特征维数和分类器参数统一优化选择的掌纹识别

摘要：

为了进一步提高掌纹识别系统性能，充分利用主成分分析特征维数和支持向量机参数之间的联系，提出了一种特征维数和分类器参数统一选择的掌纹识别模型（Features-Classifier）。对掌纹图像进行预处理，将主成分分析图像特征维数和支持向量机参数作为一个粒子，在统一的目标函数下通过粒子之间的信息交流和相互协作，找到最优掌纹特征和分类器参数，根据最优掌纹特征和分类器参数建立掌纹图像识别模型，并采用Po1yU掌纹数据库对模型性能进行仿真实验。结果表明，Features-Classifier的掌纹平均识别率达到94%以上，识别结果明显优于独立、分开选择特征维数和分类器参数的掌纹识别模型。

关键词：掌纹识别、支持向量机、主成分分析、统一选择、粒子群优化算法

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No.60970058；江苏省自然科学基金No.BK2009131；江苏省“青蓝工程”资助项目；2010苏州市职业大学创新团队基金资助项目No.3100125。

在线出版日期：2014-12-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：167-171