1.一种基于掌纹数据贡献权重的掌纹身份识别方法，其特征在于，包括：获取掌纹训练样本数据，并计算每个掌纹训练样本数据的局部异常因子值；所述计算每个掌纹训练样本数据的局部异常因子值，具体包括：采用公式计算每个掌纹训练样本数据的可达距离

；其中， 为一个掌纹训练样本数据； 为掌纹训练样本数据 邻域内的一个掌纹训练样本数据； 为括号内掌纹训练样本数据的 距离； 为掌纹训练样本数据 和 之间的欧式距离；根据可达距离 ，采用公式计算每个掌纹训练样本数据 的局部可

达密度 ；其中， 为掌纹训练样本数据 的 邻域掌纹训练样本数据集合；

为在掌纹训练样本数据 的 邻域内所有点；根据局部可达密度 ，采用公式 计算每个掌纹训练样本数据 的局部异常因子值 ；其中， 为掌纹训练样本数据 的局部可达密度；

基于韦伯分布函数建立从所述局部异常因子值到贡献权重的映射关系，得到每个掌纹训练样本数据的贡献权重，具体包括：基于韦伯分布函数建立从所述局部异常因子值到贡献权重的映射关系 ；其中，x为每个掌纹训练样本数据的局部异常因子值 ； 为比例控制参数； 为形状控制参数；

为 范围内的累积概率； 为 范

围内的累积概率；根据从所述局部异常因子值到贡献权重的映射关系 得到每个掌纹训练样本数据 的贡献权重 ；

基于贝叶斯框架融合不同尺度邻域对应的贡献权重，得到每个掌纹训练样本数据的多尺度融合贡献权重；

根据每个掌纹训练样本数据的多尺度融合贡献权重优化掌纹识别模型参数，得到优化好的掌纹识别模型；

将待识别的掌纹数据输入所述优化好的掌纹识别模型中进行掌纹数据的身份判定。

2.根据权利要求1所述的基于掌纹数据贡献权重的掌纹身份识别方法，其特征在于，所述基于贝叶斯框架融合不同尺度邻域对应的贡献权重，得到每个掌纹训练样本数据的多尺度融合贡献权重，具体包括：计算不同尺度邻域 对应的贡献权重 作为给定 后的条件概率 ；

基于贝叶斯框架融合给定 后的条件概率 ，得到每个掌纹训练样本数据 的多尺度融合贡献权重 ；其中， 为先验概率， 为 值集合。

3.根据权利要求2所述的基于掌纹数据贡献权重的掌纹身份识别方法，其特征在于，所述根据每个掌纹训练样本数据的多尺度融合贡献权重优化掌纹识别模型参数，得到优化好的掌纹识别模型，具体包括：根据第i个掌纹训练样本数据 的多尺度融合贡献权重 ，采用加权损失对掌纹识别模型参数 进行优化，得到最优模型

参数 ；其中， 为掌纹识别模型 对掌纹训练样本数据 的预测损失； 为掌纹识别模型参数； 为掌纹训练样本数据的数量；

将最优模型参数 赋值给掌纹识别模型，得到优化好的掌纹识别模型 。

4.根据权利要求3所述的基于掌纹数据贡献权重的掌纹身份识别方法，其特征在于，所述将待识别的掌纹数据输入所述优化好的掌纹识别模型中进行掌纹数据的身份判定，具体包括：将待识别的掌纹数据 输入优化好的掌纹识别模型 中，判定出对应的掌纹数据身份 。

5.一种基于掌纹数据贡献权重的掌纹身份识别系统，其特征在于，包括：局部异常因子值计算模块，用于获取掌纹训练样本数据，并计算每个掌纹训练样本数据的局部异常因子值；所述计算每个掌纹训练样本数据的局部异常因子值，具体包括：采用公式 计算每个掌纹训练样本数据的可达距离 ；其中， 为一个掌纹训练样本数据； 为掌纹训练样本数据邻域内的一个掌纹训练样本数据； 为括号内掌纹训练样本数据的 距离； 为掌纹训练样本数据 和 之间的欧式距离；根据可达距离 ，采用公式计算每个掌纹训练样本数据 的局部可

达密度 ；其中， 为掌纹训练样本数据 的 邻域掌纹训练样本数据集合；

为在掌纹训练样本数据 的 邻域内所有点；根据局部可达密度 ，采用公式 计算每个掌纹训练样本数据 的局部异常因子值 ；其中， 为掌纹训练样本数据 的局部可达密度；

贡献权重计算模块，用于基于韦伯分布函数建立从所述局部异常因子值到贡献权重的映射关系，得到每个掌纹训练样本数据的贡献权重，具体包括：基于韦伯分布函数建立从所述局部异常因子值到贡献权重的映射关系 ；其中，x为每个掌纹训练样本数据 的局部异常因子值 ； 为比例控制参数； 为形状控制参数； 为 范围内的累积概率； 为范围内的累积概率；根据从所述局部异常因子值到贡献权重的映射关系 得到每个掌纹训练样本数据 的贡献权重 ；

多尺度融合贡献权重计算模块，用于基于贝叶斯框架融合不同尺度邻域对应的贡献权重，得到每个掌纹训练样本数据的多尺度融合贡献权重；

模型参数优化模块，用于根据每个掌纹训练样本数据的多尺度融合贡献权重优化掌纹识别模型参数，得到优化好的掌纹识别模型；

掌纹身份判定模块，用于将待识别的掌纹数据输入所述优化好的掌纹识别模型中进行掌纹数据的身份判定。

6.一种电子设备，其特征在于，包括存储器及处理器，所述存储器用于存储计算机程序，所述处理器运行所述计算机程序以使所述电子设备执行如权利要求1至4中任意一项所述的基于掌纹数据贡献权重的掌纹身份识别方法。

7.根据权利要求6所述的电子设备，其特征在于，所述存储器为计算机可读存储介质。