一元稀疏多项式简单计算器 基本功能是：a.输入并建立多项式；b.输出多项式， 输出形式为列：n,c1,e1,c2,e2,…,cn,en，其中n是多项式的项数，ci,ei，分别是第i项的系数和指数，序列按指数降序排列； c.多项式a和b相加，建立多项式a+b；d.多项式a和b相减，建立多项式a-b；e.计算多项式在x处的值；

稀疏优化 图像压缩感知(CS)是近几年图像处理领域的重大突破，它是由Donoho和Candes等人在稀疏表示和优化理论的基础上提出的一种成像理论其主要思想是利用随机观测矩阵Φ，将一个在小波变换域Ψ上稀疏的图像投影到M维的低维空间上，并证明这样的随机投影观测值包含重建图像足够的信息，通过一定的线性或非线性的解码模型求解对应的优化问题，可实现图像重构。

线性表及其应用 设计一个实现一元稀疏多项式相加运算的演示程序： （1）输入并建立两个多项式； （2）多项式a与b相加，建立和多项式c； （3）输出多项式a,b,c。输出格式：比如多项式a为：A(x)=c1xe1+ c2xe2+…+ cmxem，其中，ci和ei分别为第i项的系数和指数，且各项按 指数的升幂排列，即0≤e1＜e2＜…＜em。多项式b,c类似输出。

数据结构算法课程设计，实现一元稀疏多项式计算器，包括加减乘运算

十字链表实现稀疏矩阵加法和乘法

系数矩阵的操作课程设计，既简单又便利赶紧来下载吧

十字链表实现稀疏矩阵的加法、减法、乘法、转置、求最值、插入、查看、删除等基本功能，菜单栏采用hash表存储稀疏矩阵，给每个矩阵存储一个名字，hash函数进行寻找。

基于加权1范数的稀疏重构波达方向估计算法

绘制微生物稀疏性曲线，从CSV读取文件选出表示observe otu的列，并绘制散点图。

稀疏角度CT生成python脚本（astra工具包）（可直接运行） 相对于MR，CT在参数及扫描方面并不是太难，但是CT的图像重建及各种算法则是非常难的，也是比较抽象的。这篇文章介绍CT图像重建算法等相关内容。 CT技术是CT诊断的基础，帮助医务工作者充分掌握CT技术是我们的责任和义务！ CT基础知识 Image Reconstruction Method 图像重建算法 在上一期内容CT原理1中,我们主要介绍了X线与物质的作用,也就是X线的衰减是如何发生的,正是由于这种衰减的存在,X线才可以被用于CT成像,那么探测器获得的衰减信号最终是如何被转换成CT图像的呢?这就涉及到图像的重建算法了,所以今天我们接着X线的衰减,继续介绍CT图像重建的原理。 1 重建算法的分类 CT重建算法共有3类,如下图。 (1)反投影法 (2)迭代重建算法 (3)解析法:包括滤波反投影法和傅里叶变换法 其中(3)解析法中的A滤波反投影法是在(1)反投影法的基础上发展起来的,通过加入滤波函数解决了图像锐利度的问题,如下图,没有加入滤波函数(Filter Function)时重建的图