指节纹识别综述*

相比其它生物特征,指节纹具有特征丰富,采集设备价格低,易于结合手形、手指静脉及掌纹组成性能鲁棒的多模态识别系统等优点.文中首先介绍指节纹的定义、数据采集、预处理方法等,之后详细介绍各种指节纹识别算法及多模态识别方案.根据特征提取及匹配方法的不同,将指节纹识别算法分为6类:基于结构的算法、基于子空间学习的算法、基于编码的算法、基于纹理特征的算法、基于相关滤波器的算法和基于局部特征描述子的算法.回顾和总结各种算法的特点,展望未来指节纹识别的发展方向.     

基于指节纹的个人身份自动识别

人体的指节纹具有稳定性且对于不同的人具有不同的位置和结构特征, 可作为身份识别的依据. 本文提出了一种基于指节纹的身份识别新方法: 对采集的手掌图像首先通过预处理分割出各手指并旋转至水平位置; 然后用Sobel算子求其水平梯度, 对梯度图二值化后经垂直投影得到一维向量; 对此向量应用小波去噪, 生成手指指节纹特征向量; 通过用余弦函数计算指节纹特征向量之间相似度实现最后的匹配. 本文用该方法对来自190个手掌的1900个样本进行了测试, 取得了0.67%的等误率, 单次匹配时间低于2ms. 实验结果表明该方法具有较高的识别精度, 而且识别速度快, 适合在大规模手掌库中实现手掌筛选.     

基于顶帽变换的指节纹和掌纹识别改进算法

针对指节纹、掌纹不易提取,且易受光照和手掌颜色不均影响的问题,提出了基于顶帽变换的指节纹、掌纹识别改进算法。顶帽变换能消除光照不均的影响,很好地提取手掌主纹线。对采集的手掌图像进行灰度化和顶帽变换后,进行二值化处理,分离出手掌区域,找到手掌区域所在位置,用Sobel边缘检测器分离出手掌边界,确定指尖指谷坐标,再对手掌区域进行分割,找到指节纹和掌纹大体区域,用互相关法进行掌纹和指节纹匹配。实验结果表明:提出的方法能够消除光照不均和手掌颜色不均的影响,且速度快,抗噪能力强,适合大规模手掌库实现粗筛选。     

基于多维信号特征融合的空间通信目标识别技术

针对空间通信目标个体识别问题,在射频指纹分析的基础上提出了一种多维信号特征融合提取方法。首先分别在时域、频域和高阶谱域对截获的空间通信目标射频信号提取个体多维信号特征,然后对提取的特征进行融合,并应用支撑矢量机对个体进行分类识别,最后采用实测数据对这种识别方案进行了验证。实验表明,通过多维信号特征融合方法可以有效提取空间通信目标的个体信息,并能获得良好的识别效果。     

基于离散余弦变换的手指指节折痕识别

提出了一种新的基于手指指节折痕的生物特征识别方法.针对指节折痕的分布特点,首先对CCD获取的手指图像进行预处理,并在手指的内侧截取一个长方形区域,用来提取折痕特征的感兴趣区域(ROI),该区域包含了手指的第一指节和第二指节的全部折痕线;其次.对ROI图像进行离散余弦变换,然后运用具有带通性质的滤波器去选择那些能很好表征手指折痕信息的余弦变换系数,以形成折痕特征矢量.该算法对光照变化不敏感.最后,在一个手指图像数据库上,利用基于欧氏距离的最近邻分类器进行了算法验证,等错误率(EER)约为0.71%,实验结果验证了该算法的有效性.     

基于FFT-Matching Pursuit的心电身份识别算法研究

本文研究了心电信号在身份识别中的应用,提出了基于快速傅里叶变换的匹配追踪心电特征提取算法。在预处理阶段,对心电信号进行消噪、标准化和质量检测等预处理,有效去除了心电信号中的噪声和心率变异所带来的干扰。特征提取阶段,对心电模板进行基于快速傅里叶变换的匹配追踪稀疏分解,原子的时频参数和投影值作为特征参数,然后构建支持向量机分类器,实现了身份识别。最后利用MIT-BIH的ST Change、PTB、QT等数据库测试了算法性能,获得了较高的识别率。     

一种基于最小距离编辑法的模糊地址识别模型

由于受到客户方言及语言习惯因素影响,加之呼叫中心客服坐席手工记录客户地址的形式不统一,难以实现精确筛选细化到小区、村庄级别的相近地址,支撑定位客户反映的频繁停电等问题。该文提出了一种地址模糊匹配模型,根据地址信息的字符和拼音形式,利用最小编辑距离算法和支持向量机分类相结合的新型模糊识别方法,能够实现对相近地址的精准研判。仿真结果表明,该方法可以克服谐音字对地址识别的影响,具有计算速度快且识别能力强的优势,能够支撑筛选频繁停电地址等场景应用。     

基于子空间特征融合的两级掌纹识别算法

针对单一PCA或PCA只能提取掌纹的线性或非线性特征,单一分类器的掌纹识别率低缺陷,提出一种子空间特征融合的两级掌纹识别方法（PCA-KPCA-SVM）。首先采用子空间特征提取方法PCA、KPCA分别提取掌纹图像线性和非线性特征,然后基于融合特征总类间距离最大准则,计算出最佳的融合系数,得到PCA、KPCA的融合掌纹特征,最后将融合特征输入到欧式距离分类器进行掌纹识别,如果拒绝识别,则输入支持向量机进行二次识别。采用Polyu掌纹图像库进行测试实验,结果表明,相对于对比算法,PCA-KPCA-SVM提高了掌纹识别率,有效降低了掌纹的误识率和拒识率。     

基于距离分布直方图的数字识别算法

由于自由字体与手写体数字形态的多变性,以往研究中具有较高准确率的算法往往牺牲了快速性,而具有实时性优势的算法却容易引起错误率的上升。针对这个问题,提出一种适用于快速数字识别的特征描述子——距离分布直方图(DDH),并在形状上下文的基础上提出一种既易于实现又具一定鲁棒性的描述子——形状累积直方图(SAH);然后将上述两个特征与其他改进后的拓扑特征相结合,组成最终的多特征矢量,由于其子矢量是由不同方法提取出的独特的特征,因此具有互补性;与此同时,算法中用三种组合特征训练了三个支持向量机来作分类器,综合它们给出的结果和自信度来给出最后的分类结果。在自建数据集、MNIST和USPS数据集上的实验结果显示,平均正确率最高达到了99.21%,证明了算法的高效性和鲁棒性。     

基于支持向量机的心音信号自动识别

心音信号识别对心血管疾病的诊断具有重要意义,为了提高心音信号的识别性能,提出一种基于支持向量机的心音信号自动识别方法。首先采用小波分析对心音信号进行降噪预处理,然后提取心音信号的Mel频率倒谱系数作为心音信号特征,最后采用支持向量机建立心音信号分类器,对采集心音信号数据的识别性能进行验证。实验结果表明,本文方法的心音信号平均识别率高达93%以上,可以准确识别正常和各种异常的心音信号。      

求解互补支持向量机的非单调信赖域算法

求解支持向量机的核心问题是对一个大规模凸二次规划问题进行求解。基于支持向量机的修正模型,得到一个与之等价的互补问题,利用Fischer-Burmeister互补函数,从一个新的角度提出了求解互补支持向量机的非单调信赖域算法。新算法避免了求解Hesse矩阵或矩阵求逆运算,减少了工作量,提高了运算效率。在不需要任何假设的情况下,证明算法具有全局收敛性。数值实验结果表明,对于大规模非线性分类问题,该算法的运行速度比LSVM算法和下降法快,为求解SVM优化问题提供了一种新的可行方法。     

合成少数类过采样过滤器方法在二手车推荐中的应用

 由于二手车推荐的数据集具有非平衡特性,因此,二手车推荐可视为非平衡分类问题,可借助解决非平衡分类问题的方法来实现二手车推荐。本文对非平衡数据分类的数据集重构进行研究,通过分析合成少数类过采样方法(Synthetic Minority Over-sampling Technique, SMOTE)的特点与不足,提出合成少数类过采样过滤器方法(Synthetic Minority Over-sampling Technique Filter, SmoteFilter),对SMOTE方法合成样本进行过滤,减少合成样本中的噪声数据,提高训练样本“质量”。使用支持向量机对SMOTE合成的数据和SmoteFilter合成的数据进行实验对比,结果表明SmoteFilter方法相较传统的SMOTE过采样方法,提高了二手车推荐中少数类的预测精度,提升了对二手车推荐的整体预测性能。     

基于模糊核聚类粒化的粒度支持向量机

针对传统的粒度支持向量机（granular support vector machine, GSVM）将训练样本在原空间粒化后再映射到核空间,导致数据与原空间的分布不一致,从而降低GSVM的泛化能力的问题,本文提出了一种基于模糊核聚类粒化的粒度支持向量机学习算法（fuzzy kernel cluster granular support vector machine, FKC-GSVM）。FKC-GSVM通过利用模糊核聚类直接在核空间对数据进行粒的划分和支持向量粒的选取,在相同的核空间中进行支持向量粒的GSVM训练。在UCI数据集和NDC大数据上的实验表明:与其他几个算法相比,FKC-GSVM在更短的时间内获得了精度更高的解。     

支持向量机算法用于拮抗药化合物活性的模式识别

试用新近提出的，特别适合于小样本多变量训练集的支持向量机（support vector machine,简称SVM）算法于复杂药物分子设计。对一批26个处理化疗或放疗呕吐拮抗药的候选化合物筛选数据用留一法判别SVM的预报能力。结果表明：与人工神经网络，最近邻法（KNN），Fisher法相比，SVM算法可以提供误报率更低的数学模型。     

核方法与流形学习在心电识别中的研究

结合核方法和局部线性嵌入（LLE）方法,提出了一种基于核局部线性嵌入方法,该方法克服了局部线性嵌入方法由于心电特征分布不均衡造成的不稳定问题。结合支持向量机在MIT-BIH心律失常标准数据库进行实验,并利用PCA和LLE进行特征提取比较,验证了该方法的有效性及优势。     

一种改进的支持向量机及其应用

针对传统支持向量机对噪声点敏感问题,提出一种改进的支持向量机。其基本思想是根据样本对分类贡献不同赋予相应的隶属度,贡献大的分配较大的隶属度,贡献小的分配较小的隶属度。与传统支持向量机比较,减小了噪声点对分类的影响,提高了SVM的泛化能力。并将其应用到车型识别中,结果显示该方法的有效性。     

人脸特征提取与识别技术研究

人脸识别是模式识别和人工智能领域的一个研究热点,近年来,特征提取与识别作为人脸识别系统的关键环节得到了更为广泛和深入的研究.本文首先简要回顾了人脸识别技术的研究背景及发展历程,对目前人脸特征提取与识别的主要方法进行了分类总结.通过对各种特征提取与识别方法的分析与比较,总结了当前存在的技术困难,并展望了今后的研究趋势.     

基于小波包变换和支持向量机的虹膜识别方法

提出了一种基于小波包变换和支持向量机的虹膜识别方法.用小波包变换对归一化的虹膜图像进行2层分解,并计算出每个子频带的能量;通过选择具有最大能量值的特征作为小波基特征,以减少进入支持向量机的样本数目和提高识别准确率;最后,用支持向量机对虹膜特征进行模式匹配.实验结果表明,该方法取得了较好的识别效果.