随着科学技术的迅猛发展,各项识别技术被人们广泛关注。人脸作为区分人类特征的重要标志,其关注度近年来显著提高。人脸识别技术具有高稳定性、较强的直观性以及快捷安全的特点被应用到各个领域中,因此也成为了当今科研领域的一个热点问题。我们知道在当前人脸识别研究中,首先是对人脸特征的提取工作,这也是解决此类问题的关键,而计算机中的存储都是数字图像,在这里需要面对一个重要问题就是高维数据的处理,也就是“维数灾难”,如何利用降维方法效快速解决此类问题,流形学习给了我们很大的启发。通过流形学习,我们可以从高维数据中寻找到相应的低维流形结构,从而有效处理人脸识别等相关问题。本文主要是在介绍经典的降维方法的同时,包括线性方法和非线性方法,从中我们抓住了降维的本质所在。在传统的降维方法中,人们主观的降低维数,丢失了维数相关的重要信息,而投影向量作为构成投影矩阵的主要成分,决定了投影结果。本文的工作首先采用传统的降维方法得到投影向量,运用经典的算法ADABOOST对投影向量再次优化,我们称之为投影子向量,利用投影子向量进行投影,这种采用ADABOOST做局部优化的思想体现了方法的有效性。通过模拟仿真实验,本文在当今比较流行的人脸数据库上都有较好的实验效果,同时,文中还介绍了其他两种优化算法,遗传算法和粒子群算法,通过实验对比,我们验证了文中所提到做法的有效性和可行性。