在压缩感知领域常用的SpaRCS包，能够在稀疏低秩学习的代码中起到一定快速求解的作用。

页面稀疏 PageRank（PR）算法，用于JavaScript中的稀疏图。

这是一个压缩传感方面的Gradient Projection for Sparse Reconstruction 工具包。

Compressed-Sensing is a recent branch that separated from sparse and redundant representations, becoming a center of interest of its own. Exploiting sparse representation of signals, their sampling can be made far more eective compared to the classical Nyquist-Shannon sampling. In a recent work that emerged in 2006 by Emmanuel Candes, Justin Romberg, Terence Tao, David Donoho, and others that followed, the theory and practice of this field were beautifully formed, sweeping many researchers and practitioners in excitement. The impact this field has is immense, strengthened by the warm hug by information-theorists, leading mathematicians, and others. So popular has this field become that many confuse it with being the complete story of sparse representation modeling. In this book I discuss the branch of activity on Compressed-Sensing very briefly, and mostly so as to tie it to the more general results known in sparse representation theory. I believe that the accumulated knowledge on compressed-sensing could easily fill a separate book.

依次修改BLAS_LIBF2C_LIBLAPACKBLAS_DIRLAPACK_LIB的值如下图所示红色警告消失再次点击Configure然后点击GenerateVS工程生成。

3-sources，prokaryotic，reuters，uci-digit

Sparse_subspace_clustering算法代码

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

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.