特征提取是人脸识别中的重要问题。 有两种结构特征,即欧几里得结构和流形结构。 但是,单结构特征提取方法不能同时充分利用全局特征和局部特征的优势。 因此,它们的性能将下降。 为了克服基于单结构特征的人脸识别方案的局限性,本文提出了一种使用特征融合策略(FFS)的新颖判别准则,该准则将人脸结构空间中的欧氏结构和流形结构非线性地组合在一起。 所提出的判别准则适用于开发迭代算法。 它能够自动确定最佳参数并平衡欧几里得结构和流形结构之间的折衷。 提出的FFS算法已成功应用于人脸识别。 选择了三个可公开获得的人脸数据库ORL,FERET和CMU PIE进行评估。 与线性判别分析(LDA),局部保留投影(LPP),无监督判别投影(UDP)和半监督LDA(SSLDA)相比,实验结果表明,该方法具有优越的性能。