针对RPCA（鲁棒pca）的ppt

线性表某软件公司大约有30名员工，每名员工有姓名、工号、职务等属性，每年都有员工离职和入职。
把所有员工按照顺序存储结构建立一个线性表，建立离职和入职函数，当有员工离职或入职时，修改线性表，并且打印最新的员工名单。
约瑟夫（Josephus）环问题：编号为1,2,3,…,n的n个人按顺时针方向围坐一圈，每人持有一个密码（正整数）。
一开始任选一个正整数作为报数的上限值m，从第一个人开始按顺时针方向自1开始顺序报数,报到m时停止。
报m的人出列，将他的密码作为新的m值，从他在顺时针方向上的下一人开始重新从1报数，如此下去，直到所有人全部出列为止。
建立n个人的单循环链表存储结构，运行结束后，输出依次出队的人的序号。
栈和队列某商场有一个100个车位的停车场，当车位未满时，等待的车辆可以进入并计时；
当车位已满时，必须有车辆离开，等待的车辆才能进入；
当车辆离开时计算停留的的时间，并且按照每小时1元收费。
汽车的输入信息格式可以是（进入/离开，车牌号，进入/离开时间），要求可以随时显示停车场内的车辆信息以及收费历史记录。
某银行营业厅共有6个营业窗口，设有排队系统广播叫号，该银行的业务分为公积金、银行卡、理财卡等三种。
公积金业务指定1号窗口，银行卡业务指定2、3、4号窗口，理财卡业务指定5、6号窗口。
但如果5、6号窗口全忙，而2、3、4号窗口有空闲时，理财卡业务也可以在空闲的2、3、4号窗口之一办理。
客户领号、业务完成可以作为输入信息，要求可以随时显示6个营业窗口的状态。
5、4阶斐波那契序列如下：f0=f1=f2=0,f3=1,…,fi=fi-1+fi-2+fi-3+fi-4，利用容量为k=4的循环队列，构造序列的前n+1项（f0,f1,f2,…fn），要求满足fn≤200而fn+1＞200。
6、八皇后问题：设8皇后问题的解为(x1,x2,x3,…,x8),约束条件为：在8x8的棋盘上，其中任意两个xi和xj不能位于棋盘的同行、同列及同对角线。
要求用一位数组进行存储，输出所有可能的排列。
7、迷宫求解：用二维矩阵表示迷宫，自动生成或者直接输入迷宫的格局，确定迷宫是否能走通，如果能走通，输出行走路线。
8、英国人格思里于1852年提出四色问题(fourcolourproblem，亦称四色猜想），即在为一平面或一球面的地图着色时，假定每一个国家在地图上是一个连通域，并且有相邻边界线的两个国家必须用不同的颜色，问是否只要四种颜色就可完成着色。
现在给定一张地图，要求对这张地图上的国家用不超过四种的颜色进行染色。
要求建立地图的邻接矩阵存储结构，输入国家的个数和相邻情况，输出每个国家的颜色代码。
9、以下问题要求统一在一个大程序里解决。
从原四则表达式求得后缀式，后缀表达式求值，从原四则表达式求得中缀表达式，从原四则表达式求得前缀表达式，前缀表达式求值。
数组与广义表鞍点问题：若矩阵A中的某一元素A[i,j]是第i行中的最小值，而又是第j列中的最大值，则称A[i,j]是矩阵A中的一个鞍点。
写出一个可以确定鞍点位置的程序。
稀疏矩阵转置：输入稀疏矩阵中每个元素的行号、列号、值，建立稀疏矩阵的三元组存储结构，并将此矩阵转置，显示转置前后的三元组结构。
用头尾链表存储表示法建立广义表，输出广义表，求广义表的表头、广义表的表尾和广义表的深度。
树和二叉树以下问题要求统一在一个大程序里解决。
按先序遍历的扩展序列建立二叉树的存储结构二叉树先序、中序、后序遍历的递归算法二叉树中序遍历的非递归算法二叉树层次遍历的非递归算法求二叉树的深度(后序遍历)建立树的存储结构求树的深度图输入任意的一个网，用普里姆(Prim)算法构造最小生成树。
要求建立图的存储结构（邻接表或邻接矩阵），输入任意的一个图，显示图的深度优先搜索遍历路径。
要求建立图的存储结构（邻接表或邻接矩阵），输入任意的一个图，显示图的广度优先搜索遍历路径。
查找设计一个读入一串整数构成一颗二叉排序树的程序，从二叉排序树中删除一个结点，使该二叉树仍保持二叉排序树的特性。
24、设定哈希函数H(key)=keyMOD11(表长=11)，输入一组关键字序列，根据线性探测再散列解决冲突的方法建立哈希表的存储结构，显示哈希表，任意输入关键字，判断是否在哈希表中。
排序以下问题要求统一在一个大程序里解决。
25、折半插入排序26、冒泡排序27、快速排序28、简单选择排序29、归并排序30、堆排序

稀疏直接求解法的好教材,LU分解法，对称和非对称求解法

介绍了什么是稀疏表示，怎么求稀疏表示，稀疏字典的学习以及稀疏表示可以用来做什么，通俗易懂。

SuiteSparse是世界上最优秀的系数矩阵处理工程之一。
但是SuiteSparse提供的官方代码仅包含在matlab、linux环境下编译的生成文件，不能生成在windows操作系统下VS环境下的C++库函数。
本文件包括一个库函数cs.cpp和一个头文件cs.h，其中的代码是移植自SuiteSparse官方代码中的Csparse原始代码，功能包括除了复数矩阵以外的所有功能，已成功在vs2010的c++环境下执行过，在毕业设计中用于求解超大型稀疏矩阵的线性方程组（也就是大型稀疏矩阵的除法）。
以下是SuiteSparse的介绍。
SuiteSparse是一组C、Fortran和MATLAB函数集，用来生成空间稀疏矩阵数据。
在SuiteSparse中几何多种稀疏矩阵的处理方法，包括矩阵的LU分解，QR分解，Cholesky分解，提供了解非线性方程组、实现最小二乘法等多种函数代码。

传统的基于自然图像块的稀疏表示模型在字典学习的过程中需要求解一个非常高计算复杂度的大规模优化问题以及在稀疏编码和字典学习过程中，每一个图像块都是独立考虑的，忽略了块与块之间的相关性，从而导致了不够精确的系数编码稀疏，基于图像结构组模型可以很好的解决上面两个不足。

局部光场融合||Tensorflow实现可用于稀疏输入图像的新颖视图合成。
*1，*1，2，3，4，1，21加州大学伯克利分校，2FyusionInc，3德州农工大学，4加州大学圣地亚哥分校*表示相等的贡献在SIGGRAPH2019中目录安装TL;DR：设置并渲染演示场景首先安装docker（）和nvidia-docker（）。
在基本目录中运行此命令，以下载预训练的检查点，下载Docker映像，并运行代码以在示例输入数据集上生成MPI和渲染的输出视频：bashdownload_data.shsudodoc

稀疏度自适应正则回溯匹配追踪算法（SAMPalgorithmbasedonregularizedbacktracking，SAMP-RB）是一种有效的压缩感知重构算法，在原子选择阶段引入回溯的思想，提高了重构精度，减少了重构时间。
但SAMP-RB算法重构时采用步长不变的思想，容易因步长设置不合理而导致过估计或欠估计的问题。
针对该问题，为提高残差大时的逼近速度，及残差小时的逼近精度，提出抛物线函数步长选择方法，并将其引入SAMP-RB算法。
理论分析与仿真结果表明，改进后的变步长正则回溯稀疏度自适应匹配追踪算法在提高重构精度的同时，重构时间降低了20%左右，因此验证了改进算法的有效性。

为了提升自然场景图像的识别精度，结合bag-of-visualword模型，提出了一种基于核稀疏表示的图像识别方法。
该方法的图像描述部分主要利用核稀疏表示在高维度空间进行图像特征的匹配表示，识别部分采用AdaBoost分类器，对各个类别编码并在对应的核矩阵上进行划分，从而实现多类场景图像的识别能力。
实验结果表明，该方法有效的提升了图像描述的准确度与对自然场景图像识别的精度。

基于样本对的稀疏表示分类用于人脸识别

在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。 每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。 另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。 为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。