导读:本文包含了指纹分类论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:指纹,神经网络,特征,文本,室内,长鞭,红景天。
指纹分类论文文献综述
甘俊英,戚玲,秦传波,何国辉[1]（2019）在《结合迁移学习的轻量级指纹分类模型》一文中研究指出目的目前的指纹分类模型存在操作繁琐、参数较多、所需数据规模大、无法充分利用指纹特征信息等问题,而进行快速准确的指纹分类在大型指纹识别系统中至关重要。方法传统的机器学习方法大多假设已标注数据与未标注数据的分布是相同的,而迁移学习允许源空间、任务空间在测试集和训练集中的分布是不同的,并且迁移学习仅专注目标任务的训练,使得网络模型根据需求更具个性化。因此,本文提出一种基于迁移学习的轻量级指纹分类模型。该模型结合迁移学习,首先采用梯度估计的方法求取指纹图像的方向场图并且做增强处理;然后将扩展的指纹方向场图数据集用于本文提出的轻量级Finger-SqueezeNet的预训练,使其达到一定的分类效果,从而初步实现网络模型参数的调整;最后保留预训练模型部分的网络参数不变,使用指纹图像数据集NIST-DB4对Finger-SqueezeNet网络进行参数微调(fine tuning)。结果在使用相同的指纹数据集在本文提出的纯网络模型进行分类训练后发现,未采用迁移学习方法对网络模型进行预训练得到的平均分类结果为93%,而通过预训练后的网络模型可以达到98. 45%,最终采用单枚指纹测试的方法得到的测试结果达到95. 73%。对比同种类型的方法以及验证标准后可知,本文的指纹分类模型在大幅度减少网络参数的同时仍能达到较高的准确率。结论采用指纹类内迁移学习方法和轻量级神经网络相结合进行分类,适当利用了指纹特征信息,而且有望使指纹分类模型拓展到移动端。(本文来源于《中国图象图形学报》期刊2019年07期）
甘俊英,戚玲,项俐,何国辉,曾军英[2]（2019）在《轻量化多特征融合的指纹分类算法研究》一文中研究指出快速准确的指纹分类在大型指纹识别系统中是加速目标指纹查找的关键技术。目前,指纹分类算法存在复杂度高、操作繁琐、参数较多、所需数据规模大、且无法充分利用指纹特征信息等问题。神经网络深层提取的特征更加关键,也更有代表性,但忽略了部分浅层信息。针对指纹分类存在的问题,本文提出一种轻量化多特征融合的指纹分类算法。该算法设计了轻量化Finger-SqueezeNet来训练指纹图像,采用查表法求得指纹的细化图之后,利用改进的分布求和梯度法求取相应细化图的感兴趣区域(Region Of Interest,ROI)图像;将指纹ROI图像输入网络深层与提取的特征图进行特征融合,使得深层网络也能获得浅层中纹线准确的走向信息,从而增强网络对于纹型的敏感度;采用Maxout激活函数对网络提取的特征进行激活。实验结果表明,本文算法不仅减少了训练参数量,而且通过指纹ROI图像补偿深层特征图,更加充分利用了指纹的纹型信息,轻量化算法也可为指纹分类模型拓展到移动端提供理论支撑。(本文来源于《信号处理》期刊2019年05期）
李冲,李涛,司梦鑫,王曙[3]（2018）在《~1HNMR指纹图谱技术分类及鉴别红景天的品种》一文中研究指出目的采用1HNMR指纹图谱技术结合相似度考察、化学模式识别分析手段分类及鉴别红景天的品种。方法采用1HNMR技术测定长鞭红景天和四裂红景天的特征性全成分信息,并将其转化为数据矩阵,考察两种红景天的相似度,采用化学模式识别方法中的主成分分析(PCA)、偏最小二乘法-判别分析(PLS-DA)和聚类分析(HCA)进行化学模式识别分析。结果采用1HNMR指纹图谱技术结合PCA和PLS-DA能有效地分类及鉴别长鞭红景天和四裂红景天。结论基于1HNMR指纹图谱技术考察长鞭红景天和四裂红景天的相似度和采用HCA难以区分这两种红景天,而基于1HNMR指纹图谱技术结合PCA和PLS-DA是一种有效的分类及鉴别红景天的方法。所用方法高效、便捷,可为红景天药材的质量控制和品质评价提供参考。(本文来源于《华西药学杂志》期刊2018年06期）
陈骁,宋安军[4]（2018）在《基于核K-means与RVM分类回归的Wi-Fi指纹室内定位算法》一文中研究指出针对室内定位指纹算法的定位精度以及实时性问题,提出一种基于核K-means和相关向量机的定位算法。该算法首先使用核K-means算法将接收信号强度进行聚类,存入指纹特征数据库,通过RVM回归对指纹数据库进行训练,算出最优拟合位置的数学模型。实验结果表明,该算法于定位实时性以及定位精度优于SVM相关定位算法。(本文来源于《现代计算机(专业版)》期刊2018年26期）
徐德琴,卞维新,丁新涛,丁玉祥[5]（2018）在《指纹图像多尺度分类字典稀疏增强》一文中研究指出目的自动指纹识别系统大多是基于细节点匹配的,系统性能依赖于输入指纹质量。输入指纹质量差是目前自动指纹识别系统面临的主要问题。为了提高系统性能,实现对低质量指纹的增强,提出了一种基于多尺度分类字典稀疏表示的指纹增强方法。方法首先,构建高质量指纹训练样本集,基于高质量训练样本学习得到多尺度分类字典;其次,使用线性对比度拉伸方法对指纹图像进行预增强,得到预增强指纹;然后,在空域对预增强指纹进行分块,基于块内点方向一致性对块质量进行评价和分级;最后,在频域构建基于分类字典稀疏表示的指纹块频谱增强模型,基于块质量分级机制和复合窗口策略,结合频谱扩散,基于多尺度分类字典对块频谱进行增强。结果在指纹数据库FVC2004上将提出算法与两种传统指纹增强算法进行了对比实验。可视化和量化实验结果均表明,相比于传统指纹增强算法,提出的方法具有更好的鲁棒性,能有效改善低质量输入指纹质量。结论通过将指纹脊线模式先验引入分类字典学习,为拥有不同方向类别的指纹块分别学习一个更为可靠的字典,使得学习到的分类字典拥有更可靠的脊线模式信息。块质量分级机制和复合窗口策略不仅有助于频谱扩散,改善低质量块的频谱质量,而且使得多尺度分类字典能够成功应用,克服了增强准确性和抗噪性之间的矛盾,使得块增强结果更具稳定性和可靠性,显着提升了低质量指纹图像的增强质量。(本文来源于《中国图象图形学报》期刊2018年07期）
张晨斌,张云春,郑杨,张鹏程,林森[6]（2018）在《基于灰度图纹理指纹的恶意软件分类》一文中研究指出随着安卓恶意软件数量的快速增长,传统的恶意软件检测与分类机制存在检测率低、训练模型复杂度高等问题。为解决上述问题,结合图像纹理特征提取技术和机器学习分类器,提出基于灰度图纹理特征的恶意软件分类方法。该方法首先将恶意软件样本生成灰度图,设计并集成了包含GIST和Tamura特征提取算法在内的4种特征提取方法;然后将所得纹理特征集合作为源数据,基于Caffe高性能处理架构构造了5种分类学习模型,最终实现对恶意软件的检测和分类。实验结果表明,基于图像纹理特征的恶意软件分类具有较高的准确率,且Caffe架构能有效缩短学习时间,降低复杂度。(本文来源于《计算机科学》期刊2018年S1期）
崔彤彤[7]（2018）在《基于主题和语义指纹融合的学术论文粗分类方法研究》一文中研究指出互联网、物联网、云计算等信息技术把我们带到了多元智能的网络化大数据时代。然而,大量的资源共享和实时的交流探讨使网络空间中的数据呈爆炸式增长,其规模巨大且形式多样,不仅给网络空间数据的存储带来了压力,同时降低了数据价值的利用密度,呈现出“数据丰富而知识缺乏”的窘态。如何对数据压缩存储,如何从庞大的网络空间中寻取到满意的信息成为目前迫切需要解决的问题。本文选取学术论文作为数据对象,提出了一种文本指纹提取方法和文本粗分类算法,进而达到数据的压缩表示和有效组织管理的目的。首先,本文提出了基于潜在语义分析的文本指纹提取方法。该方法是针对目前指纹提取方法语义缺失问题的一种改进。该方法主要用于学术论文正文部分的语义指纹提取,通过奇异值分解对原始文档进行潜在语义分析,挖掘原始文档的潜在语义特征,然后根据随机超平面原理将保留的语义特征转换成二进制数字指纹,得到高维原始文档的低维语义指纹表示。其次,设计了一种基于融合表示的文本粗分类算法。该算法主要是基于学术论文梗概(题目、摘要、关键字)和正文两大部分融合表示的聚类,是K-means算法的一种改进。该算法下每篇文档都被主题向量和语义指纹所表示,聚类过程中每次迭代的簇中心均采用数据集中的真实文档,并作为原文档集的一个原型。此外,算法采用余弦距离与汉明距离融合的计算方法计算文档与各类中心的模糊隶属程度,并将文档归到具有最大隶属度的类别,完成数据集的粗分类。最后,为了给后续搜索访问等操作提供有利信息,本文设计了基于原型的文档分类算法。该算法根据集外文档与各原型间的相似度来判断是否对其进行归类以及归到哪一类等处理。实验结果表明,本文提出的基于潜在语义分析的文本指纹提取方法与常用的向量空间模型表示方法及Simhash方法相比,所提取的指纹精度更高,更能体现文本的语义信息。另外,本文基于融合表示的文档粗分类方法解决了原始K-means聚类算法的大类问题,对数据集中各领域文档的F值均达到80%以上,能够得到较好的类结构。基于原型的集外文档分类方法,在与原型同领域文档间具有较高的正确率,对其它领域文档具有较高的拒识率,可以对集外文档进行正确辨识,达到粗分类目的,有利于文档集的组织和管理。(本文来源于《延边大学》期刊2018-05-19）
张夏苗[8]（2018）在《指纹增强及分类算法研究》一文中研究指出生物特征识别技术利用每个人的生物学特征和行为学特征进行自动身份识别。与证件、密码、口令等相比,生物特征不容易丢失或遗忘,具有更好的识别能力和可靠性。自动指纹识别系统由于其具有体积小、易操作、成本低、可靠性高等优点越来越受到欢迎,已经成为最重要的生物特征识别技术之一。指纹增强和指纹分类作为自动指纹识别领域中重要的环节,在识别过程中发挥了重要的作用。指纹增强的目的是提升指纹脊、谷纹路的清晰度,尽可能地提高指纹低质量区域特征提取的准确性。指纹分类将指纹划分到一系列预定义类别中以极大降低指纹匹配的工作量。本论文对指纹识别领域内的指纹增强和指纹分类两个问题展开研究。主要研究内容包括:(1)在指纹增强方面,提出一种傅里叶频域下基于曲面变换的指纹增强算法。目前提出的傅里叶频域下的增强工作存在以下缺点:在非平缓区域增强效果较差;块窗口大小不易选择。该算法的主要改进包括:将定位曲面区域并映射到二维数组的过程称为曲面变换,并将其用于傅里叶频域下;根据曲面区域的频谱图选择合适的滤波器方向;将指纹图像划分为平缓区域和非平缓区域,为了提高执行效率,仅仅对非平缓区域执行曲面变换;引入复合窗口模板解决块窗口尺度问题。实验结果表明,所提出算法有更好的增强效果,尤其是对指纹非平缓区域增强效果更好。(2)在指纹分类方面,提出一种基于方向场离散余弦变换特征的指纹分类算法。该算法首先计算方向场的正弦和余弦分量并分别进行二维离散余弦变换;然后提取变换后的低频系数作为特征向量;最后采用支持向量机(SVMs)作为分类器实现分类。该算法的优点在于:方向场的DCT系数蕴含了足够的方向信息实现分类,分类特征更加可靠;DCT特征向量长度较小,分类速度更快;算法对不同大小的指纹图像具有相当的分类效果;算法无需定位参照点,可靠性更高。本论文详细说明并实现了离散余弦变换特征提取的方法,经检验,该算法有准确的分类结果。(本文来源于《南京信息工程大学》期刊2018-05-01）
李海升,费树岷[9]（2018）在《基于SVM分类的位置指纹定位》一文中研究指出研究了基于位置指纹定位的室内定位方式,在分析了现有的改进定位算法后,结合实验环境,提出了一种基于支持向量机的位置指纹定位方法。实验中,将实验环境分成20个子区域。离线阶段,采集每个区域接收到的位置信号强度数据,建立位置信号强度和所在区域的关系,作为SVM训练样本集,得到最优分类模型。在线阶段,将实时采集到的位置信号强度作为测试集,采用SVM分类模型对其进行预测,判断所属区域。实验结果表明,提出的基于SVM分类的定位方法对以1m为间隔划分的区域具有良好的定位效果。(本文来源于《工业控制计算机》期刊2018年03期）
高玉萍,杨秀芳,孔俊豪,涂云飞,龚淑英[10]（2017）在《基于近红外光谱指纹图谱的固态速溶茶分类及茶多酚制品分级研究》一文中研究指出固态速溶茶和茶多酚是最为常见的两种茶制品,文章以这两种茶制品为研究对象,开展了茶制品近红外光谱指纹图谱研究。结果表明,通过与不同类别样品近红外平均光谱相似度比较,可实现固态速溶茶种类和茶多酚质量等级的归属判别,其中固态速溶茶和茶多酚的外部验证判别率分别为76.9%和84.6%,对红、绿速溶茶分类的外部验证判别率可达100%。结合主成分分析和Fisher判别分析,对固体速溶茶种类判别的回代验证总判别率为79.4%,交叉验证总判别率为69.1%,而对茶多酚制品质量等级判别的回代验证总判别率为89.7%,交叉验证总判别率为83.3%。(本文来源于《中国茶叶加工》期刊2017年Z2期）
指纹分类论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
快速准确的指纹分类在大型指纹识别系统中是加速目标指纹查找的关键技术。目前,指纹分类算法存在复杂度高、操作繁琐、参数较多、所需数据规模大、且无法充分利用指纹特征信息等问题。神经网络深层提取的特征更加关键,也更有代表性,但忽略了部分浅层信息。针对指纹分类存在的问题,本文提出一种轻量化多特征融合的指纹分类算法。该算法设计了轻量化Finger-SqueezeNet来训练指纹图像,采用查表法求得指纹的细化图之后,利用改进的分布求和梯度法求取相应细化图的感兴趣区域(Region Of Interest,ROI)图像;将指纹ROI图像输入网络深层与提取的特征图进行特征融合,使得深层网络也能获得浅层中纹线准确的走向信息,从而增强网络对于纹型的敏感度;采用Maxout激活函数对网络提取的特征进行激活。实验结果表明,本文算法不仅减少了训练参数量,而且通过指纹ROI图像补偿深层特征图,更加充分利用了指纹的纹型信息,轻量化算法也可为指纹分类模型拓展到移动端提供理论支撑。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
指纹分类论文参考文献
[1].甘俊英,戚玲,秦传波,何国辉.结合迁移学习的轻量级指纹分类模型[J].中国图象图形学报.2019
[2].甘俊英,戚玲,项俐,何国辉,曾军英.轻量化多特征融合的指纹分类算法研究[J].信号处理.2019
[3].李冲,李涛,司梦鑫,王曙.~1HNMR指纹图谱技术分类及鉴别红景天的品种[J].华西药学杂志.2018
[4].陈骁,宋安军.基于核K-means与RVM分类回归的Wi-Fi指纹室内定位算法[J].现代计算机(专业版).2018
[5].徐德琴,卞维新,丁新涛,丁玉祥.指纹图像多尺度分类字典稀疏增强[J].中国图象图形学报.2018
[6].张晨斌,张云春,郑杨,张鹏程,林森.基于灰度图纹理指纹的恶意软件分类[J].计算机科学.2018
[7].崔彤彤.基于主题和语义指纹融合的学术论文粗分类方法研究[D].延边大学.2018
[8].张夏苗.指纹增强及分类算法研究[D].南京信息工程大学.2018
[9].李海升,费树岷.基于SVM分类的位置指纹定位[J].工业控制计算机.2018
[10].高玉萍,杨秀芳,孔俊豪,涂云飞,龚淑英.基于近红外光谱指纹图谱的固态速溶茶分类及茶多酚制品分级研究[J].中国茶叶加工.2017
论文知识图
