四元數體上的多模態(tài)生物識別技術研究.pdf

1、身份認證問題是人們日常生活中必須面對的問題，例如到銀行取錢需要通過6位數字密碼進行身份驗證，登陸社交軟件需要賬號密碼的驗證，這些都屬于需要人們主動記憶的傳統身份認證方式，容易被遺忘，安全級別也不高。在現在的日常生活中，除了傳統身份認證方式無處不在之外，生物識別技術作為新的身份認證方式也被廣泛應用，例如手機的指紋解鎖，應用軟件的“刷臉”登陸，保密門禁系統的虹膜識別等等。較傳統身份認證方式相比，生物識別安全級別更高更復雜，同時又隨身攜帶不需

2、要記憶。然而隨著科技的不斷發(fā)展，各種偽裝技術不斷涌現，單一模態(tài)的生物識別已經無法保障身份的安全，而在這個幾乎人人都需要電子商務的社會，身份認證問題又異常的重要，在這樣的背景環(huán)境下，多模態(tài)生物識別技術應運而生。
　　本文針對目前多模態(tài)生物識別技術融合模態(tài)少、融合后識別率低的現狀，探索全新的融合方式，主要對多種模態(tài)的融合方案、經典模式識別算法的適配性、融合算法的優(yōu)越性進行分析研究，提出了多種基于四元數的多模態(tài)生物識別系統。并且通過實驗

3、結果驗證了所提算法較相關算法有更高的識別率。
　　本文對四元數主成分分析算法和四元數線性判別分析算法進行了研究并應用到多模態(tài)生物識別當中，這兩種算法均基于線性變換，將高維空間數據投影到低維空間。其中四元數主成分分析算法的核心思想為K-L變換，四元數線性判別分析算法則主要借用了Fisher準則函數。本文還提出了四元數核主成分分析算法和四元數核線性判別分析算法，在線性變換的基礎上，引入核函數的概念，用于提取多模態(tài)生物非線性特征。最后，

4、本文提出了四元數局部保持投影算法和四元數鑒別局部保持投影算法，這兩種算法均基于流形學習，其中四元數局部保持投影算法基于拉普拉斯特征映射，是對拉普拉斯特征映射這一非線性特征提取方法的線性近似，四元數鑒別局部保持投影算法在前者的基礎上結合了Fisher判別分析算法，引入了類內散度和類間散度的概念。同時本文在每個小章節(jié)的末尾列出了該章算法對應的多模態(tài)生物識別系統的仿真結果。實驗結果表明本文提出的六種多模態(tài)融合算法和各單一模態(tài)、相同模態(tài)數量的串