基于聚類的掌紋快速識別方法研究.pdf

1、掌紋識別作為一種新興的生物識別技術,具有較好的市場前景,近年來得到了廣泛的關注與研究,已經形成了比較成熟的理論,現在開始走出實驗室,進入應用階段。
　　掌紋的識別現在主要采用順序比對法,即將待識別的掌紋樣本與數據庫中的掌紋樣本逐一進行匹配。這種方法在數據庫中的掌紋樣本數較小的時候能快速給出識別結果。但當數據庫的樣本太大的時候識別所消耗的時間會明顯的增加,以至于超出人們能夠接受的范圍。另外,研究表明生物識別系統的錯誤接受率會隨著數據

2、樣本數的增加而出現幾何級的增長,大大降低系統的安全性。因此,要使掌紋識別技術能夠應用于大規(guī)模數據樣本的環(huán)境,就必須盡可能地減少識別時的搜索空間,縮短識別時間。
　　本文首先介紹了生物特征快速識別的常用方法并且分析了其優(yōu)缺點,然后設計了一個基于聚類的掌紋快速識別的系統框架。本文重點研究了K-means和DBSCAN兩種聚類算法,并且針對它們各自的缺點提出了相應的改進措施。針對K-means聚類算法對初始聚類中心敏感的問題,提出了一種

3、改進的初始中心選擇方法。該方法選擇分隔得盡量遠的幾個數據點作為初始類中心。針對DBSCAN算法對參數Eps和MinPts敏感且兩個參數不好確定的問題,提出了一種利用Gaussian-means算法自動估算Eps和MinPts的方法。實驗結果表明,本文改進的聚類算法與原始的算法相比能產生更好的聚類結果。最后,實驗結果顯示將改進的K-means聚類算法應用到本文設計的掌紋快速識別系統上能顯著地提高掌紋識別的速度并且保持大約97％的識別精度。