稀疏性是压缩感知的前提，主要指空元素所占比重较大的情形，通常用向量或矩阵中设置为 0 的元素数除以该向量或矩阵的条目总数。
矩阵中，若数值为 0 的元素数目远多于非 0 元素的数目时，则称该矩阵为稀疏矩阵，与之对应即非 0 元素占大多数时，该矩阵为稠密矩阵。
若信号是稀疏的，这表示信号中有许多 0 元素，这种情况下，信息是可以被压缩的，只需找到非零元素就能处理问题，但现实中信号本身并不是稀疏的，经过一个变换后，大多是一组基上面的稀疏，即信号的稀疏表示。
除此之外，还有特征稀疏性和模型稀疏性两种，其中特征稀疏性是指特征向量的稀疏性，模型稀疏性则是指模型权重的稀疏性。
相关词: 稀疏矩阵，压缩感知。
参考来源
【1】https://www.jianshu.com/p/8025b6c9f6fa
【2】https://www.cnblogs.com/AndyJee/p/5048235.html