ICPR2020论文《Filter Pruning using Hierarchical Group Sparse Regularization for Deep Convolutional Neural Networks》开源代码，可对模型进行分层分组稀疏正则化，可以根据这个做剪枝，效果接近SOTA，可以对vgg11、vgg13、vgg16、vgg19及其bn、resnet18、resnet34、resnet50等在cifar10/100/tinyImagenet上分别实现

稀疏与低秩表示：优化与运算——解决凸（非凸）函数，光滑（不光滑）函数问题。

稀疏傅里叶变换（sparse FFT）-附件资源

人脸识别的鲁棒稀疏编码，的稀疏表示识别方法将稀疏表示的保真度表示为余项的L2范数，但最大似然估计理论证明这样的假设要求余项服从高斯分布，实际中这样的分布可能并不成立，特别是当测试图像中存在噪声、遮挡和伪装等异常像素，这就导致传统的保真度表达式所构造的稀疏表示模型对上述这些情况缺少足够的鲁棒性。而最大似然稀疏表示识别模型则基于最大似然估计理论，将保真度表达式改写为余项的最大似然分布函数，并将最大似然问题转化为一个加权优化问题，在稀疏表示的同时引入代表各像素不同权值的矩阵，使得该算法对于图像中包含异常像素的情况表现出很好的鲁棒性。

哈明窗matlab代码520.628：最终项目 乔纳森·琼斯·瓦莱丽·伦诺尔 介绍 该项目使用压缩感测方法进行音频降噪。 我们特别希望从诸如CHIRP项目[2]的诊所中可能遇到的那种非平稳环境噪声中恢复肺音。 该软件构成了一个统一的实验框架，用于评估这种情况下的不同降噪方法。 入门 确保将项目目录设置为如下结构： 项目根| ---> src | --->数据| | --->清洁| | --->噪音| | | ---> [噪声类别子目录] src应该包含所有源代码。 数据/清洁音应包含所有清洁肺音的录音（.wav格式）。 数据/噪声应包含子目录，该子目录具有按类别组织的声音录音（.wav格式）。 进行实验 打开src/experiment_params.m并对其进行修改以匹配所需的实验设置。 然后从MATLAB运行run_experiment.m 。 （可选地，您可以修改脚本以扫过不同的超参数。）脚本会将实验摘要打印到控制台并绘制一些图形。 总结实验结果的图形，文本输出和损坏/恢复的音频文件都保存到输出目录中。 薄膜晶体管 为了与[1]一致，使用两个窗口长度来获得STFT。 50毫秒窗口

Sparse and Redundant Representations：From Theory to Applications in Signal and Image Processing。以色列理工大学Michael Elad写的书，非常好。《稀疏与冗余表示-理论及其在信号与图像处理中的应》

Sparse image and signal processing：Wavelets curvelets morphological diversity书

华为 PIM SM松散模式 过程总结，标准过程以及华为所做的改动以及潜在bug

Demo Codes For Image Super-resolution via Sparse *Representation MATLAB

新的回归向量机，用于回归拟合，相关论文可以参考sparse bayesian learning and relevance vector machine