در سال های اخیر، بازشناسی چهره توجه زیادی را به خود جلب نموده است. بیان کلی مسئله بازشناسی چهره به صورت زیر می تواند توصیف شود که با داشتن یک عکس از فرد، هویت فرد با استفاده از پایگاه داده ذخیره شده از چهره ها شناسایی شود. روش بازشناسی چهره مبتنی بر ظاهر به طور گسترده ای از سال 1990 مورد مطالعه قرار گرفته است . دو مسئله ی مهم در بازشناسی چهره مبتنی بر ظاهر، استخراج ویژگی (کاهش بعد) برای نمایش چهره و دسته بندی عکس چهره جدید براساس ویژگی های استخراج شده می باشد. تمرکز این تحقیق بر روی استخراج ویژگی می باشد. در بازشناسی چهره، هدف استخراج ویژگی، نگاشت داده های ورودی بر روی فضای ویژگی است که ساختار ذاتی داده های اصلی را منعکس نموده و اطلاعات مفید را به اندازه ممکن حفظ کند. اکثر الگوریتم های کاهش بعد در چارچوب نشاندن گراف قرار می گیرند. در این تحقیق با بهره گیری از این چارچوب، الگوریتم های کاهش بعد جدیدی را ارائه می کنیم. الگوریتم های کاهش بعد پیشنهادی از ترکیب الگوریتم های منیفلدی با معیارهای تمیز، درجه عضویت همسایگی فازی، معیار تشابه نمایش تنک نامنفی و اصلاح توزیع داده ها ارائه می شوند. نتایج حاصل بر روی تعدادی پایگاه داده های چهره نشان می دهند که روش های پیشنهادی در مقایسه با سایر روش های استخراج ویژگی دقت بازشناسی بهتری را به دست می آورند.