文件名称：matlab灰度处理代码-Overcomplete-ICA:超额ICA
文件大小：31.81MB
文件格式：ZIP
更新时间：2024-06-12 12:34:53
系统开源
matlab灰色处理代码超额ICA 该代码基于R，以重现Podosinnikova等人的论文“通过SDP进行过度独立组件分析”。 （2019）。 原始论文和其他一些参考文献都包含在papers/ 。 img/中包含一些复制的图形。 警示语 某些R软件包，包括“ pracma”，“ Matrix”，“ R.matlab”和“ imager”，将被安装以运行这些代码。 由于某些功能需要调用MATLAB服务器，因此应按照R软件包“ R.matlab”参考手册的说明进行安装和设置（请检查）。 图2 运行的代码可以复制图2的前两个图。 它可能会运行几个小时。 图3 运行代码可以再现图3中的前两列。 它可能会运行几个小时。 图4 运行的代码会将每个图像转换为灰度，并形成7×7色块以提取X矩阵。 然后，将通过几种算法来估计相应的混合矩阵。 但是，由于R的限制，混合分量将不会如图4所示，即只能输出数值结果，而不能输出数字本身。 由于此脚本需要调用MATLAB服务器进行数据处理，因此可能需要很长时间才能运行。 图7 运行代码可以再现图7的前两个图。 它可能会运行几个小时。
【文件预览】：
Overcomplete-ICA-main
----README.md(2KB)
----sampling()
--------sample_orthogonal_matrix.R(202B)
--------sample_mixing_matrix.R(166B)
--------sample_from_ica_with_uniform_sources.R(582B)
----Fig_3.R(4KB)
----data_batch_1.mat(29.15MB)
----Fig_7.R(3KB)
----img()
--------Fig_2.2.jpeg(54KB)
--------Fig_3.3.jpeg(66KB)
--------Fig_2.1.jpeg(55KB)
--------Fig_3.1.jpeg(66KB)
--------Fig_3.4.jpeg(73KB)
--------Fig_3.2.jpeg(67KB)
----helpers()
--------fourier_pca.R(2KB)
--------a_error.R(715B)
--------f_error.R(558B)
--------approx_ds_from_Ds.R(554B)
----cumulants()
--------quadricov.R(235B)
--------genquadricov.R(1KB)
--------gencov.R(438B)
--------quadricov_in.R(1006B)
----sdp()
--------sdp_semiada.R(780B)
--------majorize_minimize.R(550B)
--------sdp_cluster.R(624B)
--------extract_basis.R(554B)
--------solve_relaxation_mezcal_approx_fista.R(1KB)
--------sdp_adaptive.R(214B)
--------extract_largest_eigenvector.R(288B)
--------proj_simplex.R(281B)
--------adaptive_deflation.R(1001B)
--------cluster_Dss.R(734B)
----Fig_4.R(1KB)
----papers()
--------Blind_Source_Separation_Theory_and_Applications_----_(Part_II_Independent_Component_Analysis_and_Applications_).pdf(316KB)
--------Fourth-Order Cumulant-Based Blind Identification.pdf(646KB)
--------Fourier PCA and Robust Tensor Decomposition.pdf(612KB)
--------Overcomplete Independent Component Analysis via SDP.pdf(1.14MB)
----Fig_2.R(3KB)