基于流形學(xué)習(xí)的雙模態(tài)生物識(shí)別算法研究.pdf

1、隨著計(jì)算機(jī)科學(xué)和信息科學(xué)的進(jìn)步，人類進(jìn)入了互聯(lián)網(wǎng)大數(shù)據(jù)時(shí)代，對(duì)個(gè)人信息安全的重視達(dá)到空前未有的程度。在大量的信息互換中，通信雙方的身份真實(shí)性顯得極為重要。生物特征作為一種具有自然、直觀、安全、快捷的認(rèn)證方式，很好的兼顧了系統(tǒng)安全和用戶體驗(yàn)之間的矛盾，受到廣泛的應(yīng)用。
　　由于生物特征構(gòu)造復(fù)雜、形式多樣，以及在采集過程中易于形變等原因，機(jī)器自動(dòng)辨別這些特征一直是一個(gè)極具挑戰(zhàn)的領(lǐng)域。近年來，機(jī)器學(xué)習(xí)領(lǐng)域的熱點(diǎn)問題之一是如何尋找鑲嵌在高

2、維空間的低維空間的表征。流形學(xué)習(xí)恰巧具有這一特性能夠很好的解決生物特征的提取和維數(shù)約簡(jiǎn)的問題，在生物識(shí)別領(lǐng)域得到廣泛的應(yīng)用?，F(xiàn)有的生物身份認(rèn)證系統(tǒng)多為對(duì)單一特征進(jìn)行認(rèn)證，該系統(tǒng)具有一定的自身缺陷和使用的局限性，不能很好的在特殊人群廣泛使用?；谝陨显?，能夠同時(shí)識(shí)別多種生物特征的身份認(rèn)證系統(tǒng)將具有較好的使用和適用價(jià)值，且得到該領(lǐng)域研究者的關(guān)注。
　　本文主要針對(duì)傳統(tǒng)LPP算法的不足先后提出了擴(kuò)展的LPP算法、擴(kuò)展的DLPP算法和擴(kuò)

3、展的ILPP算法。其中擴(kuò)展的DLPP算法在分類過程中引入類間散布圖將類間判別信息考慮在內(nèi)從而提高了識(shí)別率。擴(kuò)展的ILPP算法通過施密特正交變換將LPP算法轉(zhuǎn)換成正交投影映射，在特征提取過程中能夠有效去除圖像中影響識(shí)別率的正交信息。然后將Fisher判別分析與流形學(xué)習(xí)方法相結(jié)合提出了擴(kuò)展的局部線性判別分析和擴(kuò)展的局部邊界分析。擴(kuò)展的局部線性分析通過使用類內(nèi)離散度和類間離散度矩陣伎其同時(shí)具有線性判別分析和流形學(xué)習(xí)方法的優(yōu)點(diǎn)。擴(kuò)展的邊界分析方