异常目标检测在高光谱图像(HSI)处理领域发挥越来越重要的作用。低秩稀疏矩阵分解算法(LRaSMD)可将背景和异常区分开，可以极大地减弱异常目标对背景的污染。基于此，提出一种基于低秩稀疏矩阵分解和稀疏字典表达(LRaSMD-SR)的高光谱异常目标检测算法，通过LRaSMD的方式获取背景集，通过稀疏表达的方式从背景集中构建背景字典模型，最后通过计算重构误差来检测异常点。该算法在模拟和真实数据上都进行了有效性验证，实验结果证明LRaSMD-SR算法具有非常好的异常目标检测性能。
2022-09-22 11:13:03
4.11MB
1
matlab中存档算法代码L0动机的低秩稀疏子空间（LRSSC）
概述
在MATLAB中提出的GMC-LRSSC和L0-LRSSC的MATLAB实现。
GMC-LRSSC通过使用基于最小最大凹（GMC）罚函数的多元泛化的正则化来解决子空间聚类问题。
L0-LRSSC解决了Schatten-0和L0准规范的正则化目标。
为了运行建议的算法，提供了示例脚本和数据（run_dataset_name脚本）。
数据集
本文中使用的数据集可在“数据集”目录中找到。
数据集目录包括来自的扩展Yale
B数据集，来自的USPS数据集，来自的MNIST数据集以及来自UCI机器学习存储库（）的ISOLET1数据集。
引用
在研究工作中使用代码时，请引用Maria
Brbic和Ivica
Kopriva撰写的“ℓ₀-动机低秩稀疏子空间聚类”。
@article{brbic2018,
title={$\ell_0$-Motivated
Low-Rank
Sparse
Subspace
Clustering},
author={Brbi\'c,
Maria
and
Kopriva,
Ivica},
journa
2022-06-12 08:29:51
24.01MB
1