基于混合特征选择模型的掌静脉识别
计算机视觉与模式识别
2020-08-03 v1
摘要
掌静脉识别（PVI）是一种用于增强安全与认证系统的现代生物特征安全技术。掌静脉图案的关键特性包括：对每个人唯一、不易遗忘、非侵入性且无法被未授权者获取。然而，从掌静脉图案中提取的特征庞大且冗余度高。本文中，我们提出一种二维离散小波变换、主成分分析（PCA）与粒子群优化（PSO）的组合模型（2D-DWTPP）以增强掌静脉图案的预测。2D-DWT 从掌静脉图像中提取特征，PCA 降低掌静脉特征中的冗余。该系统已基于包装器模型训练以选择高相关特征。PSO 向包装器模型提供最优特征子集。所提系统使用四种分类器作为目标函数来确定 VPI，包括支持向量机（SVM）、K 近邻（KNN）、决策树（DT）和朴素贝叶斯（NB）。实证结果显示所提系统在 SVM 下取得了最满意的结果。所提 2D-DWTPP 模型经评估，结果显示相比 Alexnet 与无特征选择的分类器具有显著效率。实验上，我们的模型具有更好的准确率，为 (98.65)，而 Alexnet 为 (63.5)，无特征选择的分类器为 (78.79)。
引用
@article{arxiv.2007.16195,
title = {Palm Vein Identification based on hybrid features selection model},
author = {Mohammed Hamzah Abed and Ali H. Alsaeedi and Ali D. Alfoudi and Abayomi M. Otebolaku and Yasmeen Sajid Razooqi},
journal= {arXiv preprint arXiv:2007.16195},
year = {2020}
}
备注
9 pages