稀疏表达是要求信号在该模型下的sparse code，只有少数的non-zero elements
为什么sparse representation比起其它成分分析方法（DFT，Wavelet）能得到更好的效果？ - 知乎 https://www.zhihu.com/question/24124122/answer/50403932
2）Basis本身是不应该变成0的。
稀疏表达是要求信号在该模型下的sparse code，只有少数的non-zero elements。因为有了少数的non-zero elements，这样的表达从根本上会起到两个作用：（1）拥有更强大表达能力(Representation Power），（2）拥有识别和约束能力（Discriminative, or Regularization Power）。
所有的和稀疏表达相关的应用其实归根到底，都是基于这两个能力展开的。
比如压缩，是利用了其表达能力。
比如降噪等inverse problem，是利用其约束能力
比如分类，图像分割，这些是综合了这两者。
更多分析，可以参见我之前的回答：
稀疏表达的意义在于？为什么稀疏表达得到广泛的应用？ - Bihan Wen 的回答
稀疏表达是要求信号在该模型下的sparse code，只有少数的non-zero elements。因为有了少数的non-zero elements，这样的表达从根本上会起到两个作用：（1）拥有更强大表达能力(Representation Power），（2）拥有识别和约束能力（Discriminative, or Regularization Power）。
所有的和稀疏表达相关的应用其实归根到底，都是基于这两个能力展开的。
比如压缩，是利用了其表达能力。
比如降噪等inverse problem，是利用其约束能力
比如分类，图像分割，这些是综合了这两者。
更多分析，可以参见我之前的回答：
稀疏表达的意义在于？为什么稀疏表达得到广泛的应用？ - Bihan Wen 的回答
