稀疏表示
-
-
-
稀疏表示（SR）工具箱
应用背景 这个工具箱包括机器学习方法：基于稀疏编码的分类，基于字典的降维子字典学习，学习模型，线性回归和分类（LRC）。核l_1正则或（和）非负约束稀疏编码和字典学习模型在这个工具箱实现。 ； 关键技术 活动集，内点，近端，和分解方法来优化这些模型。目前的版本是1.9（2015年3月2日）。这个工具箱是免费的学术用途。 ； -
-
-
-
-
-
-
