我们提出了一种基于联合子空间恢复和增强局部性的鲁棒灵活标签一致性词典学习方法，称为鲁棒灵活判别词典学习（RFDDL）。 RFDDL主要通过增强鲁棒性以稀疏错误并更准确地编码位置，重构错误和标签一致性来提高数据表示和分类的能力。 首先，对于数据和原子中的噪声和稀疏错误的鲁棒性，RFDDL旨在共同恢复基础干净数据和干净原子子空间，然后执行DL并对恢复的子空间中的局部性进行编码。 其次，为了使从非线性流形采样的数据有可能得到处理并通过避免过拟合而获得准确的重建，RFDDL以灵活的方式将重建误差最小化。