K-SVD是一種經典的字典訓練演演算法，依據誤差最小原則，對誤差項進行SVD分解，選擇使誤差最小的分解項作為更新的字典原子和對應的原子係數，經過不斷的迭代從而得到優化的解。
K-SVD演演算法 是2006年由
以色列理工學院的Michal Aharon、Michael Elad等人提出來，是一種非常經典的字典訓練演演算法，並且達到了很好的訓練效果。其目的是解決下列
矩陣等式的解：
其中是要訓練的字典，對應字典 的稀疏係數矩陣、是要訓練的樣本。當矩陣的維數很高時，即使使用計算機軟體（如
matlab）也很難求解
矩陣方程，而該演演算法正是解決了高維矩陣求解的問題。
