稀疏

稀疏技术在信号处理与机器学习领域扮演着重要角色,通过优化算法减少数据冗余,提高计算效率和模型性能。广泛应用于图像压缩、自然语言处理及大规模数据分析中。掌握稀疏表示方法不仅能够帮助工程师解决实际问题时获得更优解,还能促进跨学科研究的发展。访问本页面,探索251个精选资源,深入理解稀疏编码原理及其应用案...

资源总数
271

稀疏 全部资料 271 份

结合稀疏贝叶斯学习方法和支持向量跟踪(SV T) 原理, 提出了相关向量跟踪(RV T)。由于跟踪系统事先学习到了目标 的“知识”, 故匹配发生在候选图像块与先验知识之间, 而不必考虑模板更新。相关向量有比支持向量更稀疏的性能, 所以相关...

2016-09-30 76 稀疏

这是用于线性方程组求解的ILUT预处理算法的实现。在VC++编译通过。矩阵采用压缩稀疏行格式存储(CSR) 很容易移植到自己定义数值计算软件包中。经本人测试计算效率比Fortran写的高很多(比如与Sparskit2比较)。

2013-12-17 92 稀疏

将潮流计算公式矢量化处理,利用Matlab编写潮流程序,并将Matlab的m文件编译成COM组件,可简单实现 Matlab和其它语言的混合编程。通过简单的函数调用即可完成如稀疏、解方程等一系列数学运算,并可轻易实现相关图形的 绘制。潮流...

2014-01-26 157 稀疏