矩阵分解是无监督学习模型，其他属于监督学习模型

在监督特征学习中，被标记的数据被用来训练模型，以便模型能够学习到数据和标签之间的映射关系。以下是对每个选项的分析：

A: 神经网络 - 神经网络是一种常见的监督学习方法，它通过大量的标记数据进行训练，以便能够对新数据进行预测。

B: 多层感知器 - 多层感知器（MLP）是神经网络的一种，也是通过监督学习来训练模型，使其能够进行分类或回归任务。

C: 监督字典学习 - 监督字典学习是一种特征学习方法，通过标记数据来学习字典，使得特征表示能够更好地适应特定任务。

D: 矩阵分解 - 矩阵分解通常用于无监督学习，例如主成分分析（PCA）或非负矩阵分解（NMF），它们不依赖于标记数据进行特征学习。

因此，正确答案是 D: 矩阵分解。矩阵分解不属于监督特征学习方法，因为它通常不依赖于标记数据进行训练。