提出了用于处理多峰问题的本地Fisher判别分析(LFDA)。 它不仅结合了用于保存高维数据局部结构的局部保留投影(LPP)的思想,而且还结合了用于获得判别力的Fisher判别分析(FDA)的思想。 但是,LFDA还存在采样不足的问题以及许多降维方法。 同时,投影矩阵不稀疏。 在本文中,我们提出了用于人脸识别的双稀疏局部Fisher判别分析(DSLFDA)。 该方法首先构造了一个具有非负约束的稀疏数据自适应图。 然后,DSLFDA将目标函数重新表述为回归型优化问题。 自然避免了欠采样问题,并且可以通过将回归类型问题添加到al(1)惩罚中来获得稀疏解。 在Yale,ORL和CMU PIE人脸数据库上进行了实验,以证明该方法的有效性。