基于稀疏编码的线性子空间学习方法

    最近在学习ICCV2011 的一篇文章《A Linear Subspace Learning Approach via Sparse Coding》，顺便做一些笔记，以后会努力更新的。

    LSL是在很流行的一种图像识别方法，主要用于从高维的数据集中提炼出其本质特性。大多数LSL是通过对样本进行统计分析的方法来学习子空间，然而这种方法不能充分利用不同种类图像所包含的有用信息。

 稀疏编码方法：通过学习从训练样本中得到字典，字典可以用来给训练样本的降维，然后经过降维的样本被分为容易分辨部分（MDP）和不易分辨部分（LDP），最后通过无监督准则和监督准则来学习得到子空间，这时MDP将得到保护，而LDP将得到抑制。