摘要：特征提取廣泛應(yīng)用于模式識別中。它去除原始樣本的冗余信息,提取出有助于樣本表示或分類的簡潔有用的信息。線性鑒別分析（LDA）屬于傳統(tǒng)的監(jiān)督特征提取方法,它旨在尋找最小化類內(nèi)散度（方差）同時(shí)最大化類間散度（方差）的低維線性投影子空間。提出一種新的特征提取方法,旨在改進(jìn)LDA,該方法在LDA的基礎(chǔ)上,增加了每個(gè)類的中心點(diǎn)與該類邊界異類樣本的近鄰關(guān)系,通過類中心對邊界異類樣本的排斥,擴(kuò)大了類與類相互的邊距,增強(qiáng)了類的可分性。YaleB人臉數(shù)據(jù)庫和CENPARMI手寫阿拉伯?dāng)?shù)字庫中的實(shí)驗(yàn)結(jié)果,證明了新方法確實(shí)能夠提高分類效果。