1.基于局部线性表示保留鉴别嵌入的人脸识别方法，其特征在于，设X＝[X1,X2,...,Xc]表示包含c个类别的训练样本集， 表示第i个类别的训练样本，Xi包含Ni个样本，xij∈Rd表示第i类的第j个训练样本，Rd表示d维的实向量集合， 表示训练样本集X中的样本总数，y∈Rd表示一个待识别样本；

具体步骤如下：

第一步，计算训练样本xij到其他每个训练样本的距离，如下：其中，i＝1,2,…,c，j＝1,2,…,Ni，p＝1,2,…,c，q＝1,2,…,Np，p≠i或q≠j，Np表示第p个类别的训练样本个数；根据xij到其他每个训练样本距离的大小，选择K个近邻训练样本其中， 到xij的距离最小， 到xij的距离第二小，以此类推， K是一个可调参数；令

第二步，通过求解下面的问题获得训练样本xij的一组线性表示系数其中，RK表示K维的实向量集合；

第三步，对训练样本及其线性表示进行局部鉴别嵌入：其中，v∈Rd是线性投影向量，

公式(3)转换为

其中，Dbl,Dbr,Dwl,Dwr∈RN×N是四个对角矩阵，对角元素值分别为满足

RN×N表示大小为N×N的实矩阵集合，RN表示N维的实向量集合；公式(4)的解v*通过对矩阵 进行特征分解得到；

第四步，当已经得到 矩

阵的前m个最大特征值对应的特征向量v1,v2,…,vm时，这里m是一个可调参数，令V＝[v1,v2,…,vm]，得到投影后的训练样本特征集ZX＝VTX和待识别样本特征Zy＝VTy；计算Zy到每一个训练样本特征的距离，将y归到距离最小的那个训练样本所在的类。