边际Fisher分析（MFA）是一种有效的降维方法，可以提取有用的判别特征进行图像识别。 由于稀疏学习可以实现更好的泛化能力并减少识别任务中的计算量，因此本文将稀疏性引入MFA，并提出了一种新颖的稀疏改进MFA（SMMFA）方法用于面部表情识别。 SMMFA的目标是通过使用所得的稀疏投影矩阵来提取判别特征。 首先，提出了一种改进的MFA，以找到原始的投影矩阵。 与MFA相似，修改后的MFA还定义了类内图和类间图，以分别描述同一类中的几何结构和不同类之间的局部判别结构。 此外，修改后的MFA会删除