PARDISO求解器可实现大规模稀疏矩阵的求解，具有非常好的计算效率与并行性，本文档简介了从PardisoProject.org上获得Pardiso并安装使用的步骤。
2025/7/11 2:44:55
24KB
1
将雷达回波信号写为如下稀疏形式：其中为基矩阵，为待求系数列向量。
为服从均值为0，方差为的加性高斯噪声。
目标向量为已知元素集，包含N个变量，即。
若每个元素独立向量的概率密度为：这也是系数向量的最大似然估计，为一个二范数的求解问题（稀疏性得不到保证）。
为服从均值为0，方差为的加性高斯噪声。
目标向量为已知元素集，包含N个变量，即。
若每个元素独立向量的概率密度为：这也是系数向量的最大似然估计，为一个二范数的求解问题（稀疏性得不到保证）。
2025/7/4 20:43:01
5KB
1
针对高光谱图像特征利用不足和训练样本难以获取的问题,提出了一种具有多特征和改进堆栈稀疏自编码网络的高光谱图像分类算法。
采用流形学习获得高光谱图像的低维数据结构,并提取高光谱图像的光谱特征、具有空间信息的局部二值模式(LBP)特征及拓展多属性剖面(EMAP)特征。
利用主动学习查询特征性强的未标记样本并将其标记,利用融合空谱联合信息的样本训练堆栈主动稀疏自编码神经网络并用Softmax分类器对其分类。
Indianpines数据集的总体分类精度达到98.14%,PaviaU数据集总体分类精度达到97.24%。
实验结果表明,该算法分类精度高,边界点分类效果更好。
采用流形学习获得高光谱图像的低维数据结构,并提取高光谱图像的光谱特征、具有空间信息的局部二值模式(LBP)特征及拓展多属性剖面(EMAP)特征。
利用主动学习查询特征性强的未标记样本并将其标记,利用融合空谱联合信息的样本训练堆栈主动稀疏自编码神经网络并用Softmax分类器对其分类。
Indianpines数据集的总体分类精度达到98.14%,PaviaU数据集总体分类精度达到97.24%。
实验结果表明,该算法分类精度高,边界点分类效果更好。
2025/6/29 4:53:23
12.88MB
1
信号处理中压缩感知块稀疏BOMP算法的代码，之前找不到网上的源码，就只能照着论文自己试着写一下了。
希望能对初学压缩感知的人有所帮助。
希望能对初学压缩感知的人有所帮助。
2025/6/24 12:37:47
1KB
1
对单个图片进行k-svd进行稀疏表示，求出迭代后的字典和稀疏编码，并通过字典和稀疏编码进行重建原图像，该代码是2006年k-svd算法提出者的简单实现代码，对小白有一定帮助
2025/6/13 22:32:14
3KB
1
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。
2024-04-09 15:03
15KB