1.一种基于结构约束对称低秩保留投影的降维方法，其特征在于，该方法包括以下步骤：S1：图像数据集预处理，形成训练集；其中训练集中包含图像数据的数据信息X矩阵和有监督数据标签T矩阵；

S2：构建结构约束对称低秩保留投影模型，首先构建基础投影降维模型，同时引入低秩表示学习和监督信息；

S3：采用合适的权重更新策略和结束规则对表示矩阵Z、投影矩阵P和监督信息矩阵R进行联合学习，得到训练好的投影降维模型；

S4：将图像样本信息输入已训练好的投影降维模型，得到样本的目标分类和重建信息。

2.根据权利要求1所述的一种基于结构约束对称低秩保留投影的降维方法，其特征在于，所述步骤S2具体包括：首先构建基础投影降维模型为：Y＝PX

其中，P为投影矩阵，Y为降维后得到的数据；然后在基础投影降维模型中同时构建表示矩阵Z和监督信息矩阵R，利用学习表示矩阵和有监督信息对投影降维进行约束。

3.根据权利要求1所述的一种基于结构约束对称低秩保留投影的降维方法，其特征在于，所述步骤S3中，对步骤2中已构建的模型进行联合学习，具体包括：对表示矩阵Z、投影矩阵P和监督信息矩阵R进行联合学习联合更新优化，基于结构约束对称低秩保留投影的降维联合优化学习模型为：s.t.PX＝PXZ+E,Z＝ZT

其，中λ和β表示低秩项、稀疏项和噪声的平衡参数，γ表示重建误差的平衡参数，然后采用交替方向法对优化学习模型进行优化。

4.根据权利要求3所述的一种基于结构约束对称低秩保留投影的降维方法，其特征在于，所述采用交替方向法对优化学习模型进行优化的具体步骤为：

1)首先固定P更新Z和E，然后引入参数L，则优化学习模型变换为：s.t.PX＝PXZ+E,Z＝L,L＝LT其增广拉格朗日函数为：

其中，Y1和Y2是Lagrange乘子，μ是惩罚系数；固定P参数，同时更新Z和E变量来优化增广Lagrange函数；

对Z求导数， 得到，

对L求导数， 得到，

对E求导数， 得到，

2)利用ADM方法优化，固定Z更新P和E，得到：s·t·PX＝PXZ+E，Z＝ZT，PPT＝I其增广拉格朗日函数为：

对P求导数， 得到，

3)重复执行步骤1)和步骤2)直至参数收敛，得到训练好的降维模型，用于数据降维。

5.根据权利要求1所述的一种基于结构约束对称低秩保留投影的降维方法，其特征在于，所述步骤S4中，将待降维的图像信息输入已训练好的降维模型，得到数据降维结果，包括：首先获得测试样本图像Xtest，代入投影降维模型Y＝PXtest得到测试样本的降维结果。