变分模态分解（Variational Mode Decomposition,VMD）是由 Dragomiretskiy 等人提出的一种自适应信号处理方法，通过迭代搜寻变分模态 的最优解，不断更新各模态函数及中心频率，得到若干具有一定宽带的模态函数。 VMD算法是一种递归算法，有严格的数学理论做支撑！

Benders分解

Fast Implementation for the Singular Value and Eigenvalue Decomposition Based on FPGA

功能安全分解示例英文版

Tianyi Zhou，Dacheng Tao等人提出的GoDec模型，适用于低秩分解。

这是一篇来自土耳其中东技术大学的2010年的硕士论文，主要讲述了在推荐系统中应用SVD方法。该论文提出两个创新点：第一个是先将User与Item分类，然后根据分类将矩阵分成相应的“子矩阵”，对这些矩阵进行相应的SVD，实验表明这样做不仅会提高准确率还会降低计算复杂度；另一个是向二维矩阵中引入Tags，使其成为三维矩阵，再通过矩阵分解成、、子矩阵，最后再进行SVD，实验表明引入Tags会提高推荐性能。

BMVC2018年的论文Deep Retinex Decomposition for Low-Light Enhancement的PDF

黄老先生98年 提出的EMD全文，很实用The empirical mode decomposition and the Hilbert spectrum for nonlinear and non-stationary time series analysis

EMD的改进方法的代码，局部均值分解（Local Mean Decomposition）算法MATLAB代码.

针对Generalized Benders Decomposition原始论文逐步进行推导，直到推导出Generalized Benders Decomposition的一般解法