该论文探讨了字典学习问题的局部解决方案，基于随机稀疏模型，通过低秩矩阵补全问题的工具，克服了一些技术上的难点，并建立了当样本数满足某些条件时，字典和系数的组合可以成为 L1 范数的局部最优解这一结果。

Jan, 2011

研究稀疏线性组合成为单个大型字典矩阵列的观测信号字典学习问题，采用基于 Fano 不等式的信息论方法思路，解析了该问题的最小化风险下界，用于研究一致字典学习方案所需的观测样本复杂性。

Feb, 2014

本篇论文采用概率模型，证明了采用稀疏编码时在字典生成的参考信号附近可以找到局部极小值，同时考虑过完备字典、噪声信号和可能出现的异常值，这一分析是非渐近的，可以帮助理解信号维度、原子数量、稀疏度和观察次数等关键问题如相干性或噪声级别的比例关系。

Jul, 2014

本文采用概率模型研究了稀疏编码的本地最小值问题，在考虑超完备字典和有噪信号的情况下，证明了稀疏编码接近参考字典生成的信号的局部最小值，同时分析了噪声、信号维度、原子数量、稀疏度和观察数量等关键量如何随之缩放。

Oct, 2012

本文提出了一种通用的配合各种任务的有监督学习词典的方法，并介绍了一个解决相应优化问题的高效算法，实验证明这种方法适用于大规模的监督和半监督分类，以及对能够产生稀疏表示的数据的回归任务。

Sep, 2010

本文介绍了一种通过参数化字典学习算法，以将重叠的局部模式表达为不同区域的图表上的图形信号的组合，从而设计数据适应的结构化字典，同时保留局部原子的优点，提高字典在信号处理任务（如压缩、降噪、分类）中的计算效率。

Jan, 2014

本文介绍基于分离结构的字典学习方法，使得学习过程中可以处理更大的图像块，并且字典在重建任务中被有效地应用。

Mar, 2013

本文论述了关于从多个观察值中学习字典矩阵的问题，并得出了三个不同的下限，分别应用于不同的生成模型，特别地，其中一下限是通过假设真实字典满足受限等同性性质，并基于信噪比来计算的。

Jul, 2015

本文提出了一种适用于更广泛类型的图信号的字典学习算法，该算法通过将学习到的字典原子强制设置为图小波函数的稀疏组合，以及添加直接的图约束来提高特征和多样性领域的平滑度，从而实现了对感兴趣的数据进行调整，同时遵循底层图结构和具有所需的多尺度属性。在合成和真实的不同类型数据集上的实验结果表明，该算法即使在高维数据中也能有效地处理图信号。

Jun, 2018

本文介绍了一种新的基于裁剪小波分解的算法，可以用于更大尺寸的图像处理和信号处理，并结合在线稀疏字典学习算法进行自适应字典训练，得到大的可适应原子 - trainlets。

Jan, 2016