提出了一种自适应性的特征提取方法.首先通过主成分分析求出样本全局投影空间,然后基于最大化投影构建优化目标函数,最后通过该函数求出自适应于个体样本的投影空间.该方法很好地考虑了样本集合中每个样本的分布特点.为了使得算法可应用于识别分类问题中,给出了计算存在于不同投影空间的个体样本间相似性的方法,相比于欧式度量,该方法被证明得到的相似性能够更好地表征样本间的测地距离关系,使其能够有效地对流型结构数据进行学习.通过在不同数据库上进行分类及重构的对比实验,实验结果表明,该方法能够更好地提取数据特征,且对离群点具有鲁棒性.