随着数据处理方式以及描述角度的不同，同一模式总是能够获得多种不同的特征表示．由于这些特征表示总是反映了同一模式的不同特性或视角，因此，对其进行有效地抽取与融合后，不仅可以保留参与抽取的多组特征的有效鉴别信息，还可以在一定程度上消除特征间的冗余信息，降低识别算法的复杂度，对模式分类来说无疑具有重要的实际意义．由于传统的维数约减方法，如主成分分析（ＰＣＡ）与线性鉴别分析（ＬＤＡ），主要针对模式的一组特征进行处理，并不适合对多表示数据进行融合与特征抽取，因此，本文以多表示数据为研究对象，深入研究了多重