实现正则化正交匹配追踪的算法代码，也就是ROMP实现的代码

上传时间：2020/11/10 最后测试：2020/11/10 内容：pytroch解决过拟合相关问题及解决方案 其他：pytorch学习练习代码 相关介绍：https://blog.csdn.net/jerry_liufeng/article/details/109608811

高光谱图像降噪的联合空间和光谱低秩正则化

matlab BP神经网络(贝叶斯正则化算法程序).docx

《3D point cloud denoising using graph Laplacian regularization of a low dimensional manifold model》PPT链接：https://blog.csdn.net/weixin_43042683/article/details/120369183?spm=1001.2014.3001.5501

图像超分辨率重建技术是指从低分辨率图像中重建高分辨率图像的技术。由退化模型可知图像复原是一个不适定的问题，虽然有极大后验概率估计、凸集投影等许多传统复原算法，但正则化复原方法有时更为有效。正则化方法的主要目的是引入合理的约束来得到更好的图像复原结果，论文首先考虑常见的空域正则化方法，着重研究对约束算子和参数的选取。然后由参数的收敛性分析，讨论了有效实现正则化方法的迭代算法的思想。

利用MATLAB实现了图像的正则化滤波，给出了lena的原始图、灰度图、加噪、模糊的图像、恢复图像对比等，对图像处理的学习有一定的帮助

用于正则化优化的算法(Julia)(代码)

图像去噪是图像处理中的基本问题, 目标是从含噪 的观测图像估计出理想图像, 通常这是一个不适定的反 问题, 大量文献对该问题进行了深入的研究, 不过主要 针对的是加性高斯白噪声, 然而在光量子计数成像系统 中, 如 CCD 固态光电检测器阵列、天文成像、计算 X 射 线成像(CR) 、荧光共焦显微成像等等, 获取的图像往往 受到量子噪声的污染, 量子噪声服从泊松分布的统计法 则, 并非加性噪声, 且噪声强度与方差是信号依赖的, 统 计上, 亮度大的像素受到更多的干扰, 因此去除泊松噪 声是一个困难的任务.

大数据-算法-颗粒粒径分布光散射反演问题的迭代正则化算法.pdf