论文研究 一种改进的BDPCA掌纹识别方法.pdf

在小样本的情况下，BDPCA算法中采用以训练样本的平均值作为样本分布中心，所得的特征值不一定是最优的。为此，提出了一种基于样本散度矩阵的改进BDPCA掌纹识别算法。该算法采用训练样本的K值矩阵替代训练样本的均值矩阵，构建相应的总体散度矩阵。在PolyU和CASIA掌纹库上的实验结果证明，该方法的最优识别率高于传统的BDPCA算法。