摘要：模式识别一般首先要对数据进行降维，PCA和LDA及其对应的核化算法是其中应用广泛的方法，但这些算法的应用前提是假设样本数据为高斯分布，在少样本训练时它们的推广性能有很大局限．本文提出了一种基于支持向量机的鉴别分析算法，该算法首先寻找有限样本情况下最优分类面，以其法线方向为投影轴对数据进行投影降维，在多类情况下提供了极其丰富的方案选择投影轴．该算法体现了支持向量机的内在优良推广性能，克服了PCA和LDA等算法的局限性．本文将所提算法应用于人脸表情特征提取，并与PCA、LDA、KPCA、GDA等算法进行了比较，结果表明该算法的有效性．

关键词：模式识别 主元分析 fisher鉴别分析 支持向量机 表情识别 

单位：北京航空航天大学电子信息工程学院; 北京100083; 五邑大学信息学院; 广东江门529020