针对大部分FPGA端上的卷积神经网络（CNN,convolutional neural network）加速器设计未能有效利用稀疏性的问题，从带宽和能量消耗方面考虑，提出了基于线性脉动阵列的2种改进的CNN计算优化方案。首先，卷积转化为矩阵相乘形式以利用稀疏性；其次，为解决传统的并行矩阵乘法器存在较大I/O需求的问题，采用线性脉动阵列改进设计；最后，对比分析了传统的并行矩阵乘法器和2种改进的线性脉动阵列用于CNN加速的利弊。理论证明及分析表明，与并行矩阵乘法器相比，2种改进的线性脉动阵列都充分利用了稀疏性，具有能量消耗少、I/O带宽占用少的优势。

SpiecEasi 生态联系的稀疏逆协方差估计和统计推断 该软件包对于希望为各种组成数据推断图形模型的人很有用，尽管它主要用于微生物组相对丰度数据（由16S扩增子序列数据生成）。 它还包括一个用于[过度分散，零膨胀]多元相关计数数据的生成器。 请参阅发表的论文。 关于符号的一个小问题：我们将该方法称为“ SPIEC-EASI”，并为此包保留了“ SpiecEasi”。 目录 安装 开发工具 我假设所有辅助软件包都已安装-例如pulsar，large，MASS等。如果遇到意外错误，则可能需要下载并安装缺少的依赖项。 在交互式R会话中： library(devtools) install_github("zdk123/SpiecEasi") library(SpiecEasi) conda SpiecEasi也可以通过conda来源获得，并且应该始终与该存储库的主分支保持最新。 co

为提高短孔径逆合成孔径雷达的成像分辨率,利用逆合成孔径雷达图像的稀疏统计特性,提出了一种超分辨成像算法.通过结合逆合成孔径雷达像的强稀疏性,对成像过程建立近似的统计概率分布模型.利用最大后验概率及贝叶斯估计方法,推导了稀疏控制参数的显式表达,并通过共轭梯度法优化求解图像.另外,联合恒虚警概率检测和带宽外推技术的步进式成像过程,提高了参数估计和超分辨成像算法的稳健性.

数据融合matlab代码通过具有非凸罚分的稀疏正则化进行图像融合 该源代码包包括用于所提出的图像融合和联合问题算法的MATLAB源代码。 纸： 每个主要代码的具体功能如下图所示： FL1：采用L1规范化正规化的图像融合； FGMC：通过GMC正则化进行图像融合； FSL1：采用L1规范正则化的联合图像融合和超分辨率； FSGMC：通过GMC正则化进行联合图像融合和超分辨率； FDrealGMC：在真正的OCT和眼底图像数据集（PSF估计）上使用GMC正则化进行联合图像融合和反卷积；

k-means聚类算法及matlab代码稀疏的KMeans KMeans使用预处理和稀疏化实现大数据，Matlab实施。 使用（也称为“ K均值”或“ K均值”），但以特殊方式稀疏数据，以显着（且可调）节省计算时间和内存。 该代码提供kmeans_sparsified ，其用法与Matlab统计工具箱中的kmeans函数非常相似。 有三个好处： 基本实现比“统计信息”工具箱版本快得多。 我们还提供了一些工具箱版本所缺少的现代选项。 例如，我们实现了初始化。 （更新：自2015年以来，Matlab改进了例程和初始化的速度，现在它们的版本与我们的版本相当）。 我们有一个新的变体，称为稀疏KMeans，它可以对数据进行预处理和采样，而该版本可以快数千倍，并且是为无法处理的大数据集设计的 该代码还允许使用大数据选项。 无需传递数据矩阵，而是给它提供.mat文件的位置，并且代码会将数据分成多个块。 当数据为10 TB并且您的计算机只有6 GB的RAM时，这很有用。 数据以较小的块（例如，小于6 GB）加载，然后进行预处理，采样并从RAM中丢弃，然后处理下一个数据块。 整个算法仅遍历数据集。 /注

OLS - 正交最小二乘法：由 T. Blumensath, ME Davies 提出StOLS - Stagewise OLS：将 StOMP 理念与 OLS 相结合ROLS - 正则化 OLS：将 ROMP 思想与 OLS 相结合

为了实现对高光谱图像的分类, 提出了一种基于多特征和改进稀疏表示的方法——MFISR。从高光谱图像中提取光谱特征、Gabor特征和局部二值模式(LBP)特征, 求解稀疏系数, 同时增加一个2范式约束, 利用所得系数得到每个测试像素的最终类别标签。实验结果表明：所提MFISR方法对小样本的检测效果显著, 分类性能稳定且较优。

文中针对无线通信系统中稀疏信道估计算法进行研究，通过对比传统的基于训练序列的信道估计算法LS，对基于压缩感知的稀疏信道估计算法OMP进行分析。讨论了训练信号长度、信道稀疏度及噪声强度对整个估计性能的影响。在相同的实验条件下生成二维稀疏信号，从精确重构概率和信噪比方面对比了两种算法的性能。证明压缩感知方法可以有效的利用稀疏特性，在较短的训练序列情况下实现信道脉冲响应的精确估计。

【达摩老生出品，必属精品，亲测校正，质量保证】 资源名：matlab lanczos算法用来计算大型稀疏矩阵的最大最小本征值及相应的本征矢量 资源类型：matlab项目全套源码 源码说明： 全部项目源码都是经过测试校正后百分百成功运行的，如果您下载后不能运行可联系我进行指导或者更换。 适合人群：新手及有一定经验的开发人员

线性结构和非线性结构、稀疏数组、队列、链表（LinkedList） 数组和链表.pdf