Compressive Sensing 的相关资源(12-10 Updated)

2024-04-29 01:08

本文主要是介绍Compressive Sensing 的相关资源(12-10 Updated),希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

转自:http://blog.sina.com.cn/s/blog_49b5f5080100b62j.html(稀疏性与L1范数——何以完美 的博客)

 

转自prfans:

Sparse, L1-minimization, Compressive Sensing 集中讨论帖(第一页常更新)

Sparse大家并不陌生,是个经典话题了。而此时sparse已经卷土重来,虽然还是那一锅汤,但是药已经换了。以L1-minimization为核心的算法,近几年飞速进展,Compressive Sensing (Compressive Sampling) 已然成为数学领域和信号处理最前沿最热门的方向。最近一年多这种新形式的算法快速蔓延到模式识别界应用,论文质量高、算法效果好、而且算法一般都非常简单。而这仅仅是个开始,所以我一直有这个想法专开一贴,供大家一起讨论、共同进步,今天付诸与行动,希望大家支持。在这个地方(第一个帖),我会陆续更新提供一些这方面的材料,供大家了解。如果大家提供了有趣的材料,我也尽量加进来。当然,此贴重点还是放在理论应用和模式识别上。大家踊跃发言啊!


Compressive Sensing资源主页:
Compressive Sensing Resources (最权威最全面的Compressive Sensing资源主页,几乎什么都能找的到);
Compressive Sensing (和上面的差不多);
Compressive Sensing Listing; 马毅的课程主页
Compressive Sensing Videos;Compressed Sensing Codes (还有Compressive Sensing Resources 的Software一栏中);
Nuit Blanche;Compressive Sensing: The Big Picture;Terence Tao's What's new;

Bayesian Compressive Sensing;

Richard Baraniuk

 

 

理论方面的代表人物:
David Donoho; Emmanuel Candes;Terence Tao


Tutorials
David Donoho, Compressed Sensing. (Technical Report)

Emmanuel Candès, Compressive sampling. (Int. Congress of Mathematics, 3, pp. 1433-1452, Madrid, Spain, 2006)
Richard Baraniuk, Compressive sensing. (IEEE Signal Processing Magazine, 24(4), pp. 118-121, July 2007)
Emmanuel Candès and Michael Wakin, An introduction to compressive sampling. (IEEE Signal Processing Magazine, 25(2), pp. 21 - 30, March 2008)
Justin Romberg, Imaging via compressive sampling. (IEEE Signal Processing Magazine, 25(2), pp. 14 - 20, March 2008)

Conferences and Symposiums
Short Course: Sparse Representations and High Dimensional Geometry, May 30 - June 1, 2007
New Directions Short Course: Compressive Sampling and Frontiers in Signal Processing, June 4 - 15, 2007 (介绍性的资料和视频)


理论方面的代表文献:
Donoho 和 Candes 的文章几乎都是经典,Terence Tao 也值得关注,华裔数学新星


模式识别领域的应用(包括机器视觉):
大家可以去Compressive Sensing Resources 看 Statistical Signal Processing, Machine Learning, Bayesian Methods, Applications of Compressive Sensing 等栏目
马毅的一系列论文
John Wright, Allen Yang, Arvind Ganesh, Shankar Shastry, and Yi Ma, Robust face recognition via sparse representation. (To appear in IEEE Trans. on Pattern Analysis and Machine Intelligence) , 2008
Allen Yang, John Wright, Yi Ma, and Shankar Sastry, Feature selection in face recognition: A sparse representation perspective. (Preprint, 2007)
Kwak, N., Principal Component Analysis Based on L1-Norm Maximization, IEEE Transactions on Pattern Analysis and Machine Intelligence, 2008.
Bhusnurmath, Arvind; Taylor, Camillo J., Graph Cuts via $ell_1$ Norm Minimization, IEEE Transactions on Pattern Analysis and Machine Intelligence, 2008.
Jianchao Yang, John Wright, Thomas Huang, and Yi Ma, Image Super-Resolution as Sparse Representation of Raw Image Patches, IEEE Conference on Computer Vision and Pattern Recognition (CVPR), June 2008.
Arvind Ganesh, Zihan Zhou, and Yi Ma, Separation of A Subspace-Sparse Signal: Algorithms and Conditions, ICASSP 2009.

 

本文来自CSDN博客,转载请标明出处:http://blog.csdn.net/chenyusiyuan/archive/2008/11/24/3361462.aspx

这篇关于Compressive Sensing 的相关资源(12-10 Updated)的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/944730

相关文章

python使用watchdog实现文件资源监控

《python使用watchdog实现文件资源监控》watchdog支持跨平台文件资源监控,可以检测指定文件夹下文件及文件夹变动,下面我们来看看Python如何使用watchdog实现文件资源监控吧... python文件监控库watchdogs简介随着Python在各种应用领域中的广泛使用,其生态环境也

Redis的Hash类型及相关命令小结

《Redis的Hash类型及相关命令小结》edisHash是一种数据结构,用于存储字段和值的映射关系,本文就来介绍一下Redis的Hash类型及相关命令小结,具有一定的参考价值,感兴趣的可以了解一下... 目录HSETHGETHEXISTSHDELHKEYSHVALSHGETALLHMGETHLENHSET

python中的与时间相关的模块应用场景分析

《python中的与时间相关的模块应用场景分析》本文介绍了Python中与时间相关的几个重要模块:`time`、`datetime`、`calendar`、`timeit`、`pytz`和`dateu... 目录1. time 模块2. datetime 模块3. calendar 模块4. timeit

sqlite3 相关知识

WAL 模式 VS 回滚模式 特性WAL 模式回滚模式(Rollback Journal)定义使用写前日志来记录变更。使用回滚日志来记录事务的所有修改。特点更高的并发性和性能;支持多读者和单写者。支持安全的事务回滚,但并发性较低。性能写入性能更好,尤其是读多写少的场景。写操作会造成较大的性能开销,尤其是在事务开始时。写入流程数据首先写入 WAL 文件,然后才从 WAL 刷新到主数据库。数据在开始

两个月冲刺软考——访问位与修改位的题型(淘汰哪一页);内聚的类型;关于码制的知识点;地址映射的相关内容

1.访问位与修改位的题型(淘汰哪一页) 访问位:为1时表示在内存期间被访问过,为0时表示未被访问;修改位:为1时表示该页面自从被装入内存后被修改过,为0时表示未修改过。 置换页面时,最先置换访问位和修改位为00的,其次是01(没被访问但被修改过)的,之后是10(被访问了但没被修改过),最后是11。 2.内聚的类型 功能内聚:完成一个单一功能,各个部分协同工作,缺一不可。 顺序内聚:

log4j2相关配置说明以及${sys:catalina.home}应用

${sys:catalina.home} 等价于 System.getProperty("catalina.home") 就是Tomcat的根目录:  C:\apache-tomcat-7.0.77 <PatternLayout pattern="%d{yyyy-MM-dd HH:mm:ss} [%t] %-5p %c{1}:%L - %msg%n" /> 2017-08-10

Node Linux相关安装

下载经编译好的文件cd /optwget https://nodejs.org/dist/v10.15.3/node-v10.15.3-linux-x64.tar.gztar -xvf node-v10.15.3-linux-x64.tar.gzln -s /opt/node-v10.15.3-linux-x64/bin/npm /usr/local/bin/ln -s /opt/nod

git ssh key相关

step1、进入.ssh文件夹   (windows下 下载git客户端)   cd ~/.ssh(windows mkdir ~/.ssh) step2、配置name和email git config --global user.name "你的名称"git config --global user.email "你的邮箱" step3、生成key ssh-keygen

zookeeper相关面试题

zk的数据同步原理?zk的集群会出现脑裂的问题吗?zk的watch机制实现原理?zk是如何保证一致性的?zk的快速选举leader原理?zk的典型应用场景zk中一个客户端修改了数据之后,其他客户端能够马上获取到最新的数据吗?zk对事物的支持? 1. zk的数据同步原理? zk的数据同步过程中,通过以下三个参数来选择对应的数据同步方式 peerLastZxid:Learner服务器(Follo

rtmp流媒体编程相关整理2013(crtmpserver,rtmpdump,x264,faac)

转自:http://blog.163.com/zhujiatc@126/blog/static/1834638201392335213119/ 相关资料在线版(不定时更新,其实也不会很多,也许一两个月也不会改) http://www.zhujiatc.esy.es/crtmpserver/index.htm 去年在这进行rtmp相关整理,其实内容早有了,只是整理一下看着方