说明：稀疏表示的有效算法，稀疏表示与字典更新

说明：基于omp算法的信号稀疏度K与重构成功概率的关系图，说明了稀疏度K值大小对应重构效果的关系。

说明：稀疏表示分类代码人脸识别，采用的是同伦算法求解L1范式最小化，对稀疏的求解大大改善。

matlab

说明：最近的K-SVD算法的学习过程中，采用稀疏编码部分OMP跟踪算法，尤其是对于本摘要。解决问题：其中D为过完备字典中，已经给出，Y是原始信号中，X的未知。其基本思想的OMP算法是：贪婪迭代方法来选择D列后面，以便与相关的当前冗余最大程度所选列向量的每个迭代中，减去从原始信号向量的相关部分，并多次迭代过...

matlab

说明：稀疏分解，是自己做论文修改的，可以运行，注释齐全。稀疏表示是图像处理的重点，并且K—SVD优于字典表示方法

matlab

说明：本文分别以稀疏基有离散余弦变换基（DCT）和快速傅立叶变换基（FFT）做为稀疏基，高斯随机矩阵、部分哈达玛矩阵为测量矩阵，L1范数、正交匹配追踪算法（OMP）为重建算法进行压缩感知算法实现。

压缩感知FFT 匹配追踪-重建 部分哈达玛 DCT稀疏矩阵 FFT-压缩感知

说明：“完全可增强”稀疏线阵入射多个不相关平面波的波达角方向(DOA)估计问题。在估计阶段之前确定了现有信号源(M)的数目，研究了在最大似然意义下DOA估计精度有效的条件。

稀疏阵 稀疏--doa toeplitz阵 似然doa DOA估计

说明：该算法是机器学习领域新提出的一种能应用于分类和拟合的方法，被称为相关向量机(RVM)，相比于在这一领域表现出色的支持向量机(SVM)，该算法在保持杰出分类能力和拟合能力的同时，也表现出良好的稀疏性，因此拥有更好的泛化能力。本算法值得广大机器学习研究领域的科研人员借鉴学习。

rvm-算法 rvm-分类-matlab 机器学习-拟合 稀疏保持 稀疏分类 SVM

说明：小波域稀疏表示，正交匹配追踪算法压缩感知重建。

小波变换 压缩感知 压缩感知-小波 小波域稀疏 小波-稀疏

说明：压缩感知，空域稀疏信号，精确恢复重建，匹配追踪算法。

稀疏恢复 压缩感知 压缩感知信号 matching-pursuit 稀疏重建