说明：基于遗传算法改进的稀疏分解算法，已调试过了，写论文是编写的
改进稀疏 decomposition sparse 遗传算法改进 改进遗传算法
说明：基于接收矩阵的稀疏重构，L1-SVD，阵列信号处理方面。
接收矩阵 稀疏重构 L1-SVD 阵列信号
说明：基于稀疏贝叶斯框架的机器学习算法，能有效用于回归和分类预测，具有较强的泛化性
机器学习-预测 贝叶斯-预测 稀疏贝叶斯 机器学习 机器学习预测
说明：基于稀疏变量的欠定盲源分离，可以解决源数大于传感器数的问题，即欠定盲源分离问题。
盲源分离-欠定 稀疏-BSS 欠定-盲 盲源 欠定-源-数
说明：压缩感知里面的稀疏重建问题，在原来MP的算法的基础上，提出了分块的思想，即将原子库分块后，测试算法的性能。
MP算法 压缩感知 原子库 分块算法 稀疏重建
说明：一种基于稀疏变量的欠定盲分离算法，很好用，大家试一下。
欠定盲分离 稀疏-BSS 欠定-盲分离 盲-分离 欠定-盲
说明：基于线性规划的凸优化求解L1范数问题，获得稀疏解。包含几种求解方法，适用于不同类型。算法简单明了，便于理解，是一套很实用的求解工具箱。
matlab 优化 稀疏 求解 范数
说明：图像压缩感知，稀疏基为FFT或DWT（其中FFT是构造正交变换矩阵，DWT是对高频系数进行测量）；重构方法为OMP
测量矩阵 稀疏基 图像压缩感知 fft矩阵 FFT压缩感知
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
