- MM集体人脸识别的联合表示分类
提出了一种名为 JRC 的基于联合表示分类的方案，通过将测试输入对齐成一个矩阵，将联合表示编码公式化为一般化的 l2,q-l2,p 最小化问题，并开发了一个迭代二次法算法，它不仅在计算成本上节省了很多，而且在集体人脸识别方面也比现有技术获得 - 球上的完整字典恢复
本文利用一种 Riemannian 信任域算法解决了矩阵恢复和字典学习问题，通过几何结构证明了算法的有效性，同时为非凸回收结构的其他问题提供了启示。
- 使用连续本地聚合对图信号进行采样
本文介绍了一种用于图信号采样的新方案，旨在更高效地实现信号稀疏表示和重建，基于图驻点合成算子和 VandeMonde 矩阵结构，可以针对有向环和非环图的信道进行采样和插值，同时进行了实验验证。
- MRI 重建中的快速多类别几何方向字典学习
介绍了一种用于磁共振成像重建的快速多类字典学习方法，该方法根据几何方向将图像分成分类块并在每个类别中训练字典，使得图像可以被自适应地稀疏表示，进而提高了图像重建的质量和速度。
- 基于核范数和弗罗贝尼乌斯范数表示之间的联系
本文从理论上探讨和证明了在具备等效表示能力的情况下，Frobenius 范数与核范数可以相互转化，无论数据集包含高斯噪声、拉普拉斯噪声还是样本特定的损坏，这样可以填补在实验研究中相对于稀疏表示和核范数表示，Frobenius 范数表示（FN - 修正因子网络
研究提出了一种名为 rectified factor networks（RFNs）的非监督学习技术，能够高效地构建非常稀疏、非线性、高维度的输入表示，并且相比于其他稀疏编码方法，能够更精确地捕捉数据的协方差结构，并在图像识别等领域，作为一种 - Lasso 问题的筛选测试
本文基于几何直觉框架，对通过字典筛选技术来解决 lasso 稀疏线性组合问题的方法进行了研究。它提供了有助于理解 lasso 筛选测试及其局限性的基本见解，并对数个数据集进行了说明性数值研究。
- 基于结构群稀疏表示的图像压缩感知恢复
本论文提出了一种新的图像压缩感知恢复策略 —— 通过结构分组稀疏表示 (SGSR) 建模，在自适应的分组域中同时强制图像稀疏性和自相似性，并开发了一种高效的迭代收缩 / 阈值算法技术来解决上述优化问题。实验结果表明，这种新的压缩感知恢复策略 - 最小二乘回归的稳健高效子空间分割
研究多个线性子空间的数据分割问题。最新的方法使用稀疏表示、低秩表示及其扩展引起了广泛关注。该论文介绍了基于数据相关性提出的最小二乘回归 (Least Squares Regression, LSR) 方法，对实验数据进行处理，获得了比目前最 - 分类的协作表示：稀疏或非稀疏？
本文是第一项对于稀疏 / 非稀疏正则化方法在分类任务中应用的比较研究，提出了一个评分函数来预先选择最佳的正则化方法，并且表明在 Dictionary 学习方法中，非稀疏表示有着更好的性能。
- 利用字典学习进行天文图像去噪
本文介绍了基于稀疏表示的中心化字典学习（CDL）方法，并研究了其在天文图像去噪方面的表现，证明 CDL 方法在天文图像去噪方面胜过小波或传统字典学习去噪技术，并比较了这些不同算法对去噪图像光度的影响。
- 可分离字典学习
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。
- ICCV基于协同表征的人脸识别分类
本文讲述基于稀疏表示的分类 (SRC) 和基于合作表示的分类 (CRC) 的原理及其在人脸识别中的应用，并通过各种实例来展示不同范数特征值对于 CRC 的鲁棒性和区分度的影响。
- 通过数据预处理实现稀疏和唯一的非负矩阵分解
本文介绍了一种基于 M 矩阵理论和非负矩阵分解的几何解释，通过对非负输入数据矩阵的预处理实现更为适合求解的 NMF 问题，其解具有更好的稀疏性和优化性，适用于多种图像数据集。
- 压缩感知理论与应用
介绍压缩感知的基本概念和应用，并总结了目前的研究现状。
- 指数加权稀疏估计
利用指数权重实现稀疏模式聚合原则的模型选择取决于稀疏估计，产生了几个流行框架下的稀疏估计值的稀疏 oracle 不等式，并在给定字典的情况下找到一个功能的稀疏表示。此外，本文介绍了一种高效实现稀疏模式聚合原则的方法，并在基本数值示例上优于最 - 稀疏分析模型和算法
本文研究信号的分析模型作为一种生成模型并与综合模型进行对比，提出了有效的寻求方法以解决逆问题并在多个实验中证明了分析模型的有效性。
- 稀疏受损信号恢复
本文研究了在一般（即可能是冗余或不完整的）词典中表现出稀疏表示并受到另一种广义词典中的加性噪声干扰的信号的恢复方法。文章基于新的不确定性关系提供了确定性的恢复保证，并提供了相应的实用恢复算法。
- 自适应稀疏域选择和自适应正则化的图像去模糊和超分辨率
基于自适应稀疏域选择和自适应正则化，使用自然图像集合的多组自适应基来表示给定图像修复目标的本地稀疏域，引入自回归模型和非局部自相似性正则化，通过实验证明该方法在图像去模糊和超分辨率上比许多现有算法都具有更好的表现。
- 快速 L1 最小化算法用于强韧人脸识别
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。