一种用于掌纹识别的线特征表示和匹配方法

作为一种较新的生物特征,掌纹可用来进行人的身份识别.在用于身份识别的诸多特征中,掌纹线,包括主线和皱褶,是最重要的特征之一.本文为掌纹识别提出一种有效的掌纹线特征的表示和匹配方法,该方法定义了一个矢量来表示一个掌纹上的线特征,该矢量称为线特征矢量(1ine feature vector,简称LFV).线特征矢量是用掌纹线上各点的梯度大小和方向来构造的.该矢量不但含有掌纹线的结构信息,而且还含有这些线的强度信息,因而,线特征矢量不但能区分具有不同线结构的掌纹,同时也能区分那些具有相似的线结构但各线强度分布不同的掌纹.在掌纹匹配阶段,用互相关系数来衡量不同线特征矢量的相似性.实验表明,LFV方法无论是在速度、精度,还是在存储量方面都能满足联机生物识别的要求.     

一种采用脊线特征的指纹模糊匹配方法

针对目前指纹识别系统主要采用手指上细节点的分布来表征和匹配指纹,提出了一种采用指纹脊线特征的匹配算法,以提高细节点数量较少情况下的匹配精度.在特征提取阶段,通过脊线采样,只存储脊线采样点集以降低存储量;在匹配时,对欲匹配的两指纹利用细节特征配准脊线集,在重合区域内对两指纹脊线统一进行编码,通过编码的比较确定相似脊线;以相似脊线的相同位置编码为论域,以相同位置编码的相似程度为隶属度,建立衡量脊线相似程度的模糊集,采用加权平均法对多个相似脊线模糊集进行综合评判得到两指纹脊线总体相似度.最后将脊线匹配相似度与细节点匹配相似度进行加权融合得到两指纹最终的相似度.在FVC2004指纹库上的实验表明该算法能够有效提高指纹匹配的准确性.     

基于多尺度特征映射匹配的图像表示方法

在卷积神经网络模型中,空间金字塔池化方法将空间信息融入到深度特征的生成过程中,最终生成的图像表示可以有效地用于提高图像检索性能,但是此方法会导致生成的图像表示中不同维度之间描述的信息存在重复且相同维度描述的图像内容不匹配。为此提出了一种基于多尺度特征映射匹配（multi-scale feature map matching,MFMM）的图像表示方法,此方法首先利用深度特征的方差与协方差矩阵提出了一种特征映射选择算法,用于增强图像表示中不同维度特征的独立性。其次,依据相同通道特征映射中高响应值位置有较高匹配性的特点,结合激活映射中最大响应位置的深度特征提出了一种优化的特征映射中心点选择方法。最后,按照不同的中心点通过多尺度窗口采样的方式,从特征映射中提取出带有空间信息的深度特征用于表示图像内容。实验结果表明,提出的方法在图像检索任务中能够取得良好的效果。     

一种基于多尺度轮廓点空间关系特征的形状匹配方法

针对使用三角形区域表示描述子对相似形状进行匹配时,对微小形变比较敏感 以及区分剧烈变化的不相似形状时判别能力较弱的问题, 提出一种结合轮廓点空间关系特征的多尺度形状特征描述子.通过分析不同尺度下参考点与其他采样点之间的位置关系, 利用对应角度信息来对形状进行表示, 并在此基础上构造出一种新的形状特征描述子.本文所提特征提取方法能对形状的局部及全局信息更准确地描述, 具有较好的鲁棒性和判别能力.在形状特征匹配阶段, 利用轮廓点集顺序关系已知这一优势, 引入动态规划及形状复杂度分析的方法,分析形状间的匹配结果, 能够得到较好的形状匹配精度.通过对不同形状数据集行仿真实验, 证明本文方法能够有效地实现形状识别和检索.     

一种基于模糊匹配的元器件分类方法

近年,随着航空电子元器件技术迅猛发展,给航空武器装备元器件技术管理带来严重挑战。在元器件管理过程中使用传统人工核对的方法已很难解决数十万条数量级的元器件分类问题。基于此,提出了一种基于模糊匹配的分类方法,旨在解决大数据量下元器件类别快速识别、判定及优化过程中效率问题及准确率问题,并在其基础上针对数据量过大导致的内存溢出问题提出了优化方法。     

一种基于最小哈希的二值特征匹配方法

特征匹配是图像识别中一个基本研究问题。常用的匹配方式一般是基于贪婪算法的线性扫描方式,但只适用于低维数据。当数据维数超过一定程度时,这些匹配方法的时间效率将会急剧下降,甚至不强于强力线性扫描方法。本文提出一种基于最小哈希的二值特征匹配方法。通过最小哈希函数映射变换操作,将原始特征集合分成多个子集合,并将一个在超大集合下内查找相邻元素的问题转化为在一个很小的集合内查找相邻元素的问题,计算量有所下降。使用Jaccard距离度量的最小哈希函数能最大限度地保证原始数据中相似的向量对在哈希变换后依然相似。实验表明这种匹配方法应用在二值特征上时,可以获得比KD-Tree更好的匹配效果。      

一种基于特征的约束匹配方法

提出了一种基于特征的双向视差域约束匹配方法。首先提取图像特征点约简候选匹配像素集,然后进行双向唯一性匹配并在匹配过程中根据双目图像的投影特性设计视差域约束,最后设计了一个滑动平均邻域视差来剔除视差值偏差太大的匹配对。实验结果表明,该方法简单快速,匹配成功率高,可处理复杂场景,具有良好的实用价值。     

一种指纹识别的细节特征匹配的方法

介绍了指纹识别的处理步骤，提出了一种基于细节特征匹配的自动指纹识别算法，分别给出了图像预处理，二值化，细化，纹路提取，确定指纹中心点以及指纹匹配的特征和算法步骤，并用实验进行了证明。     

基于网格特征和模糊匹配的徽标识别

针对图像智能处理中对徽标识别的应用需求,提出了一种基于网格特征和模糊匹配的徽标识别算法.该算法通过提取徽标的网格特征并映射为模糊集隶属度特征,根据模糊匹配技术进行识别,显著增强了对质量不佳图像的适应性和抗干扰性.实验表明,该算法的识别准确率能达到95.5％,并能有效提高徽标识别系统的鲁棒性.     

一种支持一致性QoS适度模糊匹配方法

针对目前有关Web服务QoS的研究很少考虑到QoS非功能服务现状,在Web服务模糊匹配框架的基础上,从消费者需求的角度出发,通过引入模糊逻辑,提出了一种一致性QoS适度的模糊匹配方法.该方法将消费者的意见进行模糊相似聚类计算,使消费者达到对某个QoS属性值的一致性认识,然后通过实验对这种方法进行验证.实验表明,该方法在模糊匹配过程中采用了相对客观的QoS值,能够有效的提高Web服务的查准率.     

模糊匹配中的匹配度计算方法

介绍模糊推理机制中用于解决普通模糊匹配冲突问题的常用方法,包括海明距离和指数法。基于指数法提出类指数法和绝对值差积法,根据相似度的定义证明其正确性。算例比较结果表明,绝对值差积法的性能优于其他3种方法。     

基于参考点的模糊知识表示

本文分析了模糊关系模型的知识表示途径，并由此提出基于参考点的模糊知识表示，分析了它与人类记忆经验性知识的相信性，并证明模糊关系模型能以任意精度逼近具有有限个极值点的有界连续函数。     

基于稀疏表示的图像模糊度评价方法

根据自然图像稀疏表示基函数类似V1区简单细胞感受野的反应特性,以及系数反映神经元响应程度的特性,提出基于稀疏表示的图像模糊度评价方法.将输入图像分成互不重叠的块,采用训练好的词典对各块进行稀疏分解,并计算每块的关注度系数.将每块稀疏系数的p范数与关注度系数的加权和作为模糊度评价的依据.实验结果表明,该算法计算的模糊度相对于图像的模糊程度是单调的,具有较好的抗噪性,符合人眼视觉系统特性.     

基于模糊框架-产生式知识表示及推理研究

知识表示是专家系统求解能力及正确性的基础。针对不同知识表示方法的局限性,采用框架与产生式知识表示法结合表示专家知识。同时鉴于传统知识表示及推理方法在描述事实生产中不确定知识及经验中的缺陷问题,将模糊推理与知识表示相结合,应用模糊因子,定量细化描述模糊知识;并结合知识表示特点应用动态加权平均匹配函数及模糊推理方法,提出基于模糊框架-产生式知识表示方法及推理的研究,量化地表示知识及推理过程,为决策人员提供更加直观、准确的推理依据。     

考虑直觉模糊的多指标人岗双边匹配决策方法

针对现实生活中人岗双边匹配决策问题的特点,基于直觉模糊理论,构建了一种具有不同信息类型的人岗双向选择的多指标评价双边匹配决策模型,并提出了相应的决策方法。通过构造人岗双方匹配满意度计算规则,将包含直觉模糊偏好信息的人岗双边主体评价信息转化为匹配满意度;通过对所有标准下的满意度矩阵的集结,构造人岗双方的满意度矩阵。在此基础上,以人岗双方主体可接受最低水平为约束,构建了一个使双方主体满意度最大为目标的人岗双边匹配多目标决策优化模型。通过一个人岗双边匹配问题的案例证明了该方法的合理性。     

基于语义Web Services的模糊匹配

Web服务发现过程本质上是用户请求和服务匹配的过程。传统的UDDI发现技术是通过精确匹配实现的,不能较好地支持基于概率和语义约束的模糊匹配。针对这种情况,在基于现有的OWL-S匹配上,进一步增加了以隶属函数、语义距离、阈值为基础的模糊匹配,形成了两级匹配。并通过对语义表示的服务能力进行模糊聚类,这种机制减少了搜索空间,提高了发现效率及匹配的精度。     

基于二元模糊匹配的编程题智能评分方法

针对传统编程题自动评分方法不能准确衡量学生程序与参考答案之间的接近程度等问题,提出了一种基于二元模糊匹配的编程题智能评分方法。第一元为结构匹配,检测学生程序在变量声明、数据输入、函数调用、控制结构等方面与参考答案的相似程度,目的是快速判断学生程序中是否存在关键的采分点。第二元为词语匹配,首先进行词频统计,以确定每个词的权重。然后,分别构造学生程序与参考答案的向量空间模型,并计算两者的余弦相似度,来作为评判词语相似的依据。最终的分数由结构相似度和词语相似度的加权分数计算得出。由于该二元匹配方法不关心程序中结构/词语的先后顺序和是否为精确表达,因此被称为是模糊的。仿真实验表明,该方法具有不错的评分准确性,尽管与人工评分相比还存在一定的差距,但当试题规模较大时,可以作为人工评分的替代手段。     

基于模糊核匹配追寻的特征模式识别

核匹配追寻算法是近年来新兴的模式识别方法,在处理非线性及高维模式识别问题中表现出了突出的优点.传统的核匹配追寻在处理模式识别的问题中平等地对待所有样本,最终的判决函数是针对所有样本的一个平等综合考虑,要求总识别误差尽可能小,并不能对某一类指定样本进行针对性识别,然而实际应用中经常会碰到这样的情况:要求对某一类样本的识别精度很高,尤其是对于非平衡样本中或者对于具有时间属性的样本序列,由于标准核匹配追寻学习机自身的局限性,使其不能有效地处理这些问题.文中针对这些问题,提出了模糊核匹配追寻学习机,预先根据分类的要求对每个样本做出了不同的重要性定义,学习机根据重要性不同,对样本进行程度不同的学习,最终得到基于问题的判决--对重要样本保持很高的分类精度;最后通过实际的仿真实验证明了模糊匹配追寻的有效性及可行性.     

基于模糊判别的快速图切割立体匹配

针对图切割算法存在匹配时间过长的不足,提出了一种快速的图切割立体匹配方法.选用模糊逻辑提取少量的候选匹配点,然后用这些候选匹配点构造缩减的图,再进行图切割立体匹配.采用标准图像对文中方法进行测试,并与图切割立体算法和动态规划算法进行比较的结果表明,该方法较好地保留了图切割算法匹配的准确性,而运行时间仅为图切割算法的1/35.     

基于复合结构的知识库分类体系匹配方法

近年来,分类体系匹配由于其在知识库构建和融合等方面的广泛应用,已成为国内外工业界和学术界的研究热点.然而,随着网络大数据的不断发展,分类体系变得越来越庞大和复杂,构造一种通用有效的分类体系匹配器以适应大规模、异构分类体系匹配的扩展性仍然面临很大的挑战.为此,提出了一种基于复合结构的分类体系匹配方法BiMWM,该方法利用分类体系中分类的复合结构信息：微观结构和宏观结构,将分类体系匹配问题转化为二部图上的优化问题进行求解.首先,创建赋权的二部图建模分类体系之间候选的匹配类对关系;然后,通过计算二部图上的最大权匹配剪枝选择最优的分类体系的匹配类对.BiMWM方法可以在多项式时间内为2个分类体系产生最优匹配.实验结果表明:与当前先进的基准方法相比,该方法能够有效提升大规模、异构分类体系匹配的性能.