Linearization and Approximation
Application of Nonlinear Inequalities
Residuals and Least-Squares Property
Deconvolution
Gaussian Elimination: Problem Solving
Application of Linearization and Approximation
您也可能阅读
通过共同作者、期刊和引用图与本文相关的文章。
这项研究引入了一种新的压缩传感 (CS) 框架,使用预先条件的传感矩阵和非凸正规化来更好地恢复稀疏信号. 这种方法增强了从有限数据的稀疏视图计算机断层扫描 (CT) 图像重建.
科学领域:
背景情况:
研究的目的:
主要方法:
主要成果:
结论: