一种双目标排序层分类器融合方法
最近Melnik提出了一种新的排序层分类器融合思想,指出在分类器融合过程中既要调节对不同分类器的侧重程度,又要利用不同序号值提供的置信度信息.但是在Melnik提出的融合方法中,参数数量随着分类器数量的增加呈指数级增长,在分类器数目增加时会产生维数灾难问题.在Melnik的思想启发下,本文提出了一种新的融合方法,该方法将对序号的变换与分类器的加权组合协调起来,能够更好地实现Melnik提出的目标.另外,本文给出了一种用连续可微函数表示的分类错误率表达式,设计了基于梯度下降的参数调节方法.在实验中本文设计了融合掌纹图像数据和手指图像数据的多模态身份识别系统,观察了不同数目分类器条件下的融合效果.实验结果表明本文方法的分类正确率高于传统方法和Melnik的方法.
分类器融合、生物特征识别、掌纹识别、手指图像识别
33
TP391.4(计算技术、计算机技术)
国家重点基础研究发展计划973计划2006CB303105;2004CB318110;国家自然科学基金60441002;大学校科研和校改项目2003SZ002
2008-03-27(万方平台首次上网日期,不代表论文的发表时间)
共7页
1276-1282