论文部分内容阅读
在当今数据信息技术快速发展的社会，信息安全对于每个人来说越来越重要，身份验证和识别是保证安全的重要方法，受到研究人员越来越多的关注。近年来，基于生物识别方法，由于生物特征所具有的稳定性、防伪性等特点，该方法受到了广泛的应用。例如生活工作中人脸识别系统，指纹打卡系统等等。但是随着研究的发现，单生物识别存在着识别准确率、防伪性等方面一些问题。为了解决这些问题，研究人员提出多生物实现身份识别。 目前多生物识别技术仍然处于探索研究阶段，需要进一步研究。本文针对多生物识别的关键技术问题，提出了一种基于视觉词汇特征和变分贝叶斯极限学习机的多生物识别方法。实验结果表明与传统方法相比，该方法快速有效，对于识别准确率和算法实时性都有较大提升。 本文的主要工作: 第一，对多生物识别技术的背景和意义进行了较为全面的介绍和分析，特别是人脸和指纹识别技术。 第二，提出一种多生物图像视觉词汇特征提取方法，通过对视觉词汇特征空间的分析来挖掘多生物的更具有鉴别能力的特征。 第三，变分贝叶斯极限学习机(VBELM)研究。主要分析了生物识别中常用的学习算法:BP神经网络，支持向量机(SVM)，极限学习机(ELM)。提出了一种新的快速有效的单隐层前向神经网络-变分贝叶斯极限学习机，相比于传统的学习算法BP、SVM和ELM，在UCI机器学习数据库上的实验结果表明了提出的算法对于模式分类具有优势。 第四，基于视觉词汇特征以及变分贝叶斯极限学习机的多生物识别。提出将视觉词汇特征和变分贝叶斯极限学习机相结合运用到多生物识别中，可以充分发挥两者的优势，在多生物数据库上的实验结果表明，相比传统的方法，提出的方法具有更高的识别率。