基于TSVD求解大地电磁不适定反演问题，柳建新，孙娅，由于地球物理本身的复杂性和不确定性，以及各种人文干扰，使得在野外资料采集过程中获得的第一手资料常常受到严重干扰,在进行地�

提出了一种有效的盲检测算法来识别图像复制区域伪造。该算法采用截尾奇异值分解(truncatedsingular value decomposition，TSVD)变换来处理图像块数据，并对图像块进行相似性匹配检测。实验结果表明，本算法具有较强的检测能力，能够有效抵抗多种修饰操作，如JPEG有损压缩、高斯模糊、高斯白噪声污染等。

svd算法matlab代码基于阈值SVD的K-means用于主题建模 论文代码： “”。 Trapit Bansal，Chiranjib Bhattacharyya，Ravindran Kannan。 在神经信息处理系统（NIPS）中，2014年。 该文件提供了有关使用代码的有用信息。 首先，我们展示如何使用演示在各种标准公共数据集上运行算法。 要运行自己的数据，请检查以下数据格式，预处理步骤以及用于运行算法的主要matlab函数。 提供的代码已在Linux系统上的Matlab R2012a / b上进行了测试。 对于错误/查询/建议/谢谢，请随时通过“ gmail dot com的trapitbansal”给我发送电子邮件。 运行演示 用当前目录作为代码目录打开Matlab，确保已将Matlab配置为可访问Internet，然后键入： demo() 这将在NIPS语料库上运行该算法的演示。 此功能可以使用TSVD从指定的公共语料库中恢复主题。 语料库的其他可用选择是20-NewsGroup和UCI存储库上的任何语料库（即NIPS，ENRON，KOS，NYT，PUBMED）。 指定胼名

基于TSVD 的图像复原，可达到很好的复原效果，对运动模糊图像的复原尤其有效