psf的matlab代码CLP-SECM数据的成像算法
1.概述
此代码包专用于通过由连续线探针（CLP）测量的扫描化学显微成像（SECM）数据进行图像重建。
通过将样品放在旋转台上并将线探针放置在样品的一侧来设置CLP-SECM扫描。
产生一条扫描线的方法如下：显微镜首先将其载物台旋转一个预定的角度，然后以恒定的步长将CLP逐步移动到样品的另一端。
在每个步骤中，CLP都会测量样品和探针末端之间通过电化学React产生的电流。
线扫描是在所有步骤中所有测量值的集合，其中样品旋转固定在某个给定角度。
结合在不同样品旋转角度下的信号线扫描可获得完整的CLP-SECM扫描。
在我们的实验中，感兴趣的样品-附着在基质上的化学React物种-具有高度结构化。
更具体地，形状React性物质是已知的，与样品尺寸相比要小得多，并且也稀疏地填充在基板上。
因此，可以将样本Y建模为React物种D与稀疏激活图X
0之间的2D卷积，表示为Y
=
D
*
X
0
。
我们采用压缩传感方法，通过找到精确的位置图X
0来重建SECM样本图像。
定义CLP线扫描L取样本Y和CLP属性p
---扫描角，CLP的点
2021-12-05 17:35:34
185.46MB
1
em算法matlab代码稀疏PELS
线性动力系统的稀疏参数估计
说明：该存储库包含线性动力学系统的稀疏参数估计的实现。
版权所有（c）2020
Behrad
Soleimani保留所有权利
接触：
引用：如果您发现这些代码对您的研究有帮助，请引用以下论文
B.
Soleimani，P。Das，J。Kulasingham，JZ
Simon和B.
Babadi，“间接低维测量的Granger因果推断及其在MEG功能连通性分析中的应用”，2020年第54届信息科学与系统年会（CISS）
，普林斯顿，新泽西州，美国，2020年，第1-5页，。
日期：2020年5月3日
要求：在Matlab
R2019a版本中实现，但应在大多数版本上运行。
内容：
main.m：主脚本。
SparsePELS.m：
SparsePELS算法。
EM.m：期望最大化（EM）算法。
EStep.m：期望（E-）步骤。
IRLS.m：迭代重新加权最小二乘（IRLS）算法。
MStep.m：最大化（M-）步骤。
VARGenerator.m：
VAR过程生成器。
redblue.m：红蓝色配色图。
SparsePEL
2021-12-02 17:36:01
542KB
1
GAMP_SBL
通过广义近似消息传递进行计算有效的稀疏贝叶斯学习
这是GAMP-SBL算法的实现。 可以在以下找到更多详细信息
李福伟，方军，段慧平，陈智，李宏斌，“通过广义近似消息传递进行计算有效的稀疏贝叶斯学习”提交给arXiv。
可以在上找到正式发表的论文
2021-12-02 17:12:28
2KB
1
层次分析matlab代码HSCS方法的代码
HSCS：基于分层稀疏性的RGBD图像共显着性检测，IEEE
TMM，2019年。
此代码适用于本文：
丛润敏，雷建军，付华柱，黄庆明，曹小春和南玲，HSCS：基于分层稀疏性的RGBD图像共显着性检测，IEEE多媒体交易，第1卷。
21号7，页1660-1671，2019。
它只能用于非商业目的。
如果您使用我们的代码，请引用我们的论文。
相关作品包括：
[1]丛润敏，雷建军，付华柱，黄庆明，曹晓春，侯春平，基于多约束特征匹配和交叉标签传播的RGBD图像共显着性检测，IEEE图像处理学报，第1卷。
27号2，第568-579页，2018年。
[2]丛润民，雷建军，付华柱，林伟思，黄庆明，曹晓春，侯春平，RGBD图像的迭代共显性框架，IEEE控制论学报，第1卷。
49号1，第233-246页，2019年。
[3]丛润敏，雷建军，付华柱，程明明，林伟思和黄庆明，具有全面信息的视觉显着性检测综述，IEEE视频技术电路和系统交易，2019年。DOI：10.1109
/
TCSVT
.2018.2870832。
[4]丛润民，雷建军，张长青，黄庆明，曹
2021-12-02 16:13:43
13.17MB
1