在模式识别领域中,局部表示是一种新型的特征表示方式,流形学习是一种高效的降维方法,这两种算法由于其有效性而得到许多研究者的广泛关注。本文在局部编码、流形学习的学习成果的基础上,提出了结构保持局部坐标编码模型,本篇文章主要创新点如下:1)提出了能够保持流形结构的字典。传统学习字典的方法是利用迭代的方法来学习字典,或是把原始数据直接作为字典,利用这些方法学习的字典不能体现原始数据本质。为了解决这个问题,本文利用流形学习方法学习字典,学习的字典体现了原始数据的本质。2)提出了带有局部限制的表示方法。传统稀疏表示方法不区别基信号的来源直接由所有信号表示输出信号,因此基信号的信息并没有被很好地挖掘。为了使用较少的字典原子更佳地表示原始信号,本文提出了局部限制的方法,原始信号由相近数据点编码,编码系数保持了近邻关系的特性。本文提出了局部坐标编码和流形学习相结合的数学模型。通过实验比较当前一些常用的低维表示方法,结构保持局部坐标编码算法的准确率是较高的,因此我们的算法更加有实用价值。