由于恐怖袭击事件在全球范围内频繁发生,各国对恐怖袭击事件的打击力度也有所加强,但恐怖分子依旧猖獗。因此,研究影响恐怖袭击事件发生的主要因素变得愈加重要。本文针对全球恐怖主义数据库中2009—2018年的数据,主要将稀疏恢复算法应用到特征选择中去。针对数据中的变量,采用描述性统计分析方法。首先计算武器类型、攻击类型、地区以及目标或受害者类型的基尼系数;其次分析近十年期间的人员伤亡情况和受到恐怖袭击的十大国家;最后分析财产损害程度。对恐怖袭击事件的变量选择问题,主要采用以下两类算法:一类是PCA算法和LASSO算法,发现声称负责、目标或受害者子类型、武器子类型、国际的意识形态与恐怖袭击事件的发生息息相关。另一类则是在稀疏恢复算法的基础上提出稀疏特征选择算法。数值实验结果表明OMP算法和IHT算法的稀疏特征选择结果相同,根据两种算法在运行时间和误差上的对比可知,IHT算法更加适合恐怖袭击事件的稀疏特征选择。四种算法的稀疏特征选择结果表明:疑似恐怖主义、武器子类型、国际杂类、国际的意识形态、事件组的一部分、附近地区、目标或受害者子类型是影响恐怖袭击事件发生的主要因素。从稀疏特征选择的结果来分析恐怖袭击事件发生的诱因,以期阻止或减少该类事件的发生。