基于多变量多项式模型的多模态生物特征分数层融合算法

基于多变量多项式模型的多模态生物特征分数层融合算法

ID:17641071

大小:40.50 KB

页数:15页

时间:2018-09-04

基于多变量多项式模型的多模态生物特征分数层融合算法_第1页
基于多变量多项式模型的多模态生物特征分数层融合算法_第2页
基于多变量多项式模型的多模态生物特征分数层融合算法_第3页
基于多变量多项式模型的多模态生物特征分数层融合算法_第4页
基于多变量多项式模型的多模态生物特征分数层融合算法_第5页
资源描述:

《基于多变量多项式模型的多模态生物特征分数层融合算法》由会员上传分享,免费在线阅读,更多相关内容在教育资源-天天文库

1、基于多变量多项式模型的多模态生物特征分数层融合算法第39卷第11期2009年11月中圈料孽教求大誊辱取JOURNALOFUNIVERSITYOFSCIENCEANDTECHNOLOGYOFCHINAVo1.39,No.11NOV.2009文章编号:0253—2778(2009)11—1177—06基于多变量多项式模型的多模态生物特征分数层融合算法张志坚,张培仁(中国科学技术大学自动化系,安徽合肥230027)摘要:提出了一种基于多变量多项式模型的多模态生物特征分数层融合算法(MPMSF),用多变量多项式模型获取融合分数,用最小二乘法确定模型中的参数.并对多变量多项式模型

2、进行简化,以减小计算量.MPMSF的特点在于不需要分数归一化.采用交叉验证的方法,评估了各种分数层融合算法的正确接受率和分数归一化,单模态性能对分数层融合算法的影响.开集测试表明,MPMSF算法优于传统的分数层融合算法.同时,MPMSF满足多模态生物特征识别系统实时性的需求.关键词:多模态生物特征识别;分数层融合;多变量多项式模型;交叉验证开集测试中图分类号:TP391.41文献标识码:AAscorefusionalgorithmbasedonthemultivariatepolynomialmodelZHANGZhi—jian,ZHANGPei-ren(Departm

3、entofAutomation,UniversityofScienceandTechnologyofChina,Hefei23007,China)Abstract:Anovelmultivariatepolynomialmodelbasedscorefusionalgorithm(MPMSF)wasproposed.Afusedscorewasobtainedfromthematchingscoresofsinglebiometricsbyusingthemultivariatepolynomialmode1.Theparametersofthefunctionwere

4、estimatedusingtheleastsquaresmethod(LSM).Also,crossvalidationwasemployedforscorefusionalgorithmevaluation.TheopensettestshowsthatMPMSFoutperformsotherscorefusionmethodsandthatitsCPUtimecanmeettherealtimerequirementofmultimodalbiometrics.Keywords:muhimodalbiometric;scorefusion;multivariat

5、epolynomialmodel;crossvalidationopentest0引言生物特征识别技术为身份识别提供了有效的方法.一般来说,多模态生物特征识别技术与单模态的生物特征识别技术相比,不仅具有更高的识别率,而且可靠性和普适性更强引.生物特征识别系统一般由四个环节构成:获取生物特征信号,特征提取,特征匹配以及决策.按照融合在哪个环节进行,多模态生物特征识别系统的融合方法可以分成四类:传感器层或像素层融合,特征层融合,分数层融合和决策层融合Ⅲ3].特征层融合利用了最多的原始信息,从理论上可以得到最高的性能,但是不同模态提取的特征不相容.例如,用PCAE,LDAE提

6、取的人脸特征均是实数向量,而虹膜提取的特征是二进制编收稿日期:2007—12—29;修回日期:2009—05—30作者简介:张志坚,男,1980年,博士生.研究方向:生物特征识别和嵌入式系统.E-mail:zjzhang3@mail.ustc.edu.cn通讯作者:张培仁,教授.E-mail:przhang@ustc.edu.cn1178中国科学技术大学第39卷码__6],这就限制了特征层融合的应用;而决策层融合利用的信息最少,对生物特征识别系统的性能提高有限.因此,分数层融合得到了最广泛的关注.目前,分数层融合策略有两种.(I)组合判定策略l8]:首先进行分数归一化然

7、后用简单规则对匹配分数进行融合.简单规则包括加法规则,乘法规则,最小规则,最大规则.常用的分数归一化方法包括min-max,Z-score,Tanh等.(Ⅱ)二级分类器策略¨8叫:把融合问题转换成二类(拒绝,接收)问题,即把M种单模态生物特征的匹配分数组成一个M维的特征向量,用各种模式分类算法(如LDAl】l_等)进行分类.实验表明,组合判定策略具有如下缺点:(工)当参加融合的生物特征的正确接收率(genuineacceptrate,GAR)相差较大时,会出现融合系统的GAR低于单生物特征的GAR的情况;(11)简单规则的GAR受到分数归

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。