matlab计算矩阵的一范数，或者无穷范数 。

这项工作涉及通过核范数和 L21 最小化从其低维投影中恢复低秩和联合稀疏矩阵。 % 最小化 ||X||*+||DX||2,1（核范数 +l21 范数） % 受制于 A(X) = Y 我们同样使用分裂 Bregman 算法。 % 最小化 1/2||y-Ax||^2 +lambda1||W||* +lambda2||DZ||2,1 +eta1/2||WX-B1||^2 +eta2/2||ZX-B2||^2 %W 和 Z 是代理变量B1 和 B2 是 Bregman 变量Bregman 技术的使用提高了重建的收敛性和准确性。

这是数值分析的PPT-数值分析8（向量范数与矩阵范数）.ppt 这是数值分析的一个ppt

为了快速准确地对含有噪声及欠采样区域的包裹相位图进行展开，采用理论分析与计算机模拟及实验验证相结合的方法，对基于快速傅里叶变换(FFT)的最小二乘法(FFT-LS)、基于离散余弦变换(DCT)的最小二乘法(DCT-LS)、基于横向剪切干涉的最小二乘法(LS-LS)和预条件共轭梯度法（PCG）的四种相位解包裹算法作了对比研究。结果表明：DCT-LS算法运行速度最快，LS-LS算法次之，PCG算法速度最慢,PCG算法对于噪声的免疫力最强,LS-LS算法处理欠采样的效果最好。

软阈值matlab代码快速原子规范软阈值（FASTAST） 通过原子范数软阈值估计谱线的快速原对偶内点法。 通过原子范数最小化实现[1]的线谱估计方法。 如果您使用此代码，请引用此工作。 [1] TL Hansen和TL Jensen，“一种用于原子范数软阈值的快速内点方法”，已提交给IEEE Transactions on Signal Processing ，2018年。 抽象的： 原子范数将l_1范数概括为连续的参数空间。 当用作线谱估计的稀疏正则化器时，可以通过解决凸优化问题来获得解决方案。 此问题称为原子范数软阈值（AST）。 可以将其转换为半定程序，并通过标准方法进行求解。 在半定式中，存在O（N ^ 2）个对偶变量，并且标准的原始对偶内点法每次迭代至少需要O（N ^ 6）个触发器。 这已经导致研究人员考虑将乘法器的交替方向法（ADMM）用于AST的解决方案，但是这种方法对于较大的问题规模仍然有些慢。 为了获得更快的算法，我们将AST重新构造为非对称圆锥程序。 这具有对其数值解至关重要的两个特性：圆锥公式仅具有O（N）对偶变量，并且AST固有的Toeplitz结构得以保留。

基于L1范数的k平面聚类算法设计.pdf

行业分类-物理装置-基于四元数与L1范数的粒子群优化灰度图像增强方法.zip

原对偶内点法matlab代码基于 Laplacian 的梯度方法的 MATLAB 实现 一组用于 L1 范数最小化问题的 MATLAB 模块。 特别是，提供了以下论文中的算法： [B19] V. 博尼法奇。 计算优化与应用，2021。 作者：Vincenzo Bonifaci，意大利罗马特雷大学。 基准测试基于 MATLAB 包： 关于 l1benchmark MATLAB 包的更多细节，请参考论文： [YGZ+10] A. Yang、A. Ganesh、Z. Zhou、S. Sastry 和 Y. Ma。 arXiv:1007.3753 [cs.CV] 包含的文件 此集合中包含以下 MATLAB R2020b 模块： compare_noise_free.m — 一个示例驱动程序，用于针对 l1benchmark 套件中的其他方法测试 [B19] 中的方法。 此文件应替换 l1benchmark 发行版中具有相同名称的文件。 请注意，修订版测量目标函数值的差异而不是欧几里得距离以对算法进行基准测试，因此必须对一些原始代码稍作修改。 SolvePGS.m — 来自 [B19] 的原始梯

这种问题出现在统计、线性代数和正则化中。 该方法使用二次特征值问题（QEP）。 版本 2 也有 Sorensen/Brust 方法

此函数计算最小二乘问题A * X = B的最小范数解。其中A是低秩矩阵。 函数LSMIN比Matlab替代X = pinv（A）* B更快。 使用LAPACK函数（S，C，D，Z）EGLSS或（S，C，D，Z）EGLSD。