基于改进K-Means的静脉特征学习与识别
作者:
孙伟
刘晓敏
王浩宇
关键词:
静脉识别
单层网络特征学习
K-Means
SIFT特征
词袋模型
摘要:
针对传统的静脉识别中静脉特征的提取需要通过先验知识进行人工设计,并且特征的设计过程中需要对大量的参数进行调整,同时需要在后续的分类器设计中进行特殊的选择才能达到较好的识别效果等缺陷,提出了一种改进方法,对单层网络的特征学习结构中的K-Means方法进行针对性改进,并将其引入到静脉识别的静脉特征学习过程中,在分类器中采用SVM实现静脉分类.另外,引入SIFT特征结合改进词袋模型(SBOW)的传统特征学习和分类方法分别进行静脉识别,并将两者的识别结果进行对比,从而证明将基于单层网络特征学习方法引入静脉识别中的优越性和必要性.
上一篇: 基于广义回归网络的铝电解阳极效应预报
下一篇: 预见控制理论及其应用的研究综述