• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>International journal of infomation technology and management >Dealing with biometric multi-dimensionality through chaotic neural network methodology
【24h】

Dealing with biometric multi-dimensionality through chaotic neural network methodology

机译：通过混沌神经网络方法处理生物特征多维

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Acquiring a group of different biometrics characteristic and specifications results in a number of issues that should be addressed in a modern biometric system. One of the common problems is the high dimensionality of the data, which may impact negatively the biometric system performance. The complexity of data is rarely considered in multimodal biometric systems due to the gap between recently developed dimensionality reduction techniques in data mining and data analysis of biometric features. To remedy the situation, this paper proposes a unique methodology for shrinking down the finite search space of all possible subspaces. The approach also utilises the function approximation capabilities of chaotic neural networks to act as an associative memory to learn the biometric patterns. In summary, the contribution of this paper is in novel methodology based on the axis-parallel dimension reduction technique and chaotic neural network to improve the performance and circumvention of biometric system.
机译：获取一组不同的生物特征和规格会导致许多问题，这些问题应在现代生物特征系统中解决。常见问题之一是数据的高维度，这可能会对生物识别系统的性能产生负面影响。由于最近开发的数据挖掘中的降维技术与生物特征的数据分析之间存在差距，因此在多模式生物特征识别系统中很少考虑数据的复杂性。为了解决这种情况，本文提出了一种独特的方法来缩小所有可能子空间的有限搜索空间。该方法还利用混沌神经网络的函数逼近功能来充当关联记忆，以学习生物特征模式。综上所述，本文的贡献在于基于轴平行维降维技术和混沌神经网络的新型方法，以提高生物识别系统的性能和规避性。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号