基于方向基元集描述的指纹方向图求取算法

研究指纹的方向图对实现指纹纹线修补、纹形特征的提取以及指纹的分类等应用都有很强的实用价值。笔者通过对指纹图象方向基元集的定义和描述,运用方向基元样本的统计特性,给出了一种求取指纹方向图的方法。并将该方法运用到一套智能卡指纹验证系统中进行纹型比对,实践证明：该方法算法简单,快速有效,对各种噪声具有一定的鲁棒性。     

肥厚性疤痕成纤维细胞的基因芯片分析

用基因芯片分析肥厚性疤痕与正常皮肤成纤维细胞在静息及TGF－beta3刺激下的表达谱的改变,正常成纤维细胞在TGF－beta3刺激前后的表达谱与肥厚性疤痕成纤维细胞在TGF－beta3刺激前的表达谱正相关（r=0.76037),刺激后2种成纤维细胞的表达差异与肥厚性疤痕成纤维细胞TGF－beta3刺激前后的表达谱差异正相关（r=0.826 762),构成以上差异的基因有620条,涉及细胞骨架蛋白,细胞周期蛋白,细胞因子,受体,转录因子及糖,蛋白质和酸代谢的酶类,未发现胶原蛋白I,III的表达水平的改变,结果提示：1,肥厚性疤痕成纤维细胞在静息状态下表现出与正常细胞受TGF－beta3刺激后相似的反应,其可能处于一种应激状态;2．TGF－beta3刺激后2种细胞的反应差异与肥厚性疤痕细胞的异常反应相关,TGF－beta3的作用背景可能是肥厚性疤痕的分子病理学基因之一,3．基因表达变化涉及细胞因子,细胞周期调控,凋亡等,其具备疾病遗传异质性的分子基础。4．胶原表达无明显上升,提示在肥厚性疤痕发病中,胶原纤维及细胞外基质堆积有复杂的分子生物学基础。     

基于多向切片中点的快速图像细化算法

在对几种常用细化算法进行探讨之后,提出了利用骨架上的像素点至少在某个方向上应处于该方向对象边界的中心点处的特点,从多个方向对细化对象进行切片,并利用这些切片中心点集作为原始数据集,以快速产生对象骨架的方法.实验结果表明,本算法与基于击中-击不中方式和最大圆盘方式的算法相比,具有复杂度低,运算时间少的特点.     

一种基于遗传算法的指纹比对算法

指纹比对在身份验证与身份识别中具有非常重要的应用。该文提出了一种基于遗传算法的指纹比对算法。该算法针对指纹比对的特点 ,设计了相关的目标函数与遗传算子 ,搜索了两幅指纹间可能存在的平移、旋转等几何参数变化关系 ,并在此基础上确定了二者之间的特征点匹配关系 ,从而可判断两幅指纹匹配的程度。实验结果表明 ,该方法可以在变换与局部变形存在的情况下 ,正确判定两幅指纹之间对应的特征点。与直接利用遗传算法搜索特征点对应关系的方法相比 ,新搜索方法收敛所需的迭代次数仅为遗传算法的1/ 5 ,速度得到了提高     

鱼腥草超微粉黄酮类成分HPLC指纹图谱的研究

利用高效液相色谱法建立了鱼腥草超微粉黄酮类成分的色谱指纹图谱。色谱条件:色谱柱为SHIM-PACKVP-C18柱(250mm×4.6mm,10!m),乙腈-1%甲酸梯度洗脱,流速为1.0ml/min,检测波长254nm。建立了鱼腥草超微粉HPLC指纹图谱,标定了7个共有峰。结论为利用HPLC指纹图谱可以较全面地控制鱼腥草超微粉的内在质量。     

基于结构的自适应指纹图像增强算法

指纹图像的周期性和局部方向性是指纹图像的重要结构特征,充分利用这两个结构特征是提高指纹增强算法的重要方法.对一般图像增强算法处理指纹图像分析后,发现了一般图像增强算法无法满足指纹识别系统的要求.为了提高指纹增强算法的综合性能,作者以指纹图像局部方向和周期为参数,并设计了基于梯度得求局部方向的算法,再以Gabor变换为基础,设计了基于结构的自适应滤波算法.试验结果表明,该算法具有很高的实用价值,能够满足一般指纹识别系统性能要求.     

一种改进的点模式指纹匹配方法

自动指纹识别因其在身份认证方面所具有的方便、快速、准确等特点而得到了广泛的关注，而指纹匹配算法的研究又是其中一个非常重要的研究内容．针对基准点定位困难的问题，提出了一种根据特征点集合中3个近邻点所组成的子集之间的相互关系来确定基准点以及变换参数的算法．实验结果证明，该算法可以快速、准确的定位基准点，精确求取变换参数，指纹匹配的速度和准确率可以满足实际应用的需要．     

葛根HPLC指纹图谱及模式识别研究

采用高效液相色谱法,建立9种不同产地的葛根样品的指纹图谱,并利用化学计量学中的主成分分析和聚类分析方法对所得到的葛根HPLC指纹图谱进行模式识别的研究,实现了9种不同产地葛根样品的分类.本研究获得的指纹图谱较全面的反映不同产地的葛根的特征差异,可为葛根的质量控制及综合评价奠定基础.     

指纹识别技术在图书馆管理中的应用

介绍了指纹识别技术,探讨了指纹图像识别技术在图书馆管理中的应用。     

基于XGBoost预测及弹性网误差补偿的室内定位算法

为解决室内定位系统中因环境动态变化而导致定位精度下降的问题,提出一种基于XGBoost并融合弹性网的误差补偿算法。采用XGBoost定位模型对目标位置进行初步预测,当室内环境改变后,再采用弹性网算法构建误差补偿模型,修正XGBoost定位模型的定位误差,并与基于K近邻、支持向量机、随机森林、梯度提升决策树等定位算法做对比。实验结果表明：在更新15%指纹数据库样本的情况下,该算法在80%分位处的定位精度控制在0.73 m以内,明显优于其他定位算法,且较基于XGBoost的定位算法精度提高了25.5%。