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 25 / 50 页

源码文件

s = svd(A); tol = max(size(A))*eps(max(s)); r = sum(s > tol)

源码文件

function [vbar]=ComputeV(Cstar) % eig(Cstar{1}); % rank(Cstar{1}) % eig(Cstar{2}); % rank(Cstar{2}); % eig(Cstar{1},Cstar{2})…

源码文件

function [vbar]=ComputeV(Cstar) % eig(Cstar{1}); % rank(Cstar{1}) % eig(Cstar{2}); % rank(Cstar{2}); % eig(Cstar{1},Cstar{2})…

源码文件

s = svd(A); tol = max(size(A))*eps(max(s)); r = sum(s > tol)

源码文件

function P = fittingfn_line2d(X) N = size(X, 2); A = [X; ones(1, N)]'; [U S V] = svd(A); P = V(:, 3); end

源码文件

s = svd(A); tol = max(size(A))*eps(max(s)); r = sum(s > tol)

源码文件

A = [1,2,3; 4 5 6; 7 8 0]; [L, A1, M]=svd(A) B = A'*A; C=sqrt(eig(B)); [cond(A), A1(1)/A1(end) C(end)/C(1)]

源码文件

s = svd(A); tol = max(size(A))*eps(max(s)); r = sum(s > tol)

源码文件

s = svd(A); tol = max(size(A))*eps(max(s)); r = sum(s > tol)

源码文件

l纍&膕纊.]@妧k.[]