K-SVD 源代码

K-SVD是一种经典的字典训练算法，依据误差最小原则，对误差项进行SVD分解，选择使误差最小的分解项作为更新的字典原子和对应的原子系数，经过不断的迭代从而得到优化的解。

收录资源 500 份全站深度检索

共匹配 500 份工程资源 · 第 21 / 50 页

源码文件

A=[1,3,5,7; 2,4,6,8]; [L,A1,M]=svd(A) A2=L*A1*M' % 还原 A 阵 norm(A-A2)

源码文件

A = [1, 3, 5, 7; 2, 4, 6, 8]; [L, A1, M] = svd(A) L*A1*M' norm(A-ans)

源码文件

A=[1,3,5,7; 2,4,6,8]; [L,A1,M]=svd(A) A2=L*A1*M' % 还原 A 阵 norm(A-A2)

源码文件

function [a,b] = multarg(x,y) a = (x + y) * pi; b = svd(svd(a));

源码文件

A=[1,3,5,7; 2,4,6,8]; [L,A1,M]=svd(A) A2=L*A1*M' % 还原 A 阵 norm(A-A2)

源码文件

A=[1,3,5,7; 2,4,6,8]; [L,A1,M]=svd(A) A2=L*A1*M' % 还原 A 阵 norm(A-A2)

源码文件

function [a,b] = multarg(x,y) a = (x + y) * pi; b = svd(svd(a));

源码文件

function [a,b] = multarg(x,y) a = (x + y) * pi; b = svd(svd(a));

源码文件

function [a,b] = multarg(x,y) a = (x + y) * pi; b = svd(svd(a));

源码文件

A = [1, 3, 5, 7; 2, 4, 6, 8]; [L, A1, M] = svd(A) L*A1*M' norm(A-ans)