摘要：
主要内容： 实现方法 Python实现FM算法 libFM 一、实现方法 1、FM模型函数 变换为线性复杂度的计算公式： 2、FM优化目标 根据不同的应用，FM可以采用不同的损失函数loss function来作为优化目标，如回归Regression：y^(x)直接作为预测值，损失函数可以采用least square error；二值分类Binary Classification：y^... 阅读全文
摘要：
主要内容： 动机 FM算法模型 FM算法VS 其他算法 一、动机 在传统的线性模型如LR中，每个特征都是独立的，如果需要考虑特征与特征直接的交互作用，可能需要人工对特征进行交叉组合；非线性SVM可以对特征进行kernel映射，但是在特征高度稀疏的情况下，并不能很好地进行学习；现在也有很多分解模型Factorization model如矩阵分解MF、SVD++等，这些模型可以学习到特征之间的交互... 阅读全文
摘要：
一、写出输出结果 #include<stdio.h> int main(){ int a[3]; a[0] = 0; a[1] = 1; a[2] = 2; int *p,*q; p = a; q = &a[2]; int c = a[q-p]; printf("value c = %d/n",c+ 阅读全文
摘要：
1、写出下列代码的运行结果： #include<stdio.h> #include<string.h> #define STRCPY(a,b) strcpy(a##_p,#b) int main(){ char var1_p[20]; char var2_p[30]; strcpy(var1_p," 阅读全文
摘要：
主要内容： FPC的算法流程 FPC的MATLAB实现 一维信号的实验与结果 基于凸优化的重构算法 基于凸优化的压缩感知重构算法。 约束的凸优化问题： 去约束的凸优化问题： 在压缩感知中，J函数和H函数的选择： 一、FPC的算法 FPC，全称Fixed-Point Continuation，这里翻译为定点连续。 数学模型： 算法： 该算法在迭代过程中利用了收缩公式shrinkag... 阅读全文
摘要：
主要内容： l1_ls的算法流程 l1_ls的MATLAB实现 一维信号的实验与结果 前言 前面所介绍的算法都是在匹配追踪算法MP基础上延伸的贪心算法，从本节开始，介绍基于凸优化的压缩感知重构算法。 约束的凸优化问题： 去约束的凸优化问题： 在压缩感知中，J函数和H函数的选择： 那么，后面要解决的问 阅读全文
摘要：
主要内容：1、IHT的算法流程2、IHT的MATLAB实现3、二维信号的实验与结果4、加速的IHT算法实验与结果一、IHT的算法流程文献：T. Blumensath and M. Davies, "Iterative Hard Thresholding for Compressed Sensing,... 阅读全文
摘要：
主要内容：gOMP的算法流程gOMP的MATLAB实现一维信号的实验与结果稀疏度K与重构成功概率关系的实验与结果一、gOMP的算法流程广义正交匹配追踪(Generalized OMP, gOMP)算法可以看作为OMP算法的一种推广。OMP每次只选择与残差相关最大的一个，而gOMP则是简单地选择最大的... 阅读全文
摘要：
主要内容： SAMP的算法流程 SAMP的MATLAB实现 一维信号的实验与结果 稀疏度K与重构成功概率关系的实验与结果 一、SAMP的算法流程 前面所述大部分OMP及其前改算法都需要已知信号的稀疏度K，而在实际中这个一般是不知道的，基于此背景，稀疏度自适应匹配追踪(Sparsity Adaptive MP)被提出。SAMP不需要知道稀疏度K，在迭代循环中，根据新残差与旧残差的比较来确定选择原子的... 阅读全文
摘要：
主要内容：SWOMP的算法流程SWOMP的MATLAB实现一维信号的实验与结果门限参数a、测量数M与重构成功概率关系的实验与结果SWOMP与StOMP性能比较一、SWOMP的算法流程分段弱正交匹配追踪(Stagewise Weak OMP)可以说是StOMP的一种修改算法，它们的唯一不同是选择原子时... 阅读全文