稀疏子空间学习近来受到越来越多的关注。 但是，大多数稀疏子空间学习方法是无监督的，不适合分类任务。 本文提出了一种新的稀疏子空间学习算法，即判别式稀疏邻域保留嵌入（DSNPE），它是将判别信息添加到稀疏邻域保留嵌入中（SNPE）。 DSNPE不仅保留了SNPE的稀疏重构关系，而且还从以下两个方面充分利用了全局判别结构：（1）在DSNPE的目标函数中增加了最大余量准则（MMC）； （2）仅使用与当前样本具有相同标签的训练样本来计算稀疏重建关系。 在三个面部图像数据集（Yale，Extended Y