交通标志识别作为智能交通系统的一个重要研究方面,在道路安全、信息指示等方面的作用越来越凸显。但是目前交通标志识别在数据量、识别率等方面都存在一些不足,而对交通标志进行有效地特征提取成为解决这一问题的一种思路。流行学习方法发掘数据之间的内在联系,提取数据的低维有效特征,从而可以有效地进行数据降维。本文在对流行学习典型算法进行研究的基础上,采用Swiss Roll数据模型对线性降维方法和非线性降维方法进行实验分析比较,指出了以局部线性嵌入(LLE)为代表的流行学习方法在数据降维中的优势。为了将LLE降维方法应用在交通标志识别中,首先采用公用人脸数据库ORL,将LLE方法与典型的数据降维方法PCA和LDA方法进行实验对比,进一步指出了LLE算法在发现图像的低维特征中的优势,并通过实验对其参数的选择进行探讨。然后进一步采用LLE算法对交通标志中的指示标志进行降维识别,验证了其在交通标志识别应用中的可行性。在交通标志识别的应用中,首先设计并给出了交通标志识别的软件框架；其次结合交通标志的颜色形状特征,采用不变矩的方法对交通标志进行检测；然后通过LLE方法对交通标志图像进行低维有效特征提取,采用AdaBoost集成学习算法与BP神经网络相结合的方法来对交通标志进行分类识别。实验表明,流行学习在图像降维方面有一定的优势,可以用于交通标志的识别。