圖像處理與機器學習中的正則化表示方法

第1章 緒論
1.1 矩陣正則化表示基礎知識
1.2 外研究現(xiàn)狀
1.3 內(nèi)容導讀
第2章 基于矩陣低秩稀疏分解的紅外目標增強
2.1 引言
2.2 利用ALM法求解RPCA
2.3 算法ALM_RPCA的 MATLAB實現(xiàn)
2.4 實驗及分析
2.5 小結(jié)
第3章 基于低秩矩陣恢復的小波域圖像修復算法
3.1 引言
3.2 模型與算法
3.3 數(shù)值實驗
3.4 小結(jié)
3.5 附:MATLAB 代碼實現(xiàn)
第4章 一種矩陣調(diào)和稀疏分解模型及其應用
4.1 引言
4.2 HSMD 求解算法
4.3 應用實驗及分析
4.4 小結(jié)
4.5 附:相關實驗核心MATLAB 代碼
第5章 基于重加權聯(lián)合稀疏回歸的高光譜解混算法
5.1 引言
5.2 迭代重加權聯(lián)合稀疏回歸解混算法
5.3 實驗及分析
5.4 結(jié)論
5.5 附:MATLAB函數(shù)的核心代碼
第6章 基于加權l(xiāng)1.1，范數(shù)及全變分空間正則化的高光諸解混
6.1 ,引言
6.2 基于矩陣乘法實現(xiàn)高光譜圖像卷積運算
6.3 基于加權1.范數(shù)與全變分空間正則化的高光譜解混
6.4 實驗及分析
6.5 小結(jié)
6.6 附:算法IRWCLSU-TV的MATLAB 實現(xiàn)
第7章 稀疏組回歸模型及其在人臉識別中的應用
7.1 引言
7.2 基于稀疏組回歸的分類
7.3 實驗
7.4 小結(jié)
7.5 附：算法SGRC的 MATLAB 實現(xiàn)
第8章 k- 近鄰類聯(lián)合表示分類
8.1 引言
8.2 相關工作
8.3 k- 近鄰類協(xié)同表示分類
8.4 實驗
8.5 小結(jié)”
8.6 附：MATLAB核心代碼
第9章 基于區(qū)間的稀疏集成太赫茲數(shù)據(jù)多類分類算法
9.1 引言
9.2 基于區(qū)間的稀疏集成多類分類算法
9.3 實驗及分析
9.4 結(jié)論
9.5 ISEMCC算法的MATLAB實現(xiàn)
參考文獻