sunsal.m-SUnSAL算法
sunsal_tv.m-SUnSAL-TV算法
sunsal_tv_lw_sp.m-S2WSU算法
sunsal_spreg.m-在精细的空间尺度上稀疏分解
./real_data/-补充实验中使用的真实图像和光谱库
./vlfeat-0.9/-VLFeat工具箱（用于SLIC超像素算法）
./HSI
2021-10-28 16:39:19
28.29MB
1
MIT版深度学习第6章 深度学习的正则化 。 正则化的定义为旨在减少学习算法的泛化误差而不是训练误差的修改，训练神经网络中，常常会出现过拟合的问题
2021-10-25 20:27:46
19.82MB
1
压缩感知理论是一种充分利用信号稀疏性或者可压缩性的伞新的信号采样理论。该理论表明，通过采集少
量的信号值就可实现稀疏或可压缩信号的精确重建。该文在研究和总结已有重建算法的基础上，提出了一种新的基
于正则化的自适应匹配追踪算法(Regularized Adaptive Matching Pursuit，RAMP)用于压缩感知信号的重建。
2021-10-21 20:34:50
547KB
1
matlab矩阵标准化代码RegEM：正规化的期望最大化
该存储库包含用于以下目的的Matlab模块的集合：
从不完整的数据集中估计平均值和协方差矩阵，以及
不完整数据集中缺失值的归因。
这些模块实现了以下内容中描述的正则化EM算法
施耐德（T.
Schneider），2001年：气候杂志（Journal
of
Climate），第14卷，第853-871页。
高斯数据的EM算法基于迭代线性回归分析。
在正则化的EM算法中，正则化的估计方法取代了传统的高斯数据EM算法中回归参数的条件最大似然估计。
这里的模块提供了被截断的总最小二乘法（具有固定的截断参数）和具有回归分析的岭回归作为正则化估计方法。
正则化EM算法的实现是模块化的，因此执行回归参数的正则化估计（例如，岭回归和广义交叉验证）的模块可以交换为其他正则化方法和其他确定正则化参数的方法。
Per-Christian
Hansen的正则化工具包含Matlab模块，这些模块实现了可用于适应EM算法框架的正则化方法集合。
正则化EM算法的广义交叉验证模块改编自Hansen的广义交叉验证模块。
在正则化EM算法的Matlab实现中，重点
2021-10-21 18:42:54
46KB
1
随附的论文可以在http://link.springer.com/article/10.1007/s10618-014-0390-x找到
请引用随附的论文：
黄亚奎、刘宏伟、周水生。 用于非负矩阵分解的二次正则化投影 Barzilai-Borwein 方法。 数据挖掘与知识发现，2015，29(6)：1665-1684。
备注：此代码适用于 m > n 的输入矩阵 V (mxn)。 如果 m <=n，则将其应用于 V^T 会更快。
可以通过电子邮件将评论发送至 huangyakui2006@gmail.com。 欢迎任何评论！
2021-10-20 20:39:11
4KB
1
流形正则化matlab代码使用图维拉普拉斯正则化的低维流形模型进行3D点云降噪
作者：曾增，张Gene，吴敏，庞佳豪，成阳
出现在IEEE
Trans上。
关于图像处理
组织
|---
main_addnoise.m
:
main
for
adding
noise
to
gt
|---
main_glr.m
:
main
for
GLR
denoising
|---
pcdGLR.m
:
function
for
GLR
denoising
|---
tool
:
tools
for
GLR
|---
metric
:
for
computing
MSE
|---
setParameter
:
for
parameter
setting
|---
3d_data_set
:
sample
point
cloud
model
"anchor"
|---
gt
:
ground
truth
|---
noise
:
noisy
input
with
noise
level
0.02,
0.03,
0.04
|---
anchor
:
denoising
output
for
"anch
2021-10-20 19:00:00
5.06MB
1
使用奇异值分解来计算涉及希尔伯特矩阵的线性方程组的正则化最小二乘（Tikhonov正则化）和普通最小二乘解并进行比较。 由于 Hilbert 矩阵本质上是病态系统，因此证明了微扰系统上正则化的稳定性。
2021-10-17 14:05:40
2KB
1