ABC-SVM模型在手指静脉图像质量评估中的应用研究.pdf

《ABC-SVM模型在手指静脉图像质量评估中的应用研究.pdf》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、胡晶晶等:ABC－SVM模型在手指静脉图像质量评估中的应用研究《激光杂志》2017年第38卷第4期LASEＲJOUＲNAL(Vol.38，No.4，2017)169ABC－SVM模型在手指静脉图像质量评估中的应用研究121111胡晶晶，秦华锋，罗钦，周树林，曾建梅，李翠锦(1．重庆工程学院，重庆400056;)2．重庆工商大学，重庆400060摘要:为了避免传统优化方法容易陷入局部最优解的情况，本文采用人工蜂群(ArtificialBeeColony，ABC)方法对支持向量机(SupportVect

2、orMachine，SVM)模型的惩罚因子C和宽度参数σ进行参数优化，兼顾了局部最优解和全局最优解，建立了ABC－SVM模型，并将此模型应用在手指静脉图像质量评估中。通过与未经过参数优化的SVM模型对比，同时也与蚁群算法(ACO)、遗传算法(GA)、粒子群算法(PSO)三种优化方法进行对比实验，实验结果表明，ABC－SVM模型无论在分类准确率方面，还是运行时间方面，都是可行的，证明其具有良好的应用价值。关键词:人工蜂群方法;支持向量机;参数优化;质量评估中图分类号:TN911文献标识码:ADOI编码

3、:10.14016/j．cnki．jgzz.2017.04.169TheApplicationＲesearchoftheABC－SVMModelintheFingerVeinImageQualityAssessment121111HUJing－jing，QINHua－feng，LUOQin，ZHOUShu－lin，ZENGJian－mei，LICui－jin(1．ChongqingInstituteofEngineering，Chongqing400056，China;)2．ChongqingTec

4、hnologyandBusinessUniversity，Chongqing400056，ChinaAbstract:Inordertoavoidfallingintolocaloptimalsolutionofthetraditionaloptimizationmethods，thepenaltyfactorCandwidthparameterσofthesupportvectormachinemodelareoptimizedbytheartificialbeecolonymethod，with

5、whichtheglobaloptimalsolutionsandlocaloptimalsolutionsarecombined，andtheABC－SVMmodelisestab-lished，thenthemodelisappliedinthefingerveinimagequalityassessment．ComparedwiththeSVMmodel，whichisnotoptimized，alsowiththethreeoptimizationmethodsofantcolonyalgo

6、rithm，geneticalgorithmandparticleswarmoptimization，theexperimentalresultsprovethattheABC－SVMmodelisfeasibleintermsoftheclassificationaccuracyandtherunningtime．Ithasgoodapplicationvalue．Keywords:artificialbeecolonymethod;supportvectormachine;parameterop

7、timization;qualityassessment在手指静脉识别技术中，系统采集静脉图像时，参数优化，通过寻优方法，确定合适的模型参数。常光照强度、温湿度、手指位置等各种外界因素都会影用的参数优化方法主要有:蚁群算法(ACO)、遗传算［3］响到图像的质量，导致系统采集到质量低的图像，若法(GA)、粒子群算法(PSO)等，文献［4］通过对复将这些图像输入到识别系统，必然会增加后期算法的杂背景图像中的文字问题进行分析研究，提出并建立复杂度，甚至影响系统的识别精度。因此，有必要对了一种基于蚁群优化算

8、法的复杂背景图像文字检测采集图像进行质量评估，筛选出质量较高的图像输入模型，通过实验证明了该方法能够在一定程度上提高识别系统，从而降低系统后期算法的复杂度、提高系文字检测率和召回率，说明该方法能够有效地检测出［1］统的识别性能。复杂背景中的文字内容;文献［5］采用遗传算法优化在SVM理论的应用过程中，参数的选择对SVMSVM模型，并将其应用在航空飞行器噪声监测方面，［2］模型的分类准确率有着重要的影响。为了使所建实验证明了通过遗传算法的优化，能够提高SVM模立的SVM