在这项研究中，作者提出了一种用于模式识别的新的半监督低秩表示图。 样本集合由最近开发的低秩表示（LRR）联合编码，它可以更好地捕获数据的全局结构，并从损坏的样本中实现更强大的子空间分割。 通过使用计算出的标记和未标记样本的LRR系数作为图权重，在半监督学习的框架下以无参数的方式建立了低秩表示图。 在基准数据库上进行了一些实验，研究了该方法的性能，结果表明该方法优于其他相关的半监督图。