k-means聚类算法及matlab代码稀疏的KMeans KMeans使用预处理和稀疏化实现大数据，Matlab实施。 使用（也称为“ K均值”或“ K均值”），但以特殊方式稀疏数据，以显着（且可调）节省计算时间和内存。 该代码提供kmeans_sparsified ，其用法与Matlab统计工具箱中的kmeans函数非常相似。 有三个好处： 基本实现比“统计信息”工具箱版本快得多。 我们还提供了一些工具箱版本所缺少的现代选项。 例如，我们实现了初始化。 （更新：自2015年以来，Matlab改进了例程和初始化的速度，现在它们的版本与我们的版本相当）。 我们有一个新的变体，称为稀疏KMeans，它可以对数据进行预处理和采样，而该版本可以快数千倍，并且是为无法处理的大数据集设计的 该代码还允许使用大数据选项。 无需传递数据矩阵，而是给它提供.mat文件的位置，并且代码会将数据分成多个块。 当数据为10 TB并且您的计算机只有6 GB的RAM时，这很有用。 数据以较小的块（例如，小于6 GB）加载，然后进行预处理，采样并从RAM中丢弃，然后处理下一个数据块。 整个算法仅遍历数据集。 /注

SMALLbox is a new foundational framework for processing signals using adaptive sparse structured representations

图稀疏化：加速图聚类的有效方法.pdf

用matlab实现稀疏表示

基线校正是目前色谱分析领域一种重要的分析手段，其能够将所有分析数据的基线进行拟合，通过拟合基线能够挖掘出对应数据的特征峰。airPLS是红外、近红外、拉曼光谱等色谱分析领域常用的、比较成熟的一种基线校正方法，相比于其他校正方法，airPLS能够实现自动迭代基线校正，同时具备调整参数少等优势，在相关领域实现广泛应用。

凸优化的程序包，载入到matlab目录中可以运行对应的凸优化函数，非常好用，使得凸优化平民化，易操作，发papers神器，不容错过！