本发明涉及一种基于核空间的线性鉴别稀疏表示分类器的设计方法，步骤为：读取训练样本，将训练样本进行非线性变换，变换到高维的核空间，在高维核空间对每一类训练样本进行学习，找出该类训练样本中每个个体对于构造该类训练样本子空间所做的贡献(即权重)，该类训练样本与权重矩阵的乘积构成词典，将所有类别的词典依次排列构成一个大的词典矩阵；通过词典矩阵获得该测试样本在核空间的线性鉴别稀疏编码，用每一类的词典及词典所对应的线性鉴别稀疏编码拟合测试样本，计算该拟合误差；拟合误差最小的类为测试样本的类别。本发明能够保证同一类样本的稀疏编码是集中的，不同类样本稀疏编码是分散的，有效地增加了样本鉴别性，提升了分类器性能。