l1最小化相关论文
针对无动态性的动作识别中易受噪声、干扰和遮挡等影响的问题,提出了一种基于稀疏表示的鲁棒的动作分类方法。对要测试的动作表示......
文中将视频目标跟踪看成在粒子滤波框架下的稀疏表示问题,提出了具鲁棒性的视觉跟踪方法。在跟踪过程中,将目标的先验知识和目标状......
基于新出现的压缩传感理论,提出了一种鲁棒的手写字符识别方法,能很好地对含有噪声的字符进行识别。该方法通过对测试字符进行稀疏......
信息图的构造对许多机器学习任务来说是至关重要的。基于稀疏表示理论,提出了一种有向非负l1图。在构造此图的过程中,先将每个样例......
多数l_1最小化算法主要由稠密矩阵矢量乘（如Ax和A~Tx）和矢量运算组成.为使其适应大数据环境下的性能需求,基于GPU,利用其新的特征,提......
限制等距常数（Restricted Isometry Constant，RIC）在压缩感知中起重要作用．因为如果RIC满足某种界，则无噪声稀疏信号能被精确恢复，并且噪......
稀疏子空间聚类作为先进的子空间聚类算法,不仅能有效地聚类高维数据,而且可以直接对含有噪声、稀疏无关字典等干扰信息的复杂数据......
