1(计算智能与信号处理教育部重点实验室(安徽大学) 合肥 230601);2(安徽大学媒体计算研究所 合肥 230601) (zldiol@163.com)
出版日期: 2018-01-01基金资助:国家自然科学基金项目(61372137,61302191)；安徽大学信息保障技术协同创新中心开放课题(ADXXBZ201411)；安徽大学大学生科研训练计划项目(KYXL201530)Adaptive Multibiometric Feature Fusion Based on Classification Distance Score
Zhang Lu1,2, Wang Huabin1,2, Tao Liang1, Zhou Jian1,21(Key Laboratory of Intelligent Computing and Signal Processing (Anhui University), Ministry of Education, Hefei 230601);2(Institute of Media Computing, Anhui University, Hefei 230601)
Online: 2018-01-01摘要/Abstract
摘要： 匹配分数是传统的融合分数指标，但是其不能很好地区分类内和类间数据，分类置信度虽然可以较好地将类内类间数据分开，但对于匹配分数仅次于分类阈值的数据，其分类效果不是很理想.因此，首先提出了一种基于分类距离分数的融合分数指标，其不仅携带一级分类信息，也含有匹配分数与分类阈值之间的距离信息，可增大融合后类内类间分数之间的距离，为融合算法提供了一个具有有效判别信息的特征融合集，提高了融合指标的利用率；进一步，利用信息熵表示信息价值多少的这一特性，定义特征关联系数和特征权重系数，并将加权融合和传统SUM规则统一在一个自适应算法框架中，提高了融合识别率.实验结果验证了所提出方法的有效性.
参考文献
相关文章 15
| [1] | 陈善静, 向朝参, 康青, 吴韬, 刘凯, 冯亮, 邓涛. 基于多源遥感时空谱特征融合的滑坡灾害检测方法[J]. 计算机研究与发展, 2020, 57(9): 1877-1887. |
| [2] | 李梦莹, 王晓东, 阮书岚, 张琨, 刘淇. 基于双路注意力机制的学生成绩预测模型[J]. 计算机研究与发展, 2020, 57(8): 1729-1740. |
| [3] | 李洪均, 丁宇鹏, 李超波, 张士兵. 基于特征融合时序分割网络的行为识别研究[J]. 计算机研究与发展, 2020, 57(1): 145-158. |
| [4] | 张龙,王劲松. SDN中基于信息熵与DNN的DDoS攻击检测模型[J]. 计算机研究与发展, 2019, 56(5): 909-918. |
| [5] | 石乐义,朱红强,刘祎豪,刘佳. 基于相关信息熵和CNN-BiLSTM的工业控制系统入侵检测[J]. 计算机研究与发展, 2019, 56(11): 2330-2338. |
| [6] | 刘胜蓝,冯林,孙木鑫,刘洋. 分组排序多特征融合的图像检索方法[J]. 计算机研究与发展, 2017, 54(5): 1067-1076. |
| [7] | 董红斌,滕旭阳,杨雪. 一种基于关联信息熵度量的特征选择方法[J]. 计算机研究与发展, 2016, 53(8): 1684-1695. |
| [8] | 赵兴旺,梁吉业. 一种基于信息熵的混合数据属性加权聚类算法[J]. 计算机研究与发展, 2016, 53(5): 1018-1028. |
| [9] | 李保珲,徐克付,张鹏,郭莉. pTrace: 一种面向可控云计算的DDoS攻击源控制技术[J]. 计算机研究与发展, 2015, 52(10): 2212-2223. |
| [10] | 周良毅, 王 智, 王营冠,. 基于动态遮挡阈值的多视角多目标协作追踪[J]. 计算机研究与发展, 2014, 51(4): 813-823. |
| [11] | 张广兴, 邱 峰, 谢高岗, 童红霞,. 一种高效的网络流记录表示方法[J]. , 2013, 50(4): 722-730. |
| [12] | 阳时来 杨雅辉 沈晴霓 黄海珍. 一种基于半监督GHSOM的入侵检测方法[J]. , 2013, 50(11): 2375-2382. |
| [13] | 朱 岩 景丽萍 于 剑. 一种利用近邻和信息熵的主动文本标注方法[J]. , 2012, 49(6): 1306-1312. |
| [14] | 邓小龙 王 柏 吴 斌 杨胜琦. 基于信息熵的复杂网络社团划分建模和验证[J]. , 2012, 49(4): 725-734. |
| [15] | 刘晨光 刘家锋 黄剑华 唐降龙. 基于多特征融合的分块采样粒子滤波算法在人体姿态跟踪中的应用[J]. , 2011, 48(12): 2359-2368. |
PDF全文下载地址:
https://crad.ict.ac.cn/CN/article/downloadArticleFile.do?attachType=PDF&id=3611
