УДК51-56

ПАРАМЕТРИЧЕСКАЯ ОПТИМИЗАЦИЯ СТРУКТУРЫ КОНСОЛИДИРУЮЩЕГО РЕШЕНИЯ В БИОМЕТРИЧЕСКИХ СИСТЕМАХ ИДЕНТИФИКАЦИИ ЛИЧНОСТИ

Тимофеев А.В.


Читать статью полностью 

Аннотация

Работа посвящена строгому решению задачи параметрической оптимизации структуры консолидирую-щего классификационного решения для ансамбля независимых классификаторов. Оптимизированное консолидирующее решение обеспечивает минимум классификационной ошибки для экспоненциальной функции потерь. Свой-ства предложенного решения строго доказаны. Решаемая задача имеет актуальное практическое приложение в муль-тимодальных биометрических системах идентификации личности, когда консолидирующее идентификационное ре-шение принимается по результатам независимых решений идентификационной задачи ансамблем мономодальных классификаторов, имеющих различные показатели эффективности функционирования. Также актуально использова-ние предложенного подхода в мультимодальных системах мониторинга протяженных объектов при решении задачи классификации типа угрозы, по данным пространственно распределенной сети датчиков различной физической природы, которые характеризуются различными показателями точности измерения. Предложенное решение легко реа-лизуется на практике и органично имплементируется в реально функционирующие системы. Имитационное модели-рование предложенного подхода проводилось на специально сформированной бимодальной биометрической базе данных. Результаты имитационного моделирования показали высокую практическую эффективность предложенного метода.


Ключевые слова: консолидирующее классификационное решение, минимум ошибки классификации, экспоненци-альная функция потерь

Список литературы
1.     Prabhakar S., Pankati S., Jain A.K. Biometric recognition: Security and privacy concerns // IEEE Security and Privacy. 2003. V.1. N 2. P. 33–42.
2.     Jain A.K. Biometric recognition: How do I know who you are? // Lecture Notes in Computer Science (including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics). 2005. V. 3617 LNCS. P. 19–26.
3.     ISO/IEC TR 24722:2007. Information technology – Biometrics - Multimodal and Other Multibiometric Fusion. 28.02.2006. Geneva, International Organization for Standardization. 32 p.
4.     Ross A., Jain A.K. Information fusion in biometrics // Pattern Recognition Letters. 2003. V. 24. N 13.
P. 2115–2125.
5.     Матвеев Ю.Н. Технологии биометрической идентификации личности по голосу и другим модальностям // Инженерный журнал: наука и инновации. 2012. №3. С. 5.
6.     Ross A., Jain A. Multimodal biometrics: An overview // Proc. XII European Signal Processing Conference (EUSIPCO). Vienna, Austria, 2004. P. 1221–1224.
7.     Xu L., Kryzak A., Suen C.Y. Methods of combining multiple classifiers and their application to handwriting recognition // IEEE Transactions on Systems, Man and Cybernetics. 1992. V. 22. N 3. P. 418–435.
8.     Ross A., Jain A.K., Qian J.Z. Information fusion in biometrics // Lecture Notes in Computer Science (including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics). 2001. V. 2091 LNCS. P. 354–359.
9.     Wang Y., Tan T., Jain A.K. Combining face and iris biometrics for identity verification // Lecture Notes in Computer Science (including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics). 2003. V. 2688. P. 805–813.
10.Viswanathan R., Varshney P.K. Distributed detection with multiple sensors: Part I – fundamentals // Proc. of the IEEE. 1997. V. 85. N 1. P. 54–63.
11.Varshney P.K Distributed Detection and Data Fusion. NY: Springer, 1997. 299 p.
12.Viswanathan R., Ansari A. Distributed detection of a signal in generalized Gaussian noise // IEEE Transactions on Acoustics, Speech, and Signal Processing. 1989. V. 37. N 5. P. 775–778.
13.CHAINS: Characterizing Individual Speakers [Электронныйресурс]. Режим доступа: http://chains.ucd.ie/corpus.php, свободный. Яз. англ. (дата обращения 27.03.2014).
14.FacePlace– TheCNBCWiki[Электронный ресурс]. Режим доступа: http://www.face-place.org, свободный. Яз. англ. (дата обращения 27.03.2014).
15.Timofeev A.V. The guaranteed estimation of the Lipschitz classifier accuracy: confidence set approach // Journal of the Korean Statistical Society. 2012. V. 41. N 1. P. 105–114.


Creative Commons License

This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License
Информация 2001-2019 ©
Научно-технический вестник информационных технологий, механики и оптики.
Все права защищены.

Яндекс.Метрика