基于聚類的掌紋快速識(shí)別方法研究.pdf

1、掌紋識(shí)別作為一種新興的生物識(shí)別技術(shù),具有較好的市場(chǎng)前景,近年來(lái)得到了廣泛的關(guān)注與研究,已經(jīng)形成了比較成熟的理論,現(xiàn)在開始走出實(shí)驗(yàn)室,進(jìn)入應(yīng)用階段。
　　掌紋的識(shí)別現(xiàn)在主要采用順序比對(duì)法,即將待識(shí)別的掌紋樣本與數(shù)據(jù)庫(kù)中的掌紋樣本逐一進(jìn)行匹配。這種方法在數(shù)據(jù)庫(kù)中的掌紋樣本數(shù)較小的時(shí)候能快速給出識(shí)別結(jié)果。但當(dāng)數(shù)據(jù)庫(kù)的樣本太大的時(shí)候識(shí)別所消耗的時(shí)間會(huì)明顯的增加,以至于超出人們能夠接受的范圍。另外,研究表明生物識(shí)別系統(tǒng)的錯(cuò)誤接受率會(huì)隨著數(shù)據(jù)

2、樣本數(shù)的增加而出現(xiàn)幾何級(jí)的增長(zhǎng),大大降低系統(tǒng)的安全性。因此,要使掌紋識(shí)別技術(shù)能夠應(yīng)用于大規(guī)模數(shù)據(jù)樣本的環(huán)境,就必須盡可能地減少識(shí)別時(shí)的搜索空間,縮短識(shí)別時(shí)間。
　　本文首先介紹了生物特征快速識(shí)別的常用方法并且分析了其優(yōu)缺點(diǎn),然后設(shè)計(jì)了一個(gè)基于聚類的掌紋快速識(shí)別的系統(tǒng)框架。本文重點(diǎn)研究了K-means和DBSCAN兩種聚類算法,并且針對(duì)它們各自的缺點(diǎn)提出了相應(yīng)的改進(jìn)措施。針對(duì)K-means聚類算法對(duì)初始聚類中心敏感的問(wèn)題,提出了一種

3、改進(jìn)的初始中心選擇方法。該方法選擇分隔得盡量遠(yuǎn)的幾個(gè)數(shù)據(jù)點(diǎn)作為初始類中心。針對(duì)DBSCAN算法對(duì)參數(shù)Eps和MinPts敏感且兩個(gè)參數(shù)不好確定的問(wèn)題,提出了一種利用Gaussian-means算法自動(dòng)估算Eps和MinPts的方法。實(shí)驗(yàn)結(jié)果表明,本文改進(jìn)的聚類算法與原始的算法相比能產(chǎn)生更好的聚類結(jié)果。最后,實(shí)驗(yàn)結(jié)果顯示將改進(jìn)的K-means聚類算法應(yīng)用到本文設(shè)計(jì)的掌紋快速識(shí)別系統(tǒng)上能顯著地提高掌紋識(shí)別的速度并且保持大約97％的識(shí)別精度。