作为最重要的最新分类技术之一，支持向量机（SVM）由于以下原因已在许多实际应用中被广泛采用，例如对象检测，人脸识别，文本分类等。其具有竞争力的实用性能和优雅的理论解释。 但是，它独立地对待所有样本，并且忽略了以下事实：在许多实际情况下，尤其是当数据位于高维空间中时，样本通常位于特征空间的低维流形上，因此可以通过以下方式将其与其邻居相关联：表示为同一歧管上其他样本的线性组合。 通常是稀疏的这种线性表示反映了基础流形的结构。 在最近的文献中已经对其进行了广泛的探索，并被证明对分类的性能至关重要。 为
