稀疏表达基于最小数量的系数，尽可能描述更多信号的能量，不同类型的信号在不同变换下的系数分布也会不同。

稀疏表达的意义

• 稀疏表达的目的在于降维、可节省空间，同时稀疏表达后，特征向量各维之间的依赖性降低且更为独立。
• 稀疏表达求解时增加的稀疏约束，使得计算后得到的 「基」  对解释数据有相同的重要性，目的是找出隐藏在数据背后的解释因子；
• 理论处理线性方程组的稀疏解，可用于找到相关解决方案，并将其应用于图像处理、信号处理、机器学习、医学成像等领域。

稀疏表达的特点

• 特征选择 Feature Selection：实现特征的自动选择
• 可解释性 Interpretablity：让模型更容易解释