基于持续同调机器学习的指纹分类
机器学习
2017-11-28 v1 代数拓扑
摘要
指纹分类问题是将指纹归入预定组别，如弓型、箕型与斗型。文献中曾断言，常用于指纹匹配的细节点并非分类有用特征。我们则表明，相反地，将拓扑数据分析（TDA）应用于有向细节点三维点云时，可达到接近最先进水平的分类准确率。我们也将TDA应用于指纹油墨滚印图像，其准确率较低但仍具前景，尤其因唯一预处理仅为裁剪；此外，两种方法结合优于各自单独使用。这些方法将监督学习应用于持续同调，并使我们能够探索条形码上的特征选择——TDA与机器学习交界上的重要课题。我们在NIST指纹数据库SD-27上测试了分类算法。
引用
@article{arxiv.1711.09158,
title = {Persistent homology machine learning for fingerprint classification},
author = {Noah Giansiracusa and Robert Giansiracusa and Chul Moon},
journal= {arXiv preprint arXiv:1711.09158},
year = {2017}
}
备注
15 pages