SFF 是一种用于评估彩色图像感知质量的新算法。 对于质量评估，您可以按如下方式运行“SFF”： 负载（'W.mat'）; % 加载特征检测器分数 = SFF(refImg, disImg, W); % refImg 和 disImg 分别表示参考图像和失真图像 质量分数介于 0 和 1 之间，其中 1 表示与参考图像的质量相同。 特征检测器 W 是一个大小为 8*192 的矩阵，通过在 data1 上运行 TrainW(18000,8,8) 生成。 W 可用于从图像块中提取特征。 培训代码位于文件夹“\Training”中。 您可以运行“TrainW”来获取特征检测器。 例如： W =火车W（18000,8,8）; 在我们的论文中，我们使用了 18000 个大小为 8*8 的样本块，并且只保留了 8 个分量。 为训练阶段提供了两组图像，即 data1 和 data2，这在我们

主要介绍了Python 稀疏矩阵-sparse 存储和转换的相关资料,需要的朋友可以参考下

可以将超声脉冲回波检查中的接收信号建模为脉冲响应和反射序列之间的卷积，这是被检物体的脉冲特性。 去卷积的目的是使该过程近似反转以提高时间分辨率，从而使来自紧密间隔的反射器的回波之间的重叠变小。 本文提出了一种改进的最小熵盲去卷积算法，用于对超声信号进行去卷积。 通过使用提出的方法可以提高分辨率。 另外，在许多情况下，所提出的方法将导致更快的计算。 非线性函数是改进的盲解卷积算法效率的关键，该算法用于通过使用非线性函数的输出替换每个迭代输出来增加迭代输出的稀疏性并减少添加的噪声的影响。 仿真结果表明，在对合成超声信号进行卷积时，与最小熵解卷积相比，修改的效率更高。 使用实际超声数据的实验结果进一步评估，精确的解决方案始终可以产生良好的性能。 薄钢板样品的厚度可以通过改进的盲反褶积滤波器以合理的精度进行计算。

参考： GZ Karabulut 和 A. Yongacoglu，“使用正交匹配追踪算法进行稀疏信道估计”，IEEE 第 60 届车辆技术会议，2004 年。VTC2004-Fall。 2004 年，加利福尼亚州洛杉矶，2004 年，第 3880-3884 卷。 6.

基于降维稀疏重构的高效数据域STAP算法研究

为了增加基于用户的协同过滤方法在预测Web服务质量时的相似性用户数目，进而提高Web服务的质量，首先构建一个用户相似性网络，并通过链接预测的方法找出潜在的相似性用户，最后综合应用相似性用户和预测出的潜在相似性用户预测用户的Web服务质量。实验表明，提出的方法在提高预测成功率的同时，还降低了预测的误差，因而适用于稀疏的Web服务质量预测。

产生信号并用omp重建 1-D信号压缩传感的实现（正交匹配追踪算法Orthogonal Matching Prusuit） -1.生成稀疏度为K的稀疏信号----- 2.时域信号压缩传感 3.正交匹配追踪法重构信号（本质上是L-1范数最优化问题） 4.恢复信号和原始信号对比

稀疏正交匹配追踪（OMP算法）正交匹配追踪（OMP）算法属于贪婪算法。而贪婪算法是一种不追求最优解，只希望得到较为满意解的方法。贪婪法一般可以快速得到满意的解，因为它省去了为找最优解要穷尽所有可能而必须耗费的大量时间。贪婪算法常以当前情况为基础作最优选择，而不考虑各种可能的整体情况，所以贪婪算法不要回溯。 OMP算法的基本思想：从字典矩阵D（也称为过完备原子库中），选择一个与信号 y 最匹配的原子(也就是某列)，构建一个稀疏逼近，将剩余残差减去所有被选择过的原子组成的矩阵所张成空间上的正交投影得到下一步的信号残差，然后继续选择与信号残差最匹配的原子，反复迭代，信号y可以由这些原子的线性和，再加上最后的残差值来表示。很显然，如果残差值在可以忽略的范围内，则信号y就是这些原子的线性组合。 OMP分解过程，实际上是将所选原子依次进行Schimidt正交化，然后将待分解信号减去在正交化后的原子上各自的分量即可得残差。

Matlab代码sqrt 该存储库包含用于产生手稿结果的代码：（）。 代码-PCSKM exeSimus.m：运行整个分析并将结果存储在./GenRes/results文件夹中。 该文件包含以下选项： 确定： 0/1开始时不带或带有随机种子。 JMPCKM_OVERLOAD： 0/1使用重载或非重载MPCK-Means。 该库用于MPCK-Means算法。 看 。 CONSTR_PERC： 0/1根据大小使用固定数量的约束或百分比。 日志： （0）无日志文件且无显示，（1）仅日志文件，（2）仅显示，（其他）显示和日志文件。 constraints_type：要使用的约束类型； 0/1激活ML和/或CL，当从所有可用约束中选取-1则随机约束时，则同时选择了1则相等数量的每种类型的牺牲子。 Constraints_number：要使用的固定值或约束的百分比。 citer：每个约束的迭代次数 sstep：要测试的稀疏性参数值，从步骤1.1到sqrt（尺寸），步长为sstep 。 maxIter：算法迭代以达到收敛。 k折：选择k进行k折验证。 CVstatsPer.m：生成有关数据集的统计信

一元稀疏多项式计算器： 用C语言编写程序，实现一元稀疏多项式计算器。具体要求如下： (1) 演示程序以用户与计算机对话的形式输入输出数据； (2) 实现两个一元稀疏多项式的加、减、乘运算； (3) 求一个多项式a的导函数a’； (4) 结果以类数学表达式的形式输出。