MMP算法提出的文献： Multipath Matching Pursuit----IEEE TRANSACTIONS ON INFORMATION THEORY 文章的作者也是gOMP算法的作者，现在在复旦大学任教 主要贡献：文章将传统贪婪算法的原子选择问题建模为组合树的搜索问题，为原子选择提供了新的思路。 在传统贪婪算法的改进中，不外乎以下几个方面：调整原子选择策略，调整原子相似性的准则等 其中调整原子选择策略又分为以下几种： 每次迭代选择单个原子（OMP），每次迭代选择多个原子（如：选择K个的CoSaMP算法，选择2K个的SP算法，选择S个的gOMP算法），通过阈值门限来进行原子选择，这样保证了每次迭代原子选择的灵活性，阈值则更贴近于观测矩阵和残差的内积变化规律（StOMP算法，SWOMP算法，TOMP算法等等） 在原子选择过程中，许多单向执行的算法可以结合CoSaMP算法中的回溯思想，来进一步提高重构精度。 在有步长设置的算法中，如何设置步长大小，是固定步长还是变步长，如果变的话，该如何改变，到目前为止均有学者做研究。而以上提到的算法都有一个共同的问题，就是只有一

Multipath Matching Pursuit with Depth-First (MMP-DF) 是一种贪婪算法，它为稀疏重建/近似问题提供近似解：min ||x||_0 使得 Phi * x = y。 该算法来自论文：[*] S. Kwon、J. Wang 和 B. Shim，“多路径匹配追踪”，IEEE Trans。 通知。 理论，卷。 60，没有。 5，第 2986-3001 页，2014 年 5 月。

df算法，通过在训练集中提取词语，比较出现次数，进行特征词的提取。 这个代码是提取两个特征的特征词，可修改main函数中（直接删除一部分）（有详细注释），提取一个类的特征。此程序编译过，无错。