针对非负矩阵分解算法在样本维数过高情况下收敛效果差的问题，提出了一种核矩阵非负分解算法。通过核映射方法获得表征样本间相似度的核矩阵，以减小样本类内散度，增大样本类间散度，从而改善样本内部噪声干扰，提高样本间的线性可分度；再将核矩阵在非负条件约束下分解为基向量及其加权系数矩阵，用系数矩阵作为原样本特征。经人脸图像特征提取与分类实验验证，新算法可更好地提取高维人脸图像的低维特征，提高分类正确率。