结合深度神经网络和随机森林的手掌静脉分类
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.
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
56
TP391(计算技术、计算机技术)
国家自然科学基金;广东省重点科技计划
2019-07-08(万方平台首次上网日期,不代表论文的发表时间)
共10页
144-153