特征提取是人脸识别的最基本问题，但是目前大部分方法都是将样本数据直接投影到低维空间，并没有用到数据的局部结构信息。研究指出人脸图像在空间中往往呈现一种流形结构，即同类样本通常会呈现一种聚合状态，而异类样本往往呈现分散状态。事实证明流形结构对人脸的识别分类至关重要，为此越来越多的局部保留投影算法被提出来。实际中很多结构保留算法都以样本间的距离度量样本亲疏关系，并以此构造近邻结构。但是通过本文的分析发现遇到多样性数据时，样本间的距离往往不能很好的表示近邻关系，而以样本间的角度作为度量要更有效。因此，我们在以前工作的基础上提出了基于角度的局部保留投影ALPP算法和局部鉴别投影ALDP算法，实验结果证明它们不仅有更高的识别率，而且有更好的局部结构保留能力。为了构建更有效的近邻结构，我们引入复数特征融合机制，将样本间的距离和角度通过复数向量形式有机的结合起来，构造一个全新的复数域近邻结构，该结构使得近邻结构中的样本间空间关系更有层次感。在此基础上，为确保投影到低维空间中的近邻结构既能保持原始样本的距离关系，又能保持原始样本间的角度关系，本文进一步提出了复数局部保留投影CLPP算法和复数鉴别投影CLDP算法，它们使得局部结构得到更好的保留。在AR, FERET和COIL₂0库上的实验，证明了本文的方法有更好的分类识别效果，又证明了我们的方法比其他方法有更加有效的局部结构保留能力。