线性判别分析（Linear DiscriminantAnalysis ，LDA ）是模式识别中较常用的一种算法，主要思想是最小化类内距离的同时最大化类间距离，得到最优的投影方向以产生最好的分类结果。线性判别分析算法由于其简单有效性在多个领域都得到了广泛地应用，但是算法本身仍然存在一些局限性需要进行研究改进。小样本问题由于样本库中的样本数量远小于样本的特征维数，样本与样本之间的距离变大使得距离度量失效，使 LDA 算法中的类内、类间离散度矩阵奇异，不能得到最优的投影方向，在人脸识别领域中表现得尤为突出。目前影响线性判别分析算法在人脸识别领域中的识别结果的主要问题是光照、表情等外部条件变化引起的面部大变化带来的识别问题。光照、表情等变化问题会使图像像素值发生大变化，引起人脸图像呈非凸复杂分布。使用线性特征的基于外观的识别算法（如 LDA）在光照、表情等变化下的识别性能下降，这是人脸识别中目前普遍存在的难题。
