在对高维数据的处理中,若不考虑数据降维的问题,会导致数据量大,计算复杂,难以提取有价值的信息等问题,因此,高维数据的特征提取是数据挖掘中重要的数据预处理问题。高维数据特征提取是从原始数据中提取对分类识别最有效的特征,以表示原始数据,从而实现特征空间维数的压缩。本文以湖南省自然科学基金项目为背景,系统研究了激光诱导自体荧光光谱数据的特征提取技术。本文通过分析比较当前经典的特征提取技术,并分析其优缺点,提出了两种数据特征提取方法。首先,从统计分析角度,提出了一种基于主成分判别分析的特征提取方法,该方法克服了主成分分析中鲁棒性差、没有充分利用类别信息的问题,克服了FLDA算法的小样本问题和秩限制问题,可有效降低数据维数。其次,引入粗糙集理论,从知识发现的角度提出了基于容错关系信息熵的粗糙主成分分析方法,该方法不需要任何先验知识,可对知识进行严密分析和处理。通过实验证明,粗糙主成分分析方法不仅解决了主成分判别分析方法难以处理的信息不完备问题,而且取得了更高的分类识别率、敏感性和特异性。