分享到:

基于嵌入式隐Markov模型的指纹分类和匹配研究

随着电子银行、电子商务和各种智能卡的出现和普及,如何准确而可靠地进行个人身份的自动鉴别成为近来研究的一个热点问题,具有十分广泛的应用前景。利用人体生理或行为特征的唯一性来确认个体身份的生物测量学方法,因其具有的高度可靠性,日益受到人们的重视。指纹识别技术是发展最早,应用最为成熟的一种基于生物测量学的身份确认技术。指纹识别技术发展到今天,出现的方法大体可以分成两大类:基于细节特征的指纹匹配和基于概率统计特征的指纹匹配。基于细节特征的指纹匹配利用了细节点的自身特征以及其相互的位置关系来描述一个指纹,具有形象直观的特点,但是容易受噪声的影响,执行速度通常也较慢。同一个指纹的不同采样虽然存在随机性变异,但其纹理结构特征却具有很高的稳定的相似性,这是基于概率统计特征的指纹匹配的算法基础。基于概率统计特征的指纹匹配抗噪声干扰能力强,但是指纹的特征表达中仅仅体现了指纹的纹理结构特征,而没有体现指纹的细节特征,因此匹配精度通常不高,特别是当指纹  (本文共110页) 本文目录 | 阅读全文>>

《刑事技术》1988年05期
刑事技术

关于指纹花纹类型分布规律的探讨

本文采用PRIME-750计算机及其数据管理系统,对...  (本文共5页) 阅读全文>>

东南大学
东南大学

基于指纹分析的Web访问识别技术研究

Web技术的不断革新推动了互联网的发展,为人们提供了可随时随地访问的服务,深刻地改变了人类社会信息获取、交互和展现的方式。但由于网络身份管理机制的缺失以及SSH代理等匿名工具的广泛使用,网络谣言、网络欺诈、网络恐怖主义等问题日趋严峻,传统的基于IP地址、域名、Cookie、用户账号等显性标识的Web追踪技术已无法满足网络监管的需求。因此,有必要对Web应用中的三个参与主体——终端设备、Web服务器以及网络用户进行深入分析,研究基于隐性标识的指纹识别技术,即通过浏览器指纹识别关联用户的终端设备、通过网站流量指纹识别用户所访问服务器的真实地址、通过流量行为指纹识别用户实体,从而实现对Web访问的有效监管。由于基于隐性标识的指纹识别技术本质上是一种侧信道攻击手段,并不依赖于显性标识,所利用的指纹也不易被隐藏或篡改,因此是目前的研究热点。虽然现有工作已初步展现了它的有效性,但实际应用时在识别准确率和方法实用性方面依然存在较大的局限性。具...  (本文共119页) 本文目录 | 阅读全文>>

电子科技大学
电子科技大学

基于EMD的射频指纹提取和识别算法研究

无线通信技术的蓬勃发展引发了人们对电磁环境监测的广泛关注,随着大规模组网监测活动的展开,信号源个体进行识别成为无线通信安全中的重要研究课题。本文针对信号源设备识别算法在中低端信号采集设备中的应用需求,设计了一套射频指纹提取和识别算法,其中,不同信号源射频信号的特征通过经验模态分解算法(Empirical Mode Decomposition,EMD)的优化算法进行提取,并设计了分类方案以提升识别的准确率。本文的主要工作如下:1、进行了发射机的射频指纹特征分析。对发射机的本体特征来源进行了探究和分析,重点讨论了稳态射频指纹的形成根源,并对本文所用的射频指纹特征进行了建模分析,确定了射频指纹特征的提取和识别模型。2、提出了基于经验模态分解的优化算法对信号的射频指纹特征进行提取。首先对经验模态分解方法进行了仿真分析,并在实测数据的基础上进行实验,指出了经验模态分解算法用于实际信号时存在的问题。在此基础上,提出了一种经验模态分解算法的优...  (本文共79页) 本文目录 | 阅读全文>>

五邑大学
五邑大学

基于轻量级神经网络的指纹分类应用研究

指纹分类是在大型指纹库中搜索目标指纹的一项非常重要的技术,并且在国家公民身份验证以及寻找犯罪分子过程中是尤为关键的一环。传统指纹分类方法对不同质量、不同规格的指纹图像自适应性不高,无法得到较高的分类结果,且人工计算量繁杂。深度学习因其强大的表达能力广泛应用于各类图像处理中。基于深度学习的指纹分类则是利用大量有标签数据训练神经网络,使其自动学习图像中潜在的抽象特征,从而实现指纹的自适应分类,人工干预较少,为指纹分类的研究开辟了新方向。鉴于此,本文采用深度学习方法构建轻量级神经网络,用于指纹图像特征自动提取及分类,通过多种特征融合增强神经网络的表征能力;结合迁移学习,降低网络对目标数据量的要求,提升小样本指纹图像的分类性能,以此对指纹分类展开研究,主要内容如下:(1)提出一种基于轻量级Finger-SqueezeNet网络的指纹分类模型。由于指纹分类数据集规模较小,若直接训练深度卷积神经网络,很容易出现过拟合现象。因此,本文采用轻量...  (本文共72页) 本文目录 | 阅读全文>>

重庆邮电大学
重庆邮电大学

基于位置指纹的多方法融合节点定位技术

随着互联网、移动智能终端的飞速发展,基于位置的服务也受到大众青睐,经济、高效、准确的位置服务具有广阔的发展前景。目前,室外GPS定位技术已经能够满足人们对位置的需求,而室内节点定位技术由于信号受到环境干扰而导致定位不准确,因此,提高室内节点定位精度成为当前研究的热门话题。本文的研究课题是基于位置指纹的多方法融合节点定位技术,研究内容分为两个部分,即提出基于区域划分和自适应动态加权KNN的定位模型及融合WiFi与地磁的定位技术。具体完成了以下工作:1.在无线网络环境中,针对接收信号强度值容易受到环境影响而波动,构建不准确的指纹库,从而造成定位不准确的问题,本文基于滤波、指纹分类及改进最近邻算法提出了区域划分和自适应动态加权KNN多方法融合的节点定位模型。首先结合卡尔曼滤波和方差滤波优化了接收信号强度样本数据,构成位置指纹库;然后根据参考点的最大信号强度值对指纹进行划分,形成定位子区域;接着根据接收信号强度值计算各个参考点的权重系数...  (本文共75页) 本文目录 | 阅读全文>>