基于視覺詞匯特征和變分貝葉斯極限學習機的多生物識別方法研究.pdf

1、在當今數(shù)據(jù)信息技術快速發(fā)展的社會，信息安全對于每個人來說越來越重要，身份驗證和識別是保證安全的重要方法，受到研究人員越來越多的關注。近年來，基于生物識別方法，由于生物特征所具有的穩(wěn)定性、防偽性等特點，該方法受到了廣泛的應用。例如生活工作中人臉識別系統(tǒng)，指紋打卡系統(tǒng)等等。但是隨著研究的發(fā)現(xiàn)，單生物識別存在著識別準確率、防偽性等方面一些問題。為了解決這些問題，研究人員提出多生物實現(xiàn)身份識別。
　　目前多生物識別技術仍然處于探索研究階段

2、，需要進一步研究。本文針對多生物識別的關鍵技術問題，提出了一種基于視覺詞匯特征和變分貝葉斯極限學習機的多生物識別方法。實驗結(jié)果表明與傳統(tǒng)方法相比，該方法快速有效，對于識別準確率和算法實時性都有較大提升。
　　本文的主要工作:
　　第一，對多生物識別技術的背景和意義進行了較為全面的介紹和分析，特別是人臉和指紋識別技術。
　　第二，提出一種多生物圖像視覺詞匯特征提取方法，通過對視覺詞匯特征空間的分析來挖掘多生物的更具有鑒別

3、能力的特征。
　　第三，變分貝葉斯極限學習機(VBELM)研究。主要分析了生物識別中常用的學習算法:BP神經(jīng)網(wǎng)絡，支持向量機(SVM)，極限學習機(ELM)。提出了一種新的快速有效的單隱層前向神經(jīng)網(wǎng)絡-變分貝葉斯極限學習機，相比于傳統(tǒng)的學習算法BP、SVM和ELM，在UCI機器學習數(shù)據(jù)庫上的實驗結(jié)果表明了提出的算法對于模式分類具有優(yōu)勢。
　　第四，基于視覺詞匯特征以及變分貝葉斯極限學習機的多生物識別。提出將視覺詞匯特征和變分