提示api-ms-win-crt-runtime-l1-1-0.dll 丢失，安装这个小玩意就可以解决了

动态压缩感知（DSC）是压缩感知领域中一个重要的研究分支，它是近几年新兴起的一种信号处理与分析方法，与传统的压缩感知理论不同，DSC研究的对象是稀疏时变信号，并且已在视频信号处理和动态核磁共振成像等方面显示出了强大的应用潜力。本节正是在此基础上，提出了一种用于多普勒频率跟踪估计的DSC方法。首先，通过前一跟踪时刻所得到的先验DOA稀疏信息，获得当前跟踪时刻信号向量中各位置非零元素的分布概率，继而建立起动态DOA的稀疏概率模型。然后，采用加权l_1范数最小化方法重构出当前跟踪时刻的信号向量，从而确定非零元素的位置，获得DOA的实时估计值，最终实现运动目标的动态DOA跟踪。

IsingFit 该网络估计程序eLasso基于Ising模型，将l1正则逻辑回归与基于扩展贝叶斯信息准则（EBIC）的模型选择相结合。 EBIC是一种适合的度量，用于识别变量之间的相关关系。 生成的网络由变量（作为节点）和相关关系（作为边）组成。 可以处理二进制数据。

提出了一种基于两步法的欠定盲源分离新算法.在混叠矩阵估计阶段,采用基于势函数的聚类方法,在源信号恢复阶段,提出一种快速的稀疏信号重构算法.系统方程As( t) =x( t)的任一解,由它的一个特解与其相对应的齐次线性方程组的一组基的线性组合之和表示,从而使原来直接估计有n个独立变量的源信号s( t)转化为估计只有n-m个独立变量的系数向量z.再借助稀疏表示实现盲源信号的分离.仿真实验验证了新算法容易实现,分离速度快,能够很好地满足盲分离对速度的要求.

api-ms-win-crt-runtime就是MFC的运行时环境的库，python在windows上编译也是用微软的visual studio C++编译的，底层也会用到微软提供的C++库和runtime库，安装Visual C++ Redistributable for Visual Studio 2015 组件即可解决此问题。 解压包，直接安装即可

L1正则化技术F(w;x,y)=J(w;x,y)+α∣∣w∣∣1=J(w;x,y)+α∑i=1n∣wi∣假设w∗是损失函数J(w;x,y)最优解，J(w;x,y)在w∗处泰勒展J(w;x,y)=J(w∗;x,y)+J′(w∗;x,y)(w−w∗)+12!J′′(w∗;x,y)(w−w∗)2  ∵w∗是J(w;x,y)最优解，则J′(w∗;x,y)=0，则可以去除J(w∗;x,y)+12!J′′(w∗;x,y)(w−w∗)2J′′是二阶导数，当是高维的时候就变成了H矩阵了。J(w∗;x,y)+12!H(w−w∗)2∴F(w;x,y)=J(w;x,y)+α∣∣w∣∣1=J(w∗;x,y)+12!H

matlab中的pinv代码<使用L1范数惩罚进行颜色再现的光谱反射率重建的代码和数据> 计算色彩科学工具可以在中找到。 作者是斯蒂芬·韦斯特兰教授。 PRMLT是Chen mo博士为一书编写的matlab代码。 ================================================== ======================数据： poly.txt：通过分光光度计测量的所有聚酯样品的光谱数据。 paper.txt：通过分光光度计测量的所有聚酯样品的光谱数据。 cotton.txt：通过分光光度计测量的所有聚酯样品的光谱数据。 尼龙.txt：通过分光光度计测量的所有聚酯样品的光谱数据。 这些数据是31-d数据。 poly_resp.txt，paper_resp.txt，cotton_resp.txt，nylon_resp.txt：MSI（多光谱成像系统）的响应数据。 这些数据是16维数据。 代码： 重要性脚本：one_vs_3_method.m是运行caparision的

网上的api-ms-win-core-path-l1-1-0.dll所需积分太多了，只要5积分，64位随便下

ext-ms-win-gdi-desktop-l1-1-0.dll 用于解决这个dll文件丢失问题，下载后将此文件放置在相关文件根目录下，即可解决丢失问题

ardupilot中的L1导航算法所参考的文章，是英文原版的，下载的时候请注意，里面介绍了L1的原理