独立成分分析和支持向量机的虹膜识别方法

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

独立成分分析和支持向量机的虹膜识别方法

王勇, 许录平

文章导航 > 电子科技大学学报 > 2007 > 36(3): 583-586

王勇, 许录平. 独立成分分析和支持向量机的虹膜识别方法[J]. 电子科技大学学报, 2007, 36(3): 583-586.

引用本文:

王勇, 许录平. 独立成分分析和支持向量机的虹膜识别方法[J]. 电子科技大学学报, 2007, 36(3): 583-586.

WANG Yong, XU Lu-ping. Iris Recognition Method Based on Independent Component Analysis and Support Vector Machine[J]. Journal of University of Electronic Science and Technology of China, 2007, 36(3): 583-586.

Citation:

WANG Yong, XU Lu-ping. Iris Recognition Method Based on Independent Component Analysis and Support Vector Machine[J]. Journal of University of Electronic Science and Technology of China, 2007, 36(3): 583-586.

独立成分分析和支持向量机的虹膜识别方法

王勇,
许录平

1.
西安电子科技大学电子工程学院西安 710071

基金项目:

国家自然科学基金资助项目(60472085);陕西省自然科学青年基金资助项目(2006F01)

作者简介:
王勇(1976-),男,讲师,主要从事图像处理与模式识别、多传感信息融合方面的研究.

中图分类号: TP391.4

Iris Recognition Method Based on Independent Component Analysis and Support Vector Machine

1.
School of Electronics Engineering,Xidian University Xi'an 710071

摘要: 为了提高虹膜识别的性能,提出了一种新的虹膜识别方法。该方法采用独立成分分析获取虹膜高阶统计信息,并将输入模式空间映射到相应的独立成分空间,然后在该独立成分空间中,利用支持向量机的泛化特性构造最优分类超平面。通过CASIA虹膜数据库的仿真实验,该方法降低了特征空间维数,具有较高的正确识别率。特别是对高斯核,取得了98.61%的正确识别率,较相异度函数和最近特征线方法分别高6.48%和4.54%,同时也提高了算法的鲁棒性和灵活性。
- 独立成分分析 /
- 虹膜识别 /
- 最近特征线 /
- 支持向量机
Abstract: In order to improve the performance of iris recognition, a novel iris recognition method is presented. In this method the independent component analysis is used to obtain iris high order statistic information and mapped the input mode space into the corresponding independent component space. Then the maximal hyperplane is constructed in the independent component space using the generalization of the support vector machine. Numerical simulation based on the CASIA iris database shows that the proposed method can reduce the dimension of the feature space and has higher correct classification rate. Especially, though using Gauss kernel, the rate of correct recognition reaches 98.61% which is increased 6.48% and 4.54% respectively comparing with dissimilarity functions and the nearest feature line method, while improving robustness and flexibility of iris recognition.
- independent component analysis /
- iris recognition /
- nearest feature line /
- support vector machine

[1]	吴涢晖, 赵子天, 陈晓雷, 邹士亚. 大气低频声信号识别深度学习方法研究 . 电子科技大学学报, 2020, 49(5): 758-765. doi: 10.12178/1001-0548.2019297
[2]	孙晶涛, 张秋余. 不均衡大数据集下的文本特征基因提取方法 . 电子科技大学学报, 2018, 47(1): 125-131. doi: 10.3969/j.issn.1001-0548.2018.01.019
[3]	黄一鸣, 雷航, 周瑞, 桑楠. 基于手机传感器的握持方式判断及运动状态识别 . 电子科技大学学报, 2017, 46(2): 399-406. doi: 10.3969/j.issn.1001-0548.2017.02.014
[4]	冯平兴, 魏平. 多类型噪声中的独立成分分离算法 . 电子科技大学学报, 2017, 46(2): 352-356. doi: 10.3969/j.issn.1001-0548.2017.02.006
[5]	张静, 刘忠宝. 基于流形判别分析的全局保序学习机 . 电子科技大学学报, 2015, 44(6): 911-916. doi: 10.3969/j.issn.1001-0548.2015.06.020
[6]	何海江. 截断误差的光滑型支持向量顺序回归 . 电子科技大学学报, 2014, 43(1): 131-136. doi: 10.3969/j.issn.1001-0548.2014.01.022
[7]	刘忠宝. 新型支持向量机在风速预测模型中的应用研究 . 电子科技大学学报, 2014, 43(5): 754-757. doi: 10.3969/j.issn.1001-0548.2014.05.021
[8]	韩杰思, 沈建京. 采用图像滤波的多特征JPEG盲检测 . 电子科技大学学报, 2011, 40(2): 255-260. doi: 10.3969/j.issn.1001-0548.2011.02.020
[9]	王宏, 周正欧, 李廷军, 孔令讲. 基于EEMD穿墙雷达人的运动模式识别 . 电子科技大学学报, 2011, 40(3): 346-351. doi: 10.3969/j.issn.1001-0548.2011.03.003
[10]	丁世飞, 齐丙娟, 谭红艳. 支持向量机理论与算法研究综述 . 电子科技大学学报, 2011, 40(1): 2-10. doi: 10.3969/j.issn.1001-0548.2011.01.001
[11]	张雪芹, 顾春华, 吴吉义. 异常检测中支持向量机最优模型选择方法 . 电子科技大学学报, 2011, 40(4): 559-563. doi: 10.3969/j.issn.1001-0548.2011.04.017
[12]	何海江, 陈姝. 由排序支持向量机抽取博客文章的摘要 . 电子科技大学学报, 2010, 39(4): 593-597. doi: 10.3969/j.issn.1001-0548.2010.04.026
[13]	向国齐, 严志坚, 黄大贵. 支持向量机替代模型的遗传优化设计 . 电子科技大学学报, 2009, 38(3): 459-462. doi: 10.3969/j.issn.1001-0548.2009.03.034
[14]	李建勋, 唐斌, 吕强. 双谱特征提取在欺骗式干扰方式识别中的应用 . 电子科技大学学报, 2009, 38(3): 329-332. doi: 10.3969/j.issn.1001-0548.2009.03.003
[15]	胡丹, 肖建, 车畅. 再生核支持向量机在非线性系统中的应用 . 电子科技大学学报, 2008, 37(1): 124-127.
[16]	徐图, 罗瑜, 何大可. 多类支持向量机的DDoS攻击检测的方法 . 电子科技大学学报, 2008, 37(2): 274-277.
[17]	李明, 张勇, 李军权, 张亚芬. 改进PSO-SVM在说话人识别中的应用 . 电子科技大学学报, 2007, 36(6): 1345-1349.
[18]	佘堃, 蒲红梅, 郑方伟, 周明天. 自适应多目独立成分分析 . 电子科技大学学报, 2007, 36(1): 11-13.
[19]	周鸣争, 汪军. 基于支持向量机的传感器非线性误差校正 . 电子科技大学学报, 2006, 35(2): 242-245.
[20]	李庆嵘, 马争. 虹膜定位算法研究 . 电子科技大学学报, 2002, 31(1): 7-9.

WeChat

点击查看大图

计量

文章访问数: 3410
HTML全文浏览量: 100
PDF下载量: 66
被引次数: 0

独立成分分析和支持向量机的虹膜识别方法

王勇,
许录平

1. 西安电子科技大学电子工程学院西安 710071

基金项目:

国家自然科学基金资助项目(60472085);陕西省自然科学青年基金资助项目(2006F01)

作者简介:
王勇(1976-),男,讲师,主要从事图像处理与模式识别、多传感信息融合方面的研究.

收稿日期: 2005-10-09
刊出日期: 2007-06-15

中图分类号: TP391.4

关键词:

摘要: 为了提高虹膜识别的性能,提出了一种新的虹膜识别方法。该方法采用独立成分分析获取虹膜高阶统计信息,并将输入模式空间映射到相应的独立成分空间,然后在该独立成分空间中,利用支持向量机的泛化特性构造最优分类超平面。通过CASIA虹膜数据库的仿真实验,该方法降低了特征空间维数,具有较高的正确识别率。特别是对高斯核,取得了98.61%的正确识别率,较相异度函数和最近特征线方法分别高6.48%和4.54%,同时也提高了算法的鲁棒性和灵活性。

English Abstract

王勇, 许录平. 独立成分分析和支持向量机的虹膜识别方法[J]. 电子科技大学学报, 2007, 36(3): 583-586.

引用本文:

王勇, 许录平. 独立成分分析和支持向量机的虹膜识别方法[J]. 电子科技大学学报, 2007, 36(3): 583-586.

WANG Yong, XU Lu-ping. Iris Recognition Method Based on Independent Component Analysis and Support Vector Machine[J]. Journal of University of Electronic Science and Technology of China, 2007, 36(3): 583-586.

Citation:

WANG Yong, XU Lu-ping. Iris Recognition Method Based on Independent Component Analysis and Support Vector Machine[J]. Journal of University of Electronic Science and Technology of China, 2007, 36(3): 583-586.

全文HTML

/

下载: 全尺寸图片幻灯片

分享

用微信扫码二维码

分享至好友和朋友圈

返回

期刊在线

编辑办公

友情链接

电子科技大学

版权所有 © 《电子科技大学学报》编辑部

地址: 成都市建设北路二段四号电子科技大学主楼中350室电话: 028-83202308,83207559 Email: xuebao@uestc.edu.cn

本系统由北京仁和汇智信息技术有限公司开发