结合深度神经网络和随机森林的手掌静脉分类

摘要：

提出了一种结合深度神经网络和随机森林的手掌静脉分类新方法.利用预训练深度神经网络模型AlexNet提取掌脉特征,采用主成分分析法对提取的高维掌静脉特征进行降维处理,以减少存储空间、降低分类误差,结合对噪声具有很好容忍能力的随机森林进行分类.基于香港理工(PolyU)数据库、中国科学院(CASIA)数据库和自建库的测试精度分别为100％、97.00 ％和99.50％.相较传统方法,所提方法避免了人工选择特征提取算法的局限性,有效降低了手掌静脉的分类误差,具有更好的稳健性.

关键词：图像处理、掌脉分类、迁移学习、深度神经网络、主成分分析、随机森林

所属期刊栏目：56

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金;广东省重点科技计划

在线出版日期：2019-07-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：144-153