该研究介绍了一种基于稀疏性的数据分离方法，通过对数据进行分解，使用稀疏系数向量来表达分离后的数据。该方法利用 $\ell_1$ 最小化或阈值处理自动实现数据分离，并被应用于压缩感知领域中。

Feb, 2011

本文介绍了关于稀疏模型及其应用的多学科研究，主要涉及模型选择、稀疏编码、图像识别和图像处理等领域。本文针对数据的学习和适应性字典，提供了一种自包含的稀疏建模方法，已在各种领域中获得成功应用。

Nov, 2014

本文提出了一套通用的框架用于理解交替最小化原理并分析已有的稀疏编码算法，同时设计了具备可证明保障的新算法并在简单的神经结构上实现；给出了首个高效的稀疏编码算法，可以接近或超过用于不相关字典稀疏恢复的信息理论极限，同时改善了现有方法的样本复杂度。

Mar, 2015

通过提供稀疏建模和压缩感知的基本理论介绍，讨论了一些有效的方法来恢复优化问题的稀疏解，并介绍了稀疏恢复在稀疏字典学习中的应用。

Aug, 2023

本文介绍了一种名为 “稀疏子空间聚类”（Sparse Subspace Clustering，SSC）的算法，该算法通过在低维结构中聚类高维数据点来实现，采用了稀疏优化的思想并融合了数据模型以处理数据噪音、稀疏的非典型数据，经过实验验证，表明该算法具有高效性和较好的效果。

Mar, 2012

本文研究了一种新的稀疏信号恢复方法，其中加权 L1 最小化，优于传统的 L1 最小化，能够在稀疏信号恢复，图像处理和数据获得协议等领域中取得出色的性能表现。

Nov, 2007

本文介绍从一般的角度分析在使用稀疏估计方法中相关的优化工具和技术，包括近端方法、块坐标下降、加权 L2 正则技术、工作集和家族方法以及非凸形式和扩展。同时，我们提供了一组广泛的实验来比较各种算法在计算方面的差异。

Aug, 2011

本研究探究基于凸优化框架的新解法（即增广拉格朗日方法）以提高 L1-minimization 在稀疏表示和面部识别方面的速度和可伸缩性。我们进行了大量实验并将算法代码公开以供同行评估。

Jul, 2010

本文介绍了一种基于结构规则的稀疏估计方法，通过应用不仅仅关注稀疏性，而且可以考虑一些结构化先验知识，这种方法可以处理多种结构的问题。同时，我们还介绍了该方法在无监督学习、非线性变量选择等方面的应用。

Sep, 2011

本文旨在比较基于直觉属性的几种常用稀疏度量方法，证明只有基尼系数能够满足六个属性（罗宾汉、比例缩放、潮汐上升、克隆、比尔盖茨和宝宝），并提供了相应的分类表。

Nov, 2008