以“带行逻辑连接信息”的三元组顺序表表示稀疏矩阵，实现两矩阵相加，相减，相乘的运算。稀疏矩阵的输入用三元组表示，而运算结果以列阵形式列出。
2022-02-21 09:36:44
6KB
1
投资组合优化方法不可避免地依赖于市场和经济的多元建模。 在本文中，我们解决了与这些复杂系统建模相关的三个错误来源： 1. 过度简化假设； 2. 参数抽样误差导致的不确定性； 3. 这些系统的内在非平稳性。 对于第 1 点的问题，我们提出了 L0 范数稀疏椭圆建模，并表明稀疏化是有效的。 点 2. 和 3. 的影响通过研究模型在样本内和样本外的似然性对不同长度的训练集估计的参数进行量化。 我们表明，当训练集中包含两到三年的日常观察时，具有更大样本外可能性的模型可以产生更好的投资组合。 对于较大的训练集，我们发现投资组合性能恶化并与模型的可能性脱节，突出了非平稳性的作用。 我们通过研究表明系统随时间显着变化的单个观察的样本外可能性来进一步研究这种现象。 从长远来看，较大的估计窗口会导致稳定的可能性，但以短期内较低的可能性为代价：金融的“最佳”拟合需要根据持有期来定义。 最后，我们表明稀疏模型优于完整模型，因为它们提供更高的样本外似然性、更低的实际投资组合波动性和提高投资组合的稳定性，避免了均值方差优化的典型陷阱。
2022-02-18 19:52:11
1.77MB
1
关键一：信号的稀疏表示问题（1）
信号的稀疏性是压缩感知理论的一个重要前提。
稀疏的数学定义
信号 X 在正交基 下的变换系数向量为 ，假如对于0
2022-02-16 22:00:37
465KB
1
无线传感器网络中数据具有较强联合稀疏特性，应用压缩感知理论，通过联合编码压缩数据，再使用联合解码进行还原，可实现低采样代价收集传感数据。提出了一种基于联合稀疏模型与压缩感知理论的同步子空间追踪算法，以稀疏特性为先验知识，通过回溯迭代方式，判断并选取合适的联合子空间，用更少量观测值实现原始传感数据的精确重构。与SCoSaMP算法、SP算法在不同稀疏特性和不同采样率下相比较，同步子空间追踪算法具有较好的恢复性能。
2022-02-15 20:53:33
1.56MB
1
3．带状稀疏存储矩阵
用spdiags函数产生带状稀疏矩阵的稀疏存储，调用格式
是：A=spdiags(B,d,m,n)
其中，参数m,n为原带状矩阵的行数与列数。B为r×p阶矩阵，这里
r=min(m,n)，p为原带状矩阵所有非零对角线的条数，矩阵B的第i列
即为原带状矩阵的第i条非零对角线。
2.5 稀疏矩阵
2.5.1 稀疏存储方式的产生
2022-02-15 01:49:32
374KB
1
java-xmlbuilder
XML Builder是一种实用程序，它允许使用相对稀疏的Java代码来构造简单的XML文档。
它允许您快速而轻松地创建XML文档，否则您可能会想使用串联字符串，而又不想面对编码的乏味和冗长。
在内部，XML Builder使用JAXP构建标准的W3C文档模型（DOM），您可以轻松地将其导出为字符串，或者在有特殊要求时直接访问以进行进一步操作。
执照
XMLBuilder与XMLBuilder2
从1.1版开始，此库提供了两个构建器实现和API：
XMLBuilder （原始API）遵循标准的Java惯例，即在执行诸如创建新文档之类的操作时会重新抛出较
2022-02-10 17:17:20
40KB
1
摘 要：为了准确地进行 SAR图像目标识别，提出一种基于稀疏表示的 SAR目标识别方法，在用主成分分析（PCA）进
行降维的前提下，利用降维后的训练样本构建稀疏线性模型，通过 ℓ1 范数最优化求解测试样本的稀疏系数解 x ，利用
系数的稀疏性分布进行目标的分类识别。基于 MSTAR数据进行了仿真验证，实验证明，基于稀疏表示的 SAR目标识
别方法在一定的特征维数下能够获得很好的识别性能，在目标方位角未知的情况下识别率仍可达到 98%以上。
2022-01-27 17:05:08
1.39MB
1