nmf的matlab代码局部强凹边界的GAP安全筛查 作者：卡西欧·F·丹塔斯（Cassio F. Dantas） 这是一个Matlab代码，与以下论文相对应： [1] CF Dantas，E。Soubies和C.Févotte撰写的“扩展GAP安全筛选的边界”提交给JMLR 2021。 [2] CF Dantas，E。Soubies和C.Févotte“通过Kullback-Leibler散度进行稀疏回归的安全筛选”已提交给ICASSP 2021。 它包括三个主要的模拟案例：逻辑回归，β= 1.5散度和Kullback-Leibler散度。 所提出的技术是文献中能够解决最后引用的两个案例（beta div和KL）的第一个筛选规则。 内容 需要编译CoD_KL_l1_update.cpp（从“求解器”文件夹中运行“ mex CoD_KL_l1_update.cpp -lmwblas”）。 不提供数据集，用户需要下载数据集并将其放置在子文件夹中。/数据集（白血病，城市高光谱图像，NIPS论文，20个新闻组，口味简介和百科全书）。 有关更多说明，请参见文件load_dataset.m。 合

通过设计线性分类器；最小风险贝叶斯分类器；监督学习法分层聚类分析；K－L变换提取有效特征，设计支持向量机对给定样本进行有效分类并分析结果。

香农在1948年在《通信的数学理论》里面提出了bit用来计算信息的度量并且提出了香农熵的计算公式，在这将这篇文章分享给大家，关于信息熵的那一部分重要内容，可以参考个人博客，在博客中给出了部分摘录和补充。

通过KL变换实现特征提取从而达到表情识别以及人脸识别的目的

KL 随机过程表示实例 matlab

KL算法C++实现，可直接运行，经典社区划分算法之一

计算机人脸识别技术是近20年才逐渐发展起来的，是模式识别中的一个前沿课题，近年来更是成为科研热点。它利用计算机分析人脸图像，今儿从中提取出有效信息，用来辨认身份。PCA方法由于其在将为和特征提取方面的有效性，在人脸识别领域得到了广泛应用。PCA方法的基本原理是，利用K-L变换抽取人脸的主要成分，构成特征连空间，识别时将测试图像投影到此空间，得到一组投影系数，通过与各个人脸图像比较进行识别。本次设计基于MATLAB环境进行编程，使用ORL数据库的人脸样本集，利用特征脸方法进行识别，最后对结果进行分析，给出识别的准确率。

写了一些关于图像人脸识别的例子，程序含有说明解释，适合初学者。

EOLE、KL展开案例.rar

此函数计算具有指定参数（均值和协方差矩阵）的两个多元高斯分布之间的Kullback-Leibler（KL）散度。 协方差矩阵必须是正定的。 该代码高效且数值稳定。 例子： 1）计算两个单变量高斯之间的KL散度：KL（N（-1,1）|| N（+1,1）） mu1 = -1; mu = +1; s1 = 1； s2 = 1； mvgkl（mu1，s1 ^ 2，mu2，s2 ^ 2） 2）计算两个二元高斯变量之间的KL散度：KL（N（mu1，S1）|| N（mu2，S2）） mu1 = [-1 -1]'； mu2 = [+1，+1]'; S1 = [1 0.5; 0.5 1]; S2 = [1- -0.7; -0.7 1]； mvgkl（mu1，S1，mu2，S2）