基于HMM和SVM的指纹分类方法
王崇文①② ; 李见为② ; 陈为民②
① 北京理工大学软件学院,北京,100081;② 重庆大学光电工程学院模式识别研究室,重庆,400044
Fingerprint classification using hmm and svm
Wang Chongwen①② ; Li Jianwei② ; Chen Weimin②
① Software College, Beijing Institute of Technology; Beijing 100081,China;② Optoelectronical College, Chongqing University,Chongqing 400044, China
摘要 该文提出了指纹分类的一种新型方法:使用指纹编码的基于隐马尔可夫模型(HMM)和支持向量机(SVM)的两级分类,该方法采用FingerCode作为指纹的特征表述,首先用5个伪二维 HMM进行类别初选,确定最可能的两种指纹分类结果,再用相应的 SVM分类器做最终判决,实验表明,分类性能已经达到或超过目前流行的指纹分类算法,具有一定的实用价值。
关键词 ：
指纹分类 ,
支持向量机 ,
隐马尔可夫模型 ,
指纹编码
Abstract ：In this paper, a new classification method is proposed that is based on HMM and SVM using FingerCode. This technique uses FingerCode as representation of fingerprint, first, using five HMM classifiers to classify originally, furthermore, basing on the most possible two results of classification by HMM, the corresponding SVM classifier is selected to make final decision. Through experiments, the performance of this method reaches or exceeds many popular ones and has value to a certainty in practice.
Key words ：
Fingerprint classification
Support Vector Machine（SVM）
Hidden Markov Model （HMM）
FingerCode
收稿日期: 2002-05-13
[1]
伊华伟,张付志,巢进波. 基于模糊核聚类和支持向量机的鲁棒协同推荐算法
[2]
蔡轶珩, 高旭蓉,邱长炎,崔益泽. 一种混合特征高效融合的视网膜血管分割方法
[3]
王蕊,李彦骁, 孙辉,陈增强. 基于隐马尔可夫模型的切换飞行控制系统性能分析
[4]
胡站伟,焦立国,徐胜金,黄勇. 基于多尺度重采样思想的类指数核函数构造
[5]
刘成云,常发亮,陈振学. 基于感兴趣区域和HOG-MBLBP特征的交通标识检测
[6]
陈红, 蔡晓霞, 徐云,刘文涛. 基于多重分形特征的通信调制方式识别研究
[7]
黄宏图,毕笃彦, 高山, 查宇飞,侯志强. 基于局部敏感核稀疏表示的视频跟踪
[8]
张良,鲁梦梦,姜华. 局部分布信息增强的视觉单词描述与动作识别
[9]
王晓初,王士同,包芳, 蒋亦樟. 最小化类内距离和分类算法
[10]
陈素根,吴小俊. 基于特征值分解的中心支持向量机算法
[11]
高铁杠,杨亮,宣妍,佟静. 基于超像素和游程直方图的对比度修改检测算法
[12]
孟庆昕,杨士莪,于盛齐. 基于波形结构特征和支持向量机的水面目标识别
[13]
姜志威,丁晓青,彭良瑞,刘长松. 低数据资源条件下基于结构信息共享的无切分维文文档识别字符建模
[14]
程帅,曹永刚,孙俊喜,赵立荣,刘广文,韩广良. 基于增强群跟踪器和深度学习的目标跟踪
[15]
高发荣, 王佳佳, 席旭刚, 佘青山, 罗志增. 基于粒子群优化-支持向量机方法的下肢肌电信号步态识别
2003, Vol. 25 
