提出了一种新颖的先验Diversified Block Sparse Prior，用于描述现实世界数据中普遍存在的块稀疏现象。通过允许方差和相关矩阵的多样化，解决了现有块稀疏学习方法对预定义块信息的敏感性问题，实现了自适应的块估计同时减少过拟合的风险。实验证实了DivSBL相对于现有算法的优势。