模式识别技术在文字辨认、语音识别和生物医学等领域发挥着越来越重要的作用。随着计算机技术的发展,计算机所要处理的问题也越来越复杂。我们在生活生产中也会遇到各种各样的高维数据,如何将高维数据依据一定的规则找到其低维表示,并且由此找到内在结构信息和好的处理方式成为高维数据分析研究的热点之一。降维方法作为解决高维灾难的手段,引起大家的广泛关注,相应的探索也是层出不穷。本论文首先简要介绍了模式识别技术的研究现状以及应用领域,尤其是人脸识别技术及常用的人脸数据库,并对智能降维技术现有的理论和算法进行了汇总回顾,介绍降维算法在人脸识别和聚类两个领域的具体应用。在研究了国内外众多智能降维技术相关算法后,主要对最近何晓飞等提出的局部保持映射算法和Approximately harmonic projection算法进行研究,并将重点放在算法的改进和识别、聚类等应用上。然后在局部保持映射算法中的对角矩阵上引入指数参数,形成对角距阵指数优化的改进算法。通过实验可以证明,该算法能够影响降维的结果,可以使得降维更容易得到接近本征维数的投影向量,在人脸识别领域应用实验验证降维后的识别效果以及参数对噪声的敏感度。再在局部保持映射算法约束条件上进行改进,得到约束条件引入指数p的局部保持映射算法。该算法调整在求解目标函数时所用的限制条件,增强求解问题的灵活性,加入指数后通过实验来观察这种指数引入对降维以及识别率的影响,并试图总结出指数的范围和设计经验。最后对Approximately harmonic projection算法进行改进,在约束条件中加入两个指数参数,对求解公式进行泛化。通过调整指数的变化进行人脸图像聚类实验,发现指数的改变对聚类结果能够产生较大影响,针对特定的人脸聚类,可以通过调整参数达到更好的聚类效果。