在各种特征选择方法中，Lasso的方法取得了广泛的研究和应用。然而，利用Lasso进行特征选择的一个主要缺点是只考虑了样本和类标签之间的相关性，却忽略了样本自身的内在关联信息，而这些信息有助于诱导出更具有判别力的特征。为了解决这个问题，提出了一种新的基于Laplacian的特征选择方法，称之为Lap-Lasso。提出的Lap-Lasso方法首先包含一个稀疏正则化项，用于保证只有少数量特征能被选择。另外，引入了一个新的基于Laplacian的正则化项，用于保留同类样本之间的几何分布信息，从而帮助诱导出更具判别力的特征。在UCI数据集的实验结果验证了Lap-Lasso方法的有效性。