随着计算机科学和信息科学的进步,人类进入了互联网大数据时代,对个人信息安全的重视达到空前未有的程度。在大量的信息互换中,通信双方的身份真实性显得极为重要。生物特征作为一种具有自然、直观、安全、快捷的认证方式,很好的兼顾了系统安全和用户体验之间的矛盾,受到广泛的应用。由于生物特征构造复杂、形式多样,以及在采集过程中易于形变等原因,机器自动辨别这些特征一直是一个极具挑战的领域。近年来,机器学习领域的热点问题之一是如何寻找镶嵌在高维空间的低维空间的表征。流形学习恰巧具有这一特性能够很好的解决生物特征的提取和维数约简的问题,在生物识别领域得到广泛的应用。现有的生物身份认证系统多为对单一特征进行认证,该系统具有一定的自身缺陷和使用的局限性,不能很好的在特殊人群广泛使用。基于以上原因,能够同时识别多种生物特征的身份认证系统将具有较好的使用和适用价值,且得到该领域研究者的关注。本文主要针对传统LPP算法的不足先后提出了扩展的LPP算法、扩展的DLPP算法和扩展的ILPP算法。其中扩展的DLPP算法在分类过程中引入类间散布图将类间判别信息考虑在内从而提高了识别率。扩展的ILPP算法通过施密特正交变换将LPP算法转换成正交投影映射,在特征提取过程中能够有效去除图像中影响识别率的正交信息。然后将Fisher判别分析与流形学习方法相结合提出了扩展的局部线性判别分析和扩展的局部边界分析。扩展的局部线性分析通过使用类内离散度和类间离散度矩阵使其同时具有线性判别分析和流形学习方法的优点。扩展的边界分析方法通过惩罚图成功分离了同类中相距较远的点和不同类中相距较近点之间的边界。在每小节的最后将所提出的算法应用到双模态生物识别系统中,验证算法有效性。