特征选择与稀疏学习：压缩感知FeatureSelectionandSparseLearning:compressedsensing主讲：文家华计算机与信息技术学院视觉智能实验室（VisInt）BeijingJiaotongUniversity

引言我们知道，将模拟信号转换为计算机能够处理的数字信号，必然要经过采样的过程。问题在于，应该用多大的采样频率，即采样点应该多密多疏，才能完整保留原始信号中的信息呢？

引言他给出了答案能否优化呢？

压缩感知的提出Candes最早意识到了突破的可能，并在不世出的数学天才陶哲轩以及Candes的老师Donoho的协助下，提出了压缩感知理论，该