试图将原始数据投影到低维特征空间中的特征提取算法引起了很多关注。 本文基于增强型Fisher判别准则（EFDC），提出了一种新的特征提取方法，称为零空间多样性Fisher判别分析（NSDFDA），用于人脸识别。 提出了基于新优化准则的NSDFDA，这意味着可以在类内散点的零空间中计算所有判别向量。 此外，所提出的算法能够提取特征空间中的正交判别矢量，并且同时不存在样本量小的问题，这是许多模式分析应用所希望的。 在Yale数据库上的实验结果证明了该方法的有效性。