一種基于支持向量機(jī)的多生物特征融合身份識別方法研究.pdf_第1頁
已閱讀1頁,還剩67頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

1、生物特征識別技術(shù)在信息化高度發(fā)展的當(dāng)今社會中為身份識別提供了有效的途徑,受到越來越多研究者的關(guān)注?;诙嗌锾卣魅诤系纳矸葑R別方法相比單特征識別具有以下特點(diǎn):1)更強(qiáng)的可靠性,可以提高系統(tǒng)性能和容錯能力,減少噪聲;2)更廣的適用性,彌補(bǔ)了單特征對某些人不適用的缺點(diǎn);3)更強(qiáng)的安全性等,具有非常廣闊的應(yīng)用前景。
  支持向量機(jī)是基于統(tǒng)計(jì)學(xué)習(xí)理論最優(yōu)化方法用以機(jī)器學(xué)習(xí)的新工具,具有解決高維數(shù)、非線性、小樣本的能力,已被廣泛應(yīng)用于生物信

2、息、人工智能等領(lǐng)域。將支持向量機(jī)用于生物特征身份識別,具有非常重要的意義。
  本論文的目的研究支持向量機(jī)對多生物特征融合身份識別的有效性,修正的高斯核函數(shù)對生物特征識別的更優(yōu)性及多生物特征融合對身份識別的實(shí)用性。
  本文主要工作是:
  1.針對采集的原始人臉圖像、指紋圖像和虹膜圖像的不足,分別進(jìn)行處理,消除噪聲并進(jìn)行特征提取,將支持向量機(jī)用于決策層構(gòu)建分類器,對提取的特征進(jìn)行訓(xùn)練和測試。實(shí)驗(yàn)驗(yàn)證了該方法可行性,具

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(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)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(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)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(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)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