论文部分内容阅读
在小样本情况下，传统的2DPCA 算法采用的训练样本的平均值不一定就是训练样本分布的中心，而矩阵广义低秩逼近（GLRAM）算法需要多次迭代求解左右投影变换矩阵，复杂度高。为了解决这些问题，利用基于样本中间值的2DPCA 算法（M2DPCA），通过协方差矩阵获得右变换矩阵，进一步对其投影特征矩阵降维获得左投影变换矩阵，提出一种改进的 GLRAM算法的掌纹识别方法。在 PolyU 掌纹库上实验表明：改进的 GLRAM算法在节省了大量训练时间的同时，取得了比 GLRAM算法更好的重构效果和识别率。