全文总字数：1698字

1. 研究目的与意义

稀疏学习（sparse learning）是机器学习领域中一个研究热点，所谓稀疏性，主要包括数据表示的稀疏性和所选择的特征稀疏性两方面内容，它是把作为数据的重要特征，可 以大为简化数据的表示，减少计算，并且更容易获得对于数据宏观特征的把握。

在各种实际问题中广泛存在着稀疏性，利用这些稀疏性更好地提高解决实际问题 算法的性能，这是机器学习/数据挖掘领域有趣而重要的研究内容。

　　图像表示是图像处理领域的基本问题。

2. 国内外研究现状分析

近年来，稀疏模型被广泛地应用于信号和图像处理等领域。

该模型通过基或字典中很少量元素的线性组合的形式来描述信号。

静态图像压缩标准jpeg和新一代静态图像压缩标准jpeg-2000就是该模型的最典型的应用。

3. 研究的基本内容与计划

一、函数介绍　　一）、最小二乘法（gls）　　最小二乘法（又称最小平方法）是一种数学优化技术。

它通过最小化误差的平方和寻找数据的最佳函数匹配。

利用最小二乘法可以简便地求得未知的数据，并使得这些求得的数据与实际数据之间误差的平方和为最小。

4. 研究创新点

使用matlab语言对各模型进行数学建模，为图像的绘制提供可能。

通过对稀疏函数的研究，将之应用于图像上，为图形的稀疏表示带来方便。