稀疏重构工具包，对稀疏重构的学习有很大帮助

四阶累积量稀疏表示的DOA估计方法.zip

压缩感知例程，稀疏基为小波基，测量矩阵为哈达玛矩阵，重构算法为OMP算法，调试过可用。

基于稀疏贝叶斯学习的窄带信号波达方向估计，实测有用，亲测有效！

建立稀疏多项式混沌展开的自适应算法；Polynomial chaos (PC) expansions are used in stochastic finite element analysis to represent the random model response by a set of coefficients in a suitable (so-called polynomial chaos) basis.

CS多种稀疏重构方法以及仿真结果matlab

稀疏字典学习算法的MATLAB实现_代码_下载

基于改进稀疏A*编队航迹实时规划方法

稀疏矩阵 稀疏矩阵库。 安装 $ npm i ml-sparse-matrix 用法 import { SparseMatrix } from "ml-sparse-matrix" ; const matrix1 = new SparseMatrix ( [ [ 1 , 2 ] , [ 3 , 4 ] , ] ) ; const matrix2 = new SparseMatrix ( [ [ 0 , 5 ] , [ 6 , 7 ] , ] ) ; const product = matrix1 . kroneckerProduct ( matrix2 ) ; 执照

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。