国外一个稀疏编码去噪的matlab工具箱，包括DCT过完备字典生成、k-svd字典学习、omp算法，对学习稀疏编码的字典学习（k-svd算法）、由字典求稀疏矩阵（omp算法）有一定的参考作用。程序比较完整，对字典学习和omp算法进行了中文注释（如果注释乱码用notepad++打开）。

实现基于稀疏自动编码器的图像同时增强和图像去噪，该资源包含自己处理的样本数据

基于块稀疏信号的重构算法。稀疏贝叶斯学习算法。

K-SVD稀疏字典的构造方式之一，采用OMP方法进行稀疏表示编码。demo为运行主程序。例子用于图像超分辨率重建

SLEP(Sparse Learning with Efficient Projections) 系数学习 maltab工具箱

一篇今年3月份的外文综述《Compressed Sensing: Theory and Applications》(22页)，我把它译成了中文，原文附后。

关于稀疏分解的盲源分离程序，有相应的文章可相对照

常用的块稀疏压缩感知恢复算法，主要以omp算法为主，包括BOMP

librec使用的四大数据集filmtrust+ciao+Epinions+flixster

SuiteSparse是世界上最优秀的系数矩阵处理工程之一。但是SuiteSparse提供的官方代码仅包含在matlab、linux环境下编译的生成文件，不能生成在windows操作系统下VS环境下的C++库函数。本文件包括一个库函数cs.cpp和一个头文件cs.h，其中的代码是移植自SuiteSparse官方代码中的Csparse原始代码，功能包括除了复数矩阵以外的所有功能，已成功在vs2010的c++环境下执行过，在毕业设计中用于求解超大型稀疏矩阵的线性方程组（也就是大型稀疏矩阵的除法）。以下是SuiteSparse的介绍。 SuiteSparse是一组C、Fortran和MATLAB函数集，用来生成空间稀疏矩阵数据。在SuiteSparse中几何多种稀疏矩阵的处理方法，包括矩阵的LU分解，QR分解，Cholesky分解，提供了解非线性方程组、实现最小二乘法等多种函数代码。