摘要：特征提取廣泛應(yīng)用于模式識(shí)別中。它去除原始樣本的冗余信息,提取出有助于樣本表示或分類(lèi)的簡(jiǎn)潔有用的信息。線(xiàn)性鑒別分析（LDA）屬于傳統(tǒng)的監(jiān)督特征提取方法,它旨在尋找最小化類(lèi)內(nèi)散度（方差）同時(shí)最大化類(lèi)間散度（方差）的低維線(xiàn)性投影子空間。提出一種新的特征提取方法,旨在改進(jìn)LDA,該方法在LDA的基礎(chǔ)上,增加了每個(gè)類(lèi)的中心點(diǎn)與該類(lèi)邊界異類(lèi)樣本的近鄰關(guān)系,通過(guò)類(lèi)中心對(duì)邊界異類(lèi)樣本的排斥,擴(kuò)大了類(lèi)與類(lèi)相互的邊距,增強(qiáng)了類(lèi)的可分性。YaleB人臉數(shù)據(jù)庫(kù)和CENPARMI手寫(xiě)阿拉伯?dāng)?shù)字庫(kù)中的實(shí)驗(yàn)結(jié)果,證明了新方法確實(shí)能夠提高分類(lèi)效果。