基于子空間的特征級信息融合——及其在身份識別中的應用.pdf_第1頁
已閱讀1頁,還剩82頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、隨著當前社會的信息化、數(shù)字化、網絡化急速發(fā)展,傳統(tǒng)的口令、密碼已經無法滿足人們對安全認證的需求。應運而生的生物特征識別技術已經成為身份認證的發(fā)展趨勢。單一的生物識別技術不是因為其識別精度不高,就是因為其自身難以克服的缺點,難以達到實用化的地步。目前多生物特征融合技術正成為生物識別技術的熱點,其中包括了多傳感器上的信息融合,多算法的信息融合,多模態(tài)的信息融合等。而按照國際上信息融合層次的劃分,包括了數(shù)據(jù)級,特征級,分數(shù)級和決策級上的融合。

2、本文也正是在國家自然科學基金項目“特征級信息融合理論及其應用研究”背景下完成的。 本文從特征級信息融合的思路出發(fā),在子空間分析的框架下采用多算法和多模態(tài)的信息融合技術對生物特征進行融合,以達到更高的身份識別率和更低的認證錯誤率,包括錯誤接受率(FAR),錯誤拒絕率(FRR)等。本文的主要工作如下: 1.通過線性主成分分析(PCA)和基于核的主成分分析(KPCA)抽取特征的自融合算法,用在掌紋識別上得到了較單一特征高的識別

3、率。PCA和KPCA分別抽取的是線性特征和非線性特征,基于融合特征總類間距離最大準則,計算出其最佳的融合系數(shù),使得融合特征的可分性最大。 2.對類內散度矩陣的雙子空間(零空間和秩空間)進行了研究分析,并給出了融合雙子空間鑒別信息的算法。線性判決分析(LDA)是子空間分析中的經典算法,不過由于小樣本問題導致其類內散度矩陣的奇異,傳統(tǒng)的解決方法比如Fisherpalm是舍棄了存在于類內散度矩陣零空間中的鑒別向量,而另外一些方法比如共

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論