本文设计了一种新颖的人脸识别方法,该方法主要基于一种新的特征提取方法和一种有效的分类器-随机权重网络(RWN)。 其特征提取的创新体现在原始图像的几何特征和代数特征的良好融合中。 这里的几何特征是通过快速离散曲波变换(FDCT)和二维主成分分析(2DPCA)来获取的,而代数特征是通过提出的拟奇异值分解(Q-SVD)方法来提取的。统一框架下每个图像的关系。 随后,有效的RWN用于对这些融合特征进行分类,以进一步提高识别率和识别速度。 在我们提出的方法与其他一些最新方法之间的六个著名的人脸数据库上进行了一些比较实验。 实验结果表明,该方法在可分离性,识别率和训练时间等方面均具有突出的优越性。