稀疏估计与压缩感知的线性系统求解器寻找Ax=y中的稀疏解

结构健康监测的压缩感知资源还挺实用的，是用group sparse optimization来搞无线传感器数据压缩，效率高还不失精度，做大规模部署挺有。你要是做结构监测、桥梁、隧道那类工程，这套方法真的可以省不少带宽和算力。

这本书专为希望利用最先进计算方法解决大规模稀疏线性方程组的科学家而撰写。欲了解完整书籍介绍和购买详情，请访问http://www.mathworks.com/support/books/book1433.jsp?category=-1&language=-1

该项目提供用于解决联合稀疏多重测量向量 (MMV) 问题的分析和综合先验求解器，包含约束和无约束两种方法。 依赖项： Sparco 工具箱： 可从 http://www.cs.ubc.ca/labs/scl/sparco/ 下载并安装至 Matlab 路径中。

自适应稀疏网格的 ASGarD 代码算是挺硬核的资源了，尤其是你要搞高维 PDE 求解的时候。它用的是 Discontinuous-Galerkin 方法，搭在一个稀疏网格结构上，优势是啥？就是不用陷入维度灾难，性能还挺抗打。嗯，关键是还能自动自适应，适合变量不均匀分布的那种问题。 自适应稀疏网格的 ASGarD 代码算是挺硬核的资源了，尤其是你要搞高维 PDE 求解的时候。它用的是Discontinuous-Galerkin 方法，搭在一个稀疏网格结构上，优势是啥？就是不用陷入维度灾难，性能还挺抗打。嗯，关键是还能自动自适应，适合变量不均匀分布的那种问题。 代码本身是用C++17写的，构建系

稀疏表达的程序代码，使用Matlab验证实现，可供下载使用！

l1_ls MATLAB求解用于解决如下形式的问题：最小化 ||Ax-y||^2 + lambdasum|x_i|。

使用最大似然法进行线性系统参数估计是一种常见的方法，同时还提供了可用于Matlab的相应程序。

利用Matlab验证实现稀疏表达的编程代码，可供下载使用！

随着技术的进步，对稀疏感知图像和体积数据恢复的系统对象进行了MATLAB开发。