针对工业大数据中高维小样本情况导致增量线性判别分析失效问题，提出了一种面向工业大数据的多层增量特征提取方法，对高维小样本数据进行有效降维，并最大限度保留样本的变异信息和判别信息．首先，利用滑动窗口增量实时更新数据流，检测和过滤离群点，基于增量主成分分析对数据进行初步特征提取，利用Fisher准则函数量化各主元所包含的分类信息；然后，采用熵值法确定各主元贡献率和识别能力的权重，对主元进行筛选,由筛选出的主元构成新的特征空间；最后，将当前窗口的高维数据通过增量线性判别分析投影，完成二次特征提取的同时确定样本类别．实验结果表明，该方法可有效提取实时数据特征，同时很好地保留其判别能力．
