将鲁棒主成分分析、矩阵补全和低秩表示统称为低秩矩阵恢复, 并对近年来出现的低秩矩阵恢复算法进行了简要的综述。讨论了鲁棒主成分分析的各种优化模型及相应的迭代算法, 分析了矩阵补全问题及求解它的不精确增广拉格朗日乘子算法, 介绍了低秩表示的优化模型及求解算法。最后指出了有待进一步研究的问题。

导线网平差程序，参数约束平差，经典自由网平差，秩亏自由网拟稳平差

依据最小二乘原理,针对水准网的秩亏问题,提出一种简便解算方法,将法方程系数矩阵由列秩亏改化为列满秩,经过一次经典平差法即可得到结果。

在本文中，我们有兴趣找到最敏感的参数，卵巢肿瘤生长模型的局部和全局稳定性。 对于敏感性分析，我们使用拉丁超立方体采样（LHS）方法生成采样点，并使用部分秩相关系数（PRCC）方法，使用这些采样点来找出哪些参数对于模型很重要。 根据我们的发现，我们建议一些治疗策略。 我们研究了肿瘤体积，y，细胞营养密度，Q和最大肿瘤大小，ymax的参数敏感性。 我们还使用使用LHS样本的散点图方法来显示使用PRCC获得的结果的一致性。 此外，我们讨论研究局部和整体稳定性的卵巢肿瘤生长模型的定性分析。

LRSD-TNNSR 这为论文“通过截断核范数和稀疏正则器进行低秩和稀疏矩阵分解”提供了MATLAB代码实现。 文件夹“ LRSD-TNNSR”包含以下三个子文件夹的代码：- 合成数据：包含合成数据的实验，您可以运行“ demo.m”以取得示例结果。 面部图像阴影去除：包含面部图像阴影去除的实验，您可以运行“ demo.m”以取得示例结果。 视频背景减法：包含视频背景减法的实验，您可以运行“ demo.m”以取得示例结果。 参考文献：薛Z，董建，赵Y，等。 Vis Comput（2018）。 如果您对此软件包有任何疑问或意见，或者想报告任何错误或意外错误消息，请发送电子邮件至 。

非常全面的矩阵分解程序，可适用于研究人员、研究生及各类工程技术人员使用，包含了LU， QR及SVD和满秩分解等等，该程序计算效率高，准确度可靠，是标准的一套程序，欢迎大家使用。

图像融合；图像增强；图像质量评价

CRPS 衡量预测分布 (fcst) 和相应观测值 (obs) 的接近程度。 该分数广泛用于预测验证。 [mean_CRPS] = crps(fcst,obs); [mean_CRPS] = crps(fcst,obs,plot_pos); [mean_CRPS,crps_values,num] = crps(fcst,obs); 输入obs：观察向量fcst：N x M 大小的集合预测矩阵。注意：N 必须等于长度（obs），M 等于集合成员的数量plot_pos：绘制确定累积分布函数的位置 输出mean_CRPS：非缺失 CRPS 值的平均值crps_values：CRPS 值的向量（长度为 n） num：用于计算 mean_CRPS 的非缺失 CRPS 值的数量 例子： fcst = rand(1000,1000); obs = rand(1000,1); [meanCRPS]

main_klrr.m是调用的代码，KLRR.m是核低秩代码实现，然后DATA目录下为选用的数据，utils目录下为工具类，可能有多余的代码，utils中除了LOADDATA代码是我写的之外，其他全是从cai deng以及lrr中收集的。

稀疏子空间聚类(Sparse subspace clustering,SSC)是一种基于谱聚类的数据聚类框架.高维数据通常分布于若干个低维子空间的并上,因此高维数据在适当字典下的表示具有稀疏性.稀疏子空间聚类利用高维数据的稀疏表示系数构造相似度矩阵,然后利用谱聚类方法得到数据的子空间聚类结果.其核心是设计能够揭示高维数据真实子空间结构的表示模型,使得到的表示系数及由此构造的相似度矩阵有助于精确的子空间聚类.稀疏子空间聚类在机器学习、计算机视觉、图像处理和模式识别等领域已经得到了广泛的研究和应用,但仍有很大的发展空间.本文对已有稀疏子空间聚类方法的模型、算法和应用等方面进行详细阐述,并分析存在的不足,指出进一步研究的方向.