LRSLibrary在MATLAB中提供了低秩和稀疏分解算法的集合。 该库专为视频中的背景减法/运动分割而设计，但也可以用于其他计算机视觉问题或将其改编。 当前，LRSLibrary总共包含103种基于矩阵和基于张量的算法。 LRSLibrary已在x86和x64版本的MATLAB R2013，R2014，R2015和R2016中成功测试。 有关更多信息，请参见： https : //github.com/andrewssobral/lrslibrary

lrslibrary：用于视频中背景建模和减法的低秩和稀疏工具

SPORF-稀疏投影倾斜随机森林（aka RerF，Rander Forest或Random Projection Forests）-是由开发的算法 类似于由开发的Random Forest-Random Combination（Forest-RC 。 两种算法之间的区别是随机线性组合的发生位置：Forest-RC在树级别组合特征，而RerF在节点级别组合特征。 配套 内存优化的RandomForest和RerF的C ++实现。 Python对packedForest的绑定。 RerF的R和C ++实现。

稀疏矩阵的运算，包括加，减，乘，觉得原创，欢迎下载

梅蒂斯4 METIS 是一组用于划分图、划分有限元网格和为稀疏矩阵生成填充减少排序的串行程序。 更多信息： : 这个 fork 只是增加了 CMake 支持。

(完整word版)基于GA和MP的信号稀疏分解matlab程序.doc

基于全梯度的总变化最小化，用于全方向图像的稀疏重建。

【基本要求】 输入m项的系数和指数，建立表示一元多项式的有序链表的P 一元多项式求和，返回正确的多项式值 一元多项式求差 一元多项式求积 显示正确的多项式值 【测试数据】 对下列数据 2 1，3 3，0 0 1 1，4 4，0 0 求和3 1，3 3，4 4 求差1 1，3 3，-4 4 求积2 2，8 5，3 4，12 12

为了在函数空间内将多个三维模型进行关联,并在整个模型簇上进行协同分割,提出了一种基于点云稀疏编码的三维模型簇协同分割方法。首先,提取点云数据特征,将三维信息转换至特征空间;其次,用深度学习网络将特征向量分解成基向量,并构建字典矩阵及稀疏向量;最后,对测试数据进行稀疏表示,并确定点云模型中每个点所属的类别,将同类点划分到同一区域以得到协同分割结果。实验结果表明,算法在ShapeNet Parts数据集上的分割准确率达到了85.7%。所构建的协同分割算法能够有效地计算模型簇的关联结构,与当前主流分割算法相比,分割效果和准确率均得到提升。

学过数据结构的都做过， 这个程序是我自己写的，独一无二。 希望有兴趣的人反馈些意见 谢谢