搜索资源列表
低秩表示
- robust recovery of subspace structures by low rank representation
convolve2
- CONVOLVE2可以用于任何CONV2使用,采取同样的参数并返回一个小的公差范围内同样结果。加速计算是通过使用面膜中的奇异值分解,表示为外产品总结一下。这些都可以有效地计算与行和列向量的卷积。 CONV2是用来从事这项运动。 可分面具是一个特殊情况,并受CONVOLVE2处理多达FILTER2一样。许多不属于其他口罩可分低等级(如Gabor函数口罩),并更有效地处理CONVOLVE2。 该功能也将计算出降秩逼近
MaYiICIG-Theory
- 低秩矩阵与稀疏表示原理,详细的说明了用低秩矩阵与稀疏表示去分离一个有噪声的图像-The low-rank matrix with sparse principle, a detailed descr iption of the low-rank matrix with sparse to isolate a noisy image
MaYiICIG-Algorithm
- 低秩矩阵与稀疏表示算法,详细的说明了低秩矩阵与稀疏表示的算法原理-The low-rank matrix with sparse algorithm, a detailed descr iption of the low-rank matrix with sparse representation algorithm is
MaYiTaC-PCP
- 低秩矩阵与稀疏表示应用,大致的介绍了低秩矩阵与稀疏表示在图像处理以及其他领域的作用-Low-rank matrix and sparse representation of the application, the approximate low-rank matrix and sparse representation in image processing and other areas
lrr(motion_face)
- 基于低秩表示的运动分割与人脸聚类的matlab代码-motion segmentation and face clustering by LRR
ECCV12-ShortCourse
- 稀疏低秩表示的相关代码,大家参考一下,供交流。-Sparse low rank means that the relevant code, we refer to, for the exchange.
SSC_test
- 稀疏表示 凸优化 低秩表示 用于聚类分析 -sparse representing, convex optimization low rank representing
Sparse-Lowrank-Approximation
- 基于稀疏表示和低秩逼近的人脸识别新方法,对于研究生物特征识别的朋友可以作为参考-The sparse and low rank approximation of the face recognition method based on the research on biological feature recognition, friends can be used as reference
Sparse-representation
- 稀疏低秩表示,基于稀疏表示的子空间谱聚类方法-Sparse representation
IADM_NNLS_v0
- IADM_NNLS:不精确的交替方向方法核标准正则化最小二乘问题,可以解决正则项是核范数的公式,例如低秩表示算法-IADM_NNLS: inexact alternating direction method nuclear standard regularized least squares problem, can solve the formula of regularization is nuclear norm, such a
RASL_Code_CPP
- 鲁棒人脸识别的低秩表示,用来解决批量的人脸对齐问题。-Learning Low-Rank Representations with Classwise Block-Diagonal Structure for Robust Face Recognition
lrr
- 求解低秩表示模型。使用ADM求解样本的低秩表示矩阵。-Solving low rank representation model.
as_rpca
- 本程序主要是处理图像的,主要是用于求解被高幅度尖锐噪声而不是高斯分布噪声污染的信号分离问题~把问题矩阵分解成一个低秩表示的矩阵和一个稀疏矩阵,优化目标函数,用ALM方法是求解的~-This procedure is mainly to deal with the image, mainly for solving high-amplitude sharp noise rather than Gaussian noise distribu
SVT
- SVT 低秩矩阵恢复,可用于稀疏表示、图像恢复(SVT for low rank matrix completion)
LRR
- LRR(低秩表示)假设一个数据矩阵严格的分布在一些独立的子空间。(LRR (Low Rank Representation) assumes that a data matrix is strictly distributed in some independent subspaces.)
lrr
- 能够对高维的数据进行低秩约束,形成低秩的系数对原来的数据进行低秩表示(Low rank constraints can be used for high-dimensional data to form low rank coefficients for low rank representation of the original data.)