特征抽取是模式识别的关键问题之一,特征融合则是特征抽取的重要补充,对提高系统分类性能具有重要意义。本文深入研究了多重集相关投影分析(包括多重集典型相关分析和多重集偏最小二乘分析),将其应用于多特征融合,在手写体数字识别和人脸识别问题中验证了所提算法的有效性。本文的主要研究及创新工作如下：(1)典型相关分析用于特征融合的局限性在于只能融合两种特征,而特征融合应用本身则希望能够融合更多的特征。虽然多重集典型相关分析的提出由来已久,但在特征抽取方面的应用还很少,本文深入研究了多重集典型相关分析,并提出了多重集偏最小二乘分析,将它们应用于多特征融合。(2)在广义典型相关分析的启发下,提出了多重集线性鉴别典型相关分析和多重集最大散度差典型相关分析,使投影后最小化各集合类内离散度,最大化类间离散度和集合相关性。广义典型相关分析最小化类内离散度的同时最大化集合间相关性,取得了比典型相关分析更优的效果,但并未充分利用类信息,本文结合线性鉴别分析的思想提出了多重集线性鉴别典型相关分析。通过分析最大散度差鉴别分析的基本思想和解法,提出总体散布约束的最大散度差鉴别分析,并证明其与线性鉴别分析的等价性。分析了子空间分析法求得的投影矢量尺度对分类的影响,总结和提出了四种投影矢量尺度归一化方法。结合总体散布约束的最大散度差鉴别分析的思想提出了多重集最大散度差典型相关分析。(3)提出了鉴别型多重集典型相关分析和鉴别型多重集偏最小二乘分析。鉴别型典型相关分析实现了最大化类内相关性同时最小化类间相关性,本文将其推广到多集合的情况,并结合偏最小二乘分析提出鉴别型多重集偏最小二乘分析。(4)结合典型相关分析用于单模态识别的方法,将类信息进行编码,作为多重集典型相关分析的一个输入集,将特征数据作为其他输入集,提出了多重集典型相关分析结合类信息的特征融合方法。