离散控制Matlab代码KDRSDL 代码（ICCV 2017）。 作者： 该代码改编自我在帝国大学的理学硕士论文（2016年夏）。 要求 Matlab（在Matlab 2015a及更高版本上测试） 图像处理工具箱，用于产生噪声（ imnoise噪声） 离散时间Silverster方程求解器（ dlyap ）的控制系统工具箱 可选：并行计算工具箱 如何使用代码 主要功能是kdrsdl 。 function [ Data , Info ] = kdrsdl ( X , varargin ) Data和Info是分别包含分解的恢复组成部分和一些用于监视收敛性的信息（迭代数和每个步骤的停止标准值）。 Experiments文件夹包含示例数据集以及帮助程序功能。 参数 所支持选项的参考。 'r'（整数） 在模式1和模式2等级的上限，代码矩阵Rn的最大维数为r*r 。 对于m*n矩阵min(m, n)默认为min(m, n) 。 'lambda'（双精度） 优化问题中的lambda参数。 对于m*n*N张量1 / sqrt(N * max(m, n))默认为1 / sqrt(N * max(m,

表示学习算法实践 word embedding & KG embedding 神经语言模型 • 词向量学习 – 基于预测的模型：word2vec – 基于技术的模型：GloVe • 课间休息 • 知识图谱表示学习 – 常用评价任务 – 基于映射的方法：TransE，TransR – 基于张量分解的方法：RESCAL • 现场实践 – C&W模型 过程的定义 （Construction） – 输入参数 – 模型参数 – 模型计算过程 – 优化过程 • 过程的执行（ Execution） – 初始化模型参数 – 学习过程 » 获得训练数据 » 执行学习过程 – 保存模型参数

将基于凸优化的低秩矩阵恢复（LRMR）理论用于背景建模，当背景不稳定时，这种方法提取运动目标的效果不佳。由于矩阵的数据表示形式破坏了视频在时间和空间上的原始结构，采用张量表征视频的高维结构特性，提出了一种基于迭代张量高阶奇异值分解（HOSVD）的运动目标提取方法。用高阶奇异值分解代替LRMR中的矩阵奇异值分解（SVD），利用增广拉格朗日乘子法重建出三维视频张量的背景部分和运动目标部分，并进一步对运动目标部分进行形态学开闭运算。实验结果证明，相比常用方法，该方法错分率更低，能更准确完整地提取运动目标。

：提出了一种基于形态小波分解的多分辨率图像融合。这种融合方法使用了最小形态小波算子，将原始图像分解为4子带图像金字塔并且构造了相应的4 f带方向对比度图像金字塔。然后利用方向对比度和区域标准差进行图像融合得到融合的4子带图像金字塔，最后应用形态小波重构得到融合图像。融合实验表明，本文方法优丁传统的对比度金字塔图像融合和普通小波分解图像融合。

人工智能-机器学习-计算机模拟仿真技术在水泥分解炉中的应用研究.pdf

大数据-算法-随机规划分解算法研究及其应用.pdf

大数据-算法-鞅空间的原子分解与John_Nirenberg不等式.pdf

大数据-算法-鞅空间的原子分解与JohnNirenberg不等式.pdf

基于支配和分解的进化多目标优化算法

列主元高斯消去法、LU三角分解法、龙贝格(Romberg)算法、最小二乘法的Matlab程序及运行结果.doc