为提高在非线性可分数据上的推荐质量，采用基于核函数的多特征线性判别分析建立推 荐模型． 基于多维特征数据，采用非线性映射转换到高维特征空间，通过构建基于核的映射函数， 将特征映像转换为内积空间的特征子集，最终建立基于核函数的多特征线性判别分析的分类准 则，对于用户喜好的物品进行分类判别并生成推荐． 实验结果表明: 在20%、40%、60%、80% 的 数据作为训练集，其余为测试集的实验条件下，随着推荐列表长度Ｒ 的增加，推荐准确率呈现 先升后降的趋势，在25≤ Ｒ ≤35 区间内，能够