無(wú)參數(shù)保持投影算法無(wú)需參數(shù)設(shè)置且識(shí)別性能穩(wěn)定，但算法不能有效地保持樣本的局部結(jié)構(gòu)，且忽略了非局部樣本所起的作用，而且存在著小樣本（ sss）問(wèn)題，為此提出了一種完備的無(wú)參數(shù)近鄰保持及最大化非近鄰算法。算法以樣本間余弦距離0.5為分界點(diǎn)將樣本分成近鄰及非近鄰樣本，為了充分利用近鄰樣本及非近鄰樣本，分別構(gòu)造了近鄰散度矩陣及非近鄰散度矩陣，因此算法的目標(biāo)函數(shù)就是求取能夠最小化近鄰散度矩陣的同時(shí)，最大化非近鄰散度矩陣的投影矩陣。對(duì)于目標(biāo)函數(shù)的求解，可先將高維樣本通過(guò)主成分分析（PCA）算法降至一個(gè)低維的予空間，并通過(guò)兩個(gè)定理證明了這種處理方法沒(méi)有損失任何有效的判別信息；然后將目標(biāo)函數(shù)轉(zhuǎn)換為差形式，從而有效地解決了小樣本問(wèn)題。在人臉庫(kù)及掌紋庫(kù)上的實(shí)驗(yàn)結(jié)果表明，與無(wú)參數(shù)局部保持投影算法相比，所提算法平均識(shí)別率更高，驗(yàn)證了算法的有效性。