本文基于增强的Fisher判别准则（EFDC），提出了一种新的特征提取方法，称为不相关的增强多样性Fisher判别分析（UEDFDA），用于人脸识别。 UEDFDA通过同时考虑类别标签信息和局部结构来定义无参数分集加权矩阵。 因此，UEDFDA可以保留数据的局部多样性结构，而无需设置任何参数。 此外，所提出的算法能够提取特征空间中不相关的判别向量，并且不会遭受样本量小的问题，这是许多模式分析应用所希望的。 人脸数据库的实验结果表明了该方法的有效性。