稀疏表示分类法（Sparse representation based classification algorithm，SRC）是一种基于高维数据稀疏表示理论的机器学习方法，其核心假设是自然图像可通过过完备基实现稀疏线性表达，广泛应用于图像去噪与人脸识别等领域。
该方法通过构建字典矩阵与稀疏系数向量的优化模型实现信号表示，模型求解涉及基追踪、FOCUSS等算法，需预先确定正则参数与稀疏度参数。应用分为基于重构的图像去噪、音频修复和基于分类的人脸识别、文本检测两大方向。
SRC标准流程包含归一化字典矩阵、求解L1范数最小化凸优化问题、计算类别残差等步骤，其理论基础与压缩感知理论密切相关。
想要了解更多“稀疏表示分类法”的信息，请点击：稀疏表示分类法百科
