matlab归一化植被指数代码-TensorDictionaryLearningWithRepresentationQuantization:
matlab归一化重组指数代码具有表示量化的Tensor词典学习，用于遥感观测压缩
该存储库包含基于一种新的张量字典学习方法（用于使用CANDECOMP
/
PARAFAC（CP）分解）的张量数据压缩而设计的用于张量数据压缩的MATLAB代码和脚本，如论文“具有表示量化的张量字典学习用于遥感技术”中所述观察压缩”（A.
Aidini，G。Tsagkatakis，P。Tsakalides）。
在提出的方法中，使用交替方向乘数法（ADMM）方法估计特殊结构张量的字典，并从训练样本中学习符号编码字典。
给定学习模型，首先通过一组稀疏系数来表示一个新样本，该稀疏系数对应于学习字典元素的线性组合。
然后，对所导出的系数进行量化和编码以便进行传输，从而显着减少了表示数据的有用信息所需的位数。
要求
数据集
在卫星衍生观测的时间序列上，更具体地说是归一化差异植被指数（NDVI）的时间序列上，对所提出的压缩算法的有效性进行了评估。
更详细地，文件training_data.mat和testing_data.mat包含50个训练和40个测试时间序列，大小为200
x
200
x
7（我们的实验），其中最
文件下载
资源详情
[{"title":"（ 315 个子文件 16.87MB ） matlab归一化植被指数代码-TensorDictionaryLearningWithRepresentationQuantization:","children":[{"title":"Unfold.m <span style='color:#111;'> 127B </span>","children":null,"spread":false},{"title":"sshopm.m <span style='color:#111;'> 4.83KB </span>","children":null,"spread":false},{"title":"tensor_toolbox_product_page.html <span style='color:#111;'> 6.28KB </span>","children":null,"spread":false},{"title":"tt_subsubsref.m <span style='color:#111;'> 676B </span>","children":null,"spread":false},{"title":"cp_opt.m <span style='color:#111;'> 4.24KB </span>","children":null,"spread":false},{"title":"......","children":null,"spread":false},{"title":"<span style='color:steelblue;'>文件过多，未全部展示</span>","children":null,"spread":false}],"spread":true}]
评论信息
其他资源
- GMT 0015-2012 基于SM2密码算法的数字证书格式
- 德飞莱 51开发板 说明书
- 南京工程学院电力工程学院《电力系统继电保护》知识点总结
- 直线天线阵列的方向图仿真
- NetSuite Administrator Guide_2018
- nodemcu原理图和PCB工程
- 用opencv摄像头捕获识别颜色
- 在Linux环境下模拟实现命令解释器--操作系统大作业--程序设计说明书
- jsp+MySQL，学生宿舍管理系统。
- 北航编译课设C0文法的文档
- 2015年气象数据完整版
- 58同城软件测试工程师笔试题
- windows下snort安装配置教程
- 汽车电子控制技术课程.ppt
- MATLAB工具箱大全- 隐马尔可夫模型工具箱 HMM
- python37-deps.zip
- C++&Win32编写记事本程序
- Veling（微零）在线考试系统v2.0
- 过滤无效密码，过滤密码小于八位
- django博客网站
- IAR FOR STM8库工程模版
- Pascal转C++
- 别样诠释 一个Visual C++老鸟10年学习与开发心得_管皓
- 微信小程序音乐播放器
- ELM算法用于分类和函数逼近
免责申明
【只为小站】的资源来自网友分享，仅供学习研究，请务必在下载后24小时内给予删除，不得用于其他任何用途，否则后果自负。基于互联网的特殊性，【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查；无论 【只为小站】 经营者是否已进行审查，用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明