变分贝叶斯推断matlab代码稳健流张量因式分解 此存储库包含与将出现在 IEEE ICDM 2018 上的论文“Variational Bayesian Inference for Robust Streaming Tensor Factorization and Completion”相关的代码。论文作者是 和 。 有关此代码的问题，请联系 Cole Hawkins。 我们的贡献包含在文件“streaming_bayesian_completion.m”中。 我们的代码需要 Matlab Tensor Toolbox： 要运行 OLSTEC 文件夹中的所有文件，您将需要 Poblano 工具箱：

线性变分去噪声matlab代码ADMM优化 这个存储库包括在我以前的系列文章中针对各种应用程序的（自适应）ADMM优化的Matlab和/或Python实现，这是本文的一部分。 我之前已发布了适应性弛豫（），适应性共识ADMM（）和视觉子类别的低秩最小二乘（）的代码。 此程序包中包含用于自适应ADMM（），用于非凸问题的AADMM（）和自适应多块ADMM（）的代码。 我们还提供了基线方法，原始ADMM，，和归一化残差平衡（）的实现。 应用领域 我们为各种应用提供基于ADMM的求解器，包括 弹性网（l2 + l1）正则化器的线性回归 稀疏（l1 / l0）正则化器的线性回归 （l1 / l2）regualarizer进行逻辑回归 基础追求 低阶最小二乘 强大的PCA（RPCA） 二次编程（QP） 半定式编程（SDP） 支持向量机（SVM） 具有总变化量校正器的1D / 2D去噪 使用总变化量调节器对图像进行去噪/恢复/去模糊 分布式共识问题：逻辑回归 分布式共识问题：线性回归 示例非凸问题：特征值问题 示例性非凸问题：相位检索 您可能也有兴趣检查我们的存储库，以将ADMM应用于神经网络（）

为提高双目立体视觉测量图像精确匹配的稳定性，提出一种基于特征点能量的稳健匹配新算法。该算法基于极线约束获取左右图像中特征点的初始匹配，根据特征点之间极线约束关系定义了一种不受仿射变换影响的能量来描述特征点，通过比对特征点能量值来剔除误匹配。该算法有效降低了误匹配率和误剔除率，从而满足多视角测量数据拼合过程中严格限制误匹配率的要求。实验结果表明，该算法正确匹配率大于95%，误剔除率小于2%，具有较强的稳健性。

线性参数模型在过程工程中非常普遍，例如 NAARX、多项式 ARMA 模型等。遗传编程 (GP) 能够生成以树结构表示的动态系统的非线性输入-输出模型。 这个 GP-OLS 工具箱应用正交最小二乘算法 (OLS) 来估计树的分支对模型精度的贡献。 与经典的 GP 方法相比，该方法产生了更稳健和可解释的模型。 关于该工具箱应用的论文： J. Madar、J. Abonyi、F. Szeifert，用于识别非线性输入-输出模型的遗传规划，工业与工程化学研究，44，3178-3186，2005 如需更多 MATLAB 工具，请访问： http://www.abonyilab.com/software-and-data html帮助： http://www.abonyilab.com/software-and-data/gp_index/gpols

基于骨架步态能量图像的基于CNN的稳健步态验证和识别

fama_macbeth_regression:稳健性测试（硕士论文）

健壮的PLS 用于稳健高维偏最小二乘回归的 Matlab 包。 基于论文 哈维尔·冈萨雷斯、丹尼尔·佩纳和罗萨里奥·罗梅拉。 [具有应用的稳健偏最小二乘回归方法] ( )。 化学计量学杂志，23，第 78-90 页，2009 年。

证券行业三季报综述：业绩实现稳健增长，继续关注大资管+财富管理主线.pdf

圆的精确方程与 xy 数据的迭代、稳健拟合。 基于当前标准偏差的倍数和“搁置”来识别异常值。 交互解决方案继续进行，直到没有剩余的异常值。 返回xo，yo，R，终端离群准则和残差向量。

包含的函数“ciclefit”估计由数据点表示的圆的半径和中心。 这是使用 Coopes 方法的修改版本（Coope, ID,Circle Fitting by Linear and Nonlinear Least Squares, 1993. http://link.springer.com/article/10.1007/BF00939613 ）实现的，它产生了与 Total 相当的稳健结果最小二乘法仅使用（可直接求解的）线性最小二乘法。 它已被修改为对数据点使用权重（因此使用加权线性最小二乘法）。 添加该修改是为了能够快速且稳健地估计给定路径的（因果）曲率。 包括一个快速演示 (circfit_DEMO.m)，它展示了一般的圆拟合以及如何使用它来估计曲率。