基于(2D)^2FPCA的手指静脉识别算法的Matlab代码实现-2D2FPCA

主成分分析的matlab代码实现(2D)^2FPCA 基于(2D)^2FPCA的手指静脉识别算法的Matlab实现 关于 (2D)^2FPCA 双向二维Fisher主成分分析（（2D）^2FPCA）是机器学习中降维算法的改进版本。 通过结合PCA和FLD算法，达到降维的目的。 问题 (2D)^2FPCA算法用于完成指静脉图像的降维，并对图像进行分类识别。 算法 对于图片先在列方向使用2DPCA，然后在行方向使用2DFLD。 以下示意图。 算法训练过程如下： 算法测试过程如下： 算法实现 这是我2019年5月完成的代码，算法程序用Matlab语言编写，运行(2D)^2FPCA.m文件。 注意：需要在代码中修改数据集读取位置。 实验 我在实验中尝试了算法在不同特征维度下的识别效率，希望能找到最好的特征映射维度。 具体实验结果如下： 参考 [1] 余成波，秦华锋．生物特征识别技术:手指静脉识别技术[M].清华大学出版社，2009. [2] 王杰，李海，王刚，等。 基于(2D)2FPCA的静脉识别[J]. 国际信号处理、图像处理和模式识别杂志，2013 年，6(4)：323-332。