影响指纹鉴定人员点取特征正确性实证研究

指纹鉴定是一个认知过程,是指纹鉴定人员根据自己所掌握的指纹鉴定理论,结合自己的经验对现场指纹进行检验的过程。通过指纹鉴定人员的3次点取特征,对指纹鉴定人员在分析阶段、比对阶段点取特征的方法、数量、准确性以及稳定性进行统计和分析。实验结果表明,点取特征的数量与现场指纹的质量和指纹鉴定人员的认知能力等存在一定的关联性;分类标记特征点方法使得初次接触指纹鉴定的鉴定人员点取特征点总数量增多,而对于非初次接触指纹鉴定的鉴定人员影响较小,但是该方法有助于提高指纹鉴定人员点取特征点的正确性;短期培训有助于提高初次接触指纹的鉴定人员点取特征点的稳定性,而重复的指纹鉴定相关理论的培训对于指纹鉴定人员点取特征点的稳定性影响较小。     

指纹鉴定能力测试的鉴定结果准确性问题研究

对指纹鉴定人员在指纹鉴定能力测试中做出指纹鉴定意见的准确性以进行分析,指纹鉴定意见的准确性由指纹鉴定人员正确认定或者否定样本指印的比例衡量。实验邀请106家鉴定机构参加指纹鉴定能力测试,测试设计4组指印,2组来自同源,2组来自异源,使用指纹鉴定分析系统记录106家鉴定机构对4组指印鉴定中产生的数据,包括:比对阶段选取的特征点数量、价值判断结果、同一认定鉴定意见的数量、无结论的数量和否定鉴定意见的数量。数据显示106家鉴定机构在分析阶段共点取4 698个特征点;做出424个现场指纹价值判断;给出同一认定鉴定意见249个,否定鉴定意见165个和无结论鉴定意见10个,对4枚指纹分别做出正确判断的比率分别为:93.4%、97.1%、84.9%和68.9%,无结论率分别为:5.7%、1.9%、0.9%和0.9%,实验数据说明,指纹鉴定意见存在一定的错误率,且指纹鉴定人员在鉴定异源指纹时的错误率高于对同源指纹鉴定的错误率。     

箕型纹三角区域相似性规律研究

相似异源指纹已经成为指纹鉴定理论的重要研究方向之一。但是指纹面积大、特征点多,目前的研究还没有完全归纳出指纹各区域的相似性规律。选取形态较为复杂的箕型纹三角区域为研究对象,对60枚箕型纹的三角区域点取细节特征发起查询,从相似异源指纹数量、相似区域频率、相似异源指纹类型、手位指位分析、同异源排位情况5个方面系统总结箕型纹三角区域的相似性规律,以补充完善指纹相似性理论。结果发现,细节特征数量越多,发现高度相似异源指纹的难度越大,但仍能找到具有16个符合点的高度相似异源指纹;其次,下支线以下部分较其他区域更易出现相似异源指纹,距离下支线顶点越近,出现相似异源现象的频率越高;箕型纹三角区域存在纹型之间和不同角度之间的相似性;相似异源指纹与现场指纹来自同一手位的可能性比较大;仅出现相似异源指纹和相似异源指纹在同源指纹排位之前这两种情况是指纹鉴定的主要风险,分别占比17.2%、3.3%。本实验有助于提高指纹鉴定人员对于箕型纹三角区域相似性的认识,为AFIS系统算法研究和指纹鉴定提供一定的参考价值。     

采用圆形匹配限制框的指纹特征点匹配算法

介绍了指纹特征点的匹配原理,提出了一种改进的实时指纹特征点匹配算法,并对算法性能进行了实验研究.给出了错误匹配率(FMR)和错误不匹配率(FNMR)随阈值变化的情况及算法的ROC曲线.得到算法的等错误率(EER)为1.8%,最小FMR(zeroFNMR)为6.8%,平均匹配时间为0.1s.算法在指纹库FVC2004上的实验结果表明,算法性能较好,适合于实时指纹识别系统.     

基于特征点分类的模糊金库方案

为解决传统指纹认证方案中指纹模板信息泄露以及指纹和密钥无法融合等问题,提出一种基于指纹特征点分类的模糊金库方案(CFM-FV).该方案中,使用指纹奇异点作为辅助数据对指纹图像进行预对齐,将指纹细节点特征应用于模糊金库方案进行密钥绑定.验证时,提取查询指纹奇异点作为辅助数据对指纹预对齐,然后提取指纹细节点特征信息进行多项式的重构.本方案将指纹特征点分类方法与模糊金库方案相结合,一定程度上解决了传统模糊金库方案中无法实现指纹盲对齐带来的影响问题.     

基于指纹面积和特征质量的指纹鉴定量化标准研究

科学确定指纹鉴定的标准对于保证鉴定结论的科学性有重要的意义."面积-质量量化标准"依据指纹的面积决定细节特性的数量,视指纹有效面积中的每条纹线都按照一定的密度充满特征,同时,对细节特征进行分类,按照特征出现率的高低决定特征的质量量值,最后综合所有特征的出现概率,形成随机匹配概率来描述鉴定的质量,在概率计算和充分评估的基础上,确定指纹认定的随机匹配概率标准量值.     

基于特征比较和最大熵模型的统计机器翻译错误检测

首先介绍3种典型的用于翻译错误检测和分类的单词后验概率特征, 即基于固定位置的词后验概率、基于滑动窗的词后验概率和基于词对齐的词后验概率, 分析其对错误检测性能的影响; 然后, 将其分别与语言学特征如词性、词及由LG句法分析器抽取的句法特征等进行组合, 利用最大熵分类器预测翻译错误, 并在汉英NIST数据集上进行实验验证和比较。实验结果表明, 不同的单词后验概率对分类错误率的影响是显著的, 并且在词后验概率基础上加入语言学特征的组合特征可以显著降低分类错误率, 提高译文错误预测性能。     

谈指纹鉴定特征数量标准

指纹是各国警方进行人身识别时的最常用、最有力的工具，被称为“证据之首”。在利用指纹鉴定认定人身的过程中，需要多少特征才能保证指纹鉴定的准确性一直是许多人讨论的问题。本文对各国指纹鉴定特征数量标准概况发展过程作了介绍，并对我国在该领域的现状予以介绍。     

模式识别中基于Boosting的特征筛选

提出了一种基于Boosting的特征筛选算法.根据Boosting分类训练时的训练错误率、训练过程中错误率的收敛速度以及测试错误率确定特征影响因子;利用这些影响因子对待识别目标的特征进行排序,去除冗余特征,以降低特征空间的维数.对于筛选后保留的特征,根据其影响因子进行加权,以提高目标识别的准确率.用该方法可避免其它分类学习器训练时的过学习现象,生成的分类器模型小,识别速度快,适用于对特征不易确定的目标识别.     

指纹自动识别系统使用方法和技巧

指纹自动识别系统采用先进的计算机算法,通过指纹检验鉴定的理论和工作经验,对现场指纹与指纹库中指纹逐一进行比对鉴别,提供候选名单,从而快速的进行筛选确认。虽然计算机可以自动的进行比对,但是,指纹特征标注的是否准确往往直接影响自动比对的结果,人工认定的过程也有一定的方法和技巧。该文从标记特征点、发送指纹查询、人工认定嫌疑人等三个方面,分别阐述了指纹自动识别系统使用方法和技巧。     

指纹图的特征增强与去伪的分级处理算法

提出了一种指纹图特征增强与去伪的分级算法．对指纹的二值图进行增强,有效减少虚假细节点的出现;在细化图上跟踪并标记脊线,去除具有连接关系的伪细节点;利用指纹对偶性除去断点等无脊线连接关系的伪细节点．实验结果表明,此算法在去除伪细节点方面具有很好的效果,达到了自动指纹身份识别系统的实时要求．     

基于最佳距离度量的两层最近邻分类算法

两层最近邻(TLNN)分类算法通过在有限训练样本条件下最小化错误率的平均绝对误差,能够产生比k-最近邻(kNN)算法更好的分类结果,但其精度易受噪声影响。针对这个问题,提出一种基于最佳距离度量的两层最近邻分类算法(ODM-TLNN),提高对噪声数据的鲁棒性。算法分为两层,下层使用最佳距离度量来确定一个未标记样本的局部子空间,上层采用AdaBoost在子空间进行信息提取。基于UCI数据集的实验结果表明,该算法能充分降低分类错误率,并且在噪声数据下具有较好的稳定性。     

一种指纹特征点信息的表示方法

指纹图像经细化后并提取特征点,把特征点的信息构成特征向量作为指纹特征模板.本文提出了一种有效的指纹特征信息的表示方法,把中心点作为参照点,利用中心点和特征点之问的距离和纹线数与图像的旋转和平移无关的特性来标记特征点.通过结果分析,此方法占用的空间相对要小.     

一个新的基于细节特征的指纹匹配方法

自动指纹识别系统(automaticfingerprintidentificationsystems,AFIS)的精度和效率主要依赖于指纹的匹配算法.指纹匹配涉及的两个关键问题是指纹的对齐和匹配方式.根据同一个指纹的不同采样,其脊线形状保持高度的相似性的特点,利用两条脊线对应点的距离构造了一个判据,用来评价两条脊线形状的相似性,以实现指纹的最优对齐;针对传统指纹匹配算法中伪细节点的混入和真实细节点的遗漏影响指纹匹配精度的问题,提出了一种基于编辑距离原理的指纹细节特征匹配方法,对指纹库Fingdb和FingerDUT进行了测试,等错误率分别为0.62%和2.75%,证明该方法具有较高的可靠性和有效性.     

一种基于Bezier曲线曲率的指纹特征提取算法

指纹特征提取是指纹识别中关键的一步,文中给出了一种新的特征提取算法,该算法利用指纹纹线的弯曲信息对指纹特征进行描述.算法对指纹图像特定区域中的纹线进行跟踪,并用Bezier曲线来拟合跟踪过的指纹纹线,最后使用Bezier曲线上曲率取极值的点来定义指纹特征点.实验结果表明,提取的特征点有效描述了指纹纹线的弯曲趋势,对噪声不敏感,同时该算法优于传统的特征提取方法.     

一种标定指纹无特征区的新方法

指纹中无细节点特征的区域,即为无特征区。受指纹细点线位置、指纹纹线流向等因素的影响无特征区域的分布显高度随机性,因此无特征区本身就是一种高质量特征,可用于指纹识别。但是由于无特征区域形状会根据指纹细节点位置的变化而发生改变,我们很难使用一种统一的模型来表达无特征区域。研究设计了一种新颖的无特征区域表达方法,该方法使用网格标定的方式来实现对无特征区域的表达建模,首先沿横向和纵向把指纹分成若干等份,然后在各网格中统计无特征区域的分布位置与纹线条数等信息。为验证方法性能,构建一个小型指纹数据库,该数据库包含100枚三面捺印油墨指纹。实验结果显示两枚不同指纹中单个无特征区信息相同的概率为1%,多个(2个及以上)无特征区信息相同的概率为0%。可以实现指纹无特征区统计的稳定性。     

面向特征融合与知识蒸馏的恶意软件分类

恶意软件分类是一个多分类任务，旨在提取软件特征来训练模型，以判断恶意软件的类别。现有工作主要集中于利用深度神经网络从恶意软件图像中抽取特征进行分类，对恶意软件的序列特征和分布特征之间的关联性缺乏关注，限制了模型性能。此外，这些现有模型大多具有较高的参数量，往往需要占用较大的计算资源。为此，提出一种基于特征融合与知识蒸馏的恶意软件分类方法。一方面，通过残差网络分别从灰度图和马尔可夫图中抽取恶意软件的序列特征和分布特征，并利用自注意力挖掘不同特征之间的关联性，以提升模型性能。另一方面，通过教师网络向多个学生网络进行知识迁移，并让学生网络互相协作学习，以进一步降低模型规模。在微软和CCF数据集上的实验结果证明，该方法不仅有效提升了模型性能，而且可以降低模型的参数量和计算量。此外，本文通过热力图定位影响分类结果的字节，对分类依据进行解释。     

分子标记在杨树遗传改良中的应用

介绍了杨树遗传改良中常用的三种分子标记;ＲＦＬＰ、ＲＡＰＤ和ＡＦＬＰ,并回顾了分子标记在杨树遗传改良中的应用;构建无性系指纹图谱,构建遗传图谱,群体遗传变异和系统进化及分类,杂种鉴定,数量性状基因定位以及分子标记辅助选择育种等。     

基于改进SIFT 算法的掌纹图像拼接

为解决采集的掌纹图像不完整的问题, 改进了SIFT 特征图像拼接算法, 从而得到完整掌纹图像, 提出LoG-SIFT 特征点匹配拼接算法并设计一种剔除误匹配点对策略。实验结果显示, 改进后算法能增强手掌表面纹线特征, 显著提高特征点对匹配数量, 降低点对匹配错误率。     

一种有效的算法在胃癌特征基因选取中的应用研究

基于基因表达谱运用信息科学的方法和技术建立胃癌的分类模型,关键在于准确找出决定样本类别的一组特征基因。针对该问题在分析胃癌的基因表达谱基础上研究了胃癌特征基因选取问题。本文在借鉴递归特征排除策略的基础上,将RFE_Relief方法应用到胃癌特征基因选取上,并用支持向量机作为分类器,以分类错误率为标准进行了胃癌的分类预测实验,实验结果表明了该方法的可行性和有效性。