在众多的生物特征识别技术中，人脸识别技术以其直接、安全等优点成为了最具潜力的识别技术之一。在人脸识别系统中，能有效的提取人脸图像中的鉴别信息特征是识别的关键一步，要求在保持人脸图像数据内在结构特性不变的同时有效的约简数据维数。目前，流形学习算法成为模式识别领域的一个研究热点，其主要思想是寻找出高维数据空间中的低维流形，并获得相对应的嵌入映射，从而对维数进行约简。本文在流形学习算法的基础上对人脸识别进行研究，主要做了以下的工作：　　1.针对流形学习算法存在对噪声敏感的问题，在传统的的硬、软阈值算法的基础上，改进了函数阈值降噪算法。与传统阈值降噪算法相比，该算法克服了传统算法在图像降噪过程中存在的不连续性、有恒定偏差等问题。仿真实验表明，改进的算法比传统的降噪算法对图像质量的提升较为明显。　　2.将凸轮（Cam）权重距离与局部保持投影算法和正交局部保持投影算法分别结合，改进了凸轮权重局部保持投影法和凸轮权重正交局部保持投影法。改进的算法将Cam权重距离有效地代替了两种流形学习算法在构造邻接图时所采用的欧式距离。仿真实验证实改进之后的算法性能较原来的两种流形学习算法效果更好。