生物特征识别的几个重要步骤是：预处理、特征抽取、分类。而特征抽取在生物特征识别的过程中占有重要的地位。投影分析方法是常见的一类特征抽取方法。常见的投影分析方法有很多，其中线性方法如线性鉴别分析方法和主成分分析方法，非线性方法如核主成分分析方法和核线性鉴别分析方法等。本文主要关心投影分析方面的工作，内容如下：　　传统的核最小均方误差(KMSE）方法在过去得到了广泛的应用。然而，由于核方法的自身特性，传统KMSE方法在进行分类的时候效率比较低，难以满足那些在线的实时的应用问题。本文针对传统KMSE的特点，提出了改进的KMSE算法，提高了效率以使其更加实用,尤其适用于对时间要求比较高的情形。　　为了提高线性鉴别分析方法的准确度和效率及应用范围，人们对线性鉴别分析方法作了很多推广，从一般的一维线性鉴别分析到二维线性鉴别分析，从一般的线性鉴别分析到非线性的核的线性鉴别分析，从实域线性鉴别分析到复数域的线性鉴别分析。本文对传统的线性鉴别分析方法以及目前已经推广的线性鉴别分析方法作了进一步的推广，进而得到了基于复数矩阵的线性鉴别分析方法，该方法天然适用于双模生物特征识别的特征抽取工作。　　本文在上述方法的基础上又提出了两种特征层次的信息融合方法，并且对双向主分量分析(BDPCA)进行了改进。　　本文还对目前已经存在的两阶段特征抽取方法如PCA+LDA等进行了分析和总结，并且提出了几种新的两阶段的特征抽取方法。