本文中,我们探讨了机器学习中的稀疏重构问题。针对非凸且NP-难的L0优化问题介绍了两种求解思想:L1正则化方法和贪婪策略。对于这两种求解思想我们列举出了相应已提出的算法。贪婪逆尺度空间流算法由自适应逆尺度空间流算法演变而来,同时结合了L1正则化方法的准确性和贪婪算法的高效性。本文介绍了精度矩阵的统计学意义,并将贪婪逆尺度空间流算法自然地推广到稀疏精度矩阵的重构中。最后,我们将贪婪逆尺度空间流算法重构出的稀疏精度矩阵应用于阿尔茨海默症的诊断中。我们知道,Peαrson相关系数由于其简单易计算被广泛应用于脑功能连通性的研究中。由协方差矩阵和相关矩阵的定义公式可以知道,相关矩阵实则为将原始数据进行正态标准化处理后得到的协方差矩阵。我们将脑区域的功能连通性矩阵视为协方差矩阵,并使用贪婪逆尺度空间流算法重构出相应的精度矩阵,以此来研究阿尔茨海默症患者于正常对照组的脑区域功能偏相关性上的异同之处。进一步,我们基于机器学习中经典的分类器——支持向量机,比较功能连通性矩阵与精度矩阵对于阿尔茨海默症的诊断效果。