学习用于稀疏编码的自适应词典一直是最新研究的重点，因为它提供了一种使稀疏表示效率最大化的有前途的方法。特别是，学习判别词典而不是重构词典已证明在模式识别方面的性能得到了显着提高。本文提出了一种有力的判别词典学习方法。在字典学习过程中，我们通过促进分层组稀疏性并减少稀疏代码的线性预测误差来增强稀疏代码的可分辨性。借助班级内部联合协作的稀疏性，我们的方法能够从标记的数据中学习自适应词典进行分类，这鼓励了系数在组级别和单例级别上都是稀疏的，从而增强了稀疏代码的可分离性。受益于字典和分类器的联合学习，稀