本项目旨在申请人原有研究成果基础上，系统开展多类Fukunaga-Koontz变换（MFKT）的理论、算法以及运用该方法解决当前判别分析研究中存在的不足。所开展的研究工作包括：（1）对MFKT目标函数的定义、目标函数的优化求解，以及利用核函数技巧对MFKT方法的非线性推广；（2）针对Fisher判别准则在样本类均值相同条件下的判别失效问题，研究运用MFKT解决该问题的方法和算法。此外，本项目还将深入开展小样本条件下的增量式判别分析算法研究，并根据线性与非线性判别分析的特点实现两类面向高维空间的增量式判别分析算法，即（1）增量式线性判别分析算法；（2）增量式核判别分析算法。本项目侧重于MFKT方法的建立和应用、增量式判别分析算法的研究和实现，以及所提出的新方法和新算法在图像识别中的应用。