无论是Fisher判别分析（FDA）还是基于核的FDA（KFDA），在小样本情况下都会面临矩阵的病态问题，正则化技术是解决该问题的有效途径。为了便于研究正则化FDA与支持向量机（SVM）的关系，推导了一种正则化FDA的核化算法。将约束优化问题转换为对偶的优化问题，得到了与SVM相似的形式，分析了该核化算法与SVM的联系。针对Tenessee-Eastman(TE)过程的故障诊断结果表明，正则化KFDA的诊断效果明显好于LS-SVM。