xp_fangfei的博客

传统Nyquist采样通过均匀采样获取数据，而CS系统则是以信号和观测值之间的内机形式来对数据进行采样，假设信号f为N维列向量，在N行N列的正交字典Q下具有稀疏表示即：f=Qx,变换系数x是稀疏的，那么给出的与Q不相关的观测矩阵O（K行N列），我们可以获得K为压缩的线性测量（投影）：                                                       

支持向量机的原理很简单，就是VC维理论和最小化结构风险。在阅读相关论文的时候，发现很多文章都语焉不详，就连《A Tutorial on Support Vector Machines for Pattern Recognition》这篇文章对拉格朗日条件极值问题的对偶变换都只是一笔带过，让很多人觉得很困惑。下面我将就SVM对线性可分的情况作详尽的推导。

压缩感知（Compressive Sensing）学习之（二）zouxy09@qq.comhttp://blog.csdn.net/zouxy09       上一回粗略的引入了压缩感知。        http://blog.csdn.net/zouxy09/article/details/8118313       下面就针对自己的了解，具体总结下压缩感

对于各种信号，都可以说它是由多个振幅与频率不同的正弦或者余弦函数组成的。并且一个信号通常由一个直流信号DC（幅值保持不变的信号）和多个交流信号AC（幅值以某种频率周期性变化的信号）组成。而通过离散余弦变换（DCT)，就可以将一个源信号分解为DC分量和AC分量，求出它各个分量的系数。对于DCT来说，其定义为：一维变换： 二维变换：首先对于DCT公式里，它有一组基