Multipath Matching Pursuit with Depth-First (MMP-DF) 是一种贪婪算法，它为稀疏重建/近似问题提供近似解：min ||x||_0 使得 Phi * x = y。 该算法来自论文：[*] S. Kwon、J. Wang 和 B. Shim，“多路径匹配追踪”，IEEE Trans。 通知。 理论，卷。 60，没有。 5，第 2986-3001 页，2014 年 5 月。

航拍图像往往具有场景复杂、数据维度大的特点，对于该类图像的自动分类一直是研究的热点。针对航拍原始数据特征维度过高和数据线性不可分的问题，在字典学习和稀疏表示的基础上提出了一种结合核字典学习和线性鉴别分析的目标识别方法。首先学习核字典并通过核字典获取目标样本的稀疏表示，挖掘数据的内部结构；其次采用线性鉴别分析，加强稀疏表示的可分性；最后利用支持向量机对目标进行分类。实验结果表明，与传统基于子空间特征提取的算法和基于字典学习的算法相比，基于核字典学习与鉴别分析的算法分类性能优越。

经典小波分解对信号稀疏化效果不佳，为此设计了基于小波域经验维纳滤波器的稀疏表示算法. 该算法可自适应地衰减每个小波系数，增大系数的稀疏度及可压缩性，从而提高压缩感知算法对信号的恢复质量. 仿真结果表明，与传统的基于小波变换的信号稀疏表示及恢复算法相比，该算法较大地提升了对信号及图像的恢复质量。

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