Найти

Результаты поиска

• НЕЙРОСЕТЕВАЯ МЕТОДИКА ИДЕНТИФИКАЦИИ ЛИЧНОСТИ ПО РИСУНКУ ВЕН ЛАДОНИ

  В.А. Частикова , С.А. Жерлицын

  2022-11-01

  Аннотация ▼

  Описывается работа по созданию нейросетевой методики идентификации лично-
  сти, основанной на механизме сканирования и анализа рисунка вен ладони, как биометриче-
  ского параметра. В рамках проведенного исследования описаны предпосылки, цели и причи-
  ны, по которым разработка надежной системы биометрической идентификации является
  важным и актуальным направлением деятельности. Сформулирован ряд проблем, прису-
  щих существующим методам решения поставленной задачи: графовому методу и методу,
  основанному на вычислении расстояния, выраженного в различных интервальных метри-
  ках. Приведено описание принципов их работы. Сформулированы задачи, решаемые систе-
  мами идентификации личности: сопоставление субъекта идентификации с его идентифи-
  катором, однозначно идентифицирующим этого субъекта в информационной системе.
  Описан механизм считывания рисунка вен с ладони, разработанный для анализа изобра-
  жения, полученного с восприимчивой к излучению инфракрасного диапазона цифровой ка-
  меры. При нахождении в кадре ладони, подсвечиваемой светом ближнего ИК-диапазона, на
  изображении, полученном с камеры, становится заметен рисунок пролегающих под кож-
  ным покровом вен, сосудов и капилляров. В зависимости от организации, система иденти-
  фикации может на основе предоставленного идентификатора определять соответс т-
  вующий субъект доступа или проверять принадлежность того же идентификатора
  предполагаемому субъекту. Приведены 3 метода дальнейшего анализа биометрических
  данных и идентификации личности: подходы, основанные на категориальной классифи-
  кации и бинарной классификации, а также комбинированный подход, при котором сн а-
  чала используется идентификация по первому способу, а затем, по второму, но уже для
  известного идентификатора доступа, определённого на первом этапе. Приведена р е-
  зультирующая архитектура нейросети для категориальной классификации рисунка вен,
  описан способ вычисления количества параметров модели в зависимости от числа заре-
  гистрированных субъектов. Представлены основные выводы и экспериментальные зам е-
  ры точности работы системы при реализации различных методов, а также диаграммы
  изменения точности моделей во время обучения. Выявлены основные преимущества и не-
  достатки приведённых методов.

• ДВУХЭТАПНЫЙ БУСТИНГ БИНАРНОЙ КЛАССИФИКАЦИИ НА ОСНОВЕ ПРИМЕНЕНИЯ БИОИНСПИРИРОВАННЫХ АЛГОРИТМОВ

  Д. В. Балабанов , А. В. Ковтун , Ю. А. Кравченко

  2020-10-11

  Аннотация ▼

  В процессе решения широкого круга прикладных задач возникает необходимость де-
  композиции объектов. Как следствие, проблема классификации является актуальной про-
  блемой в современных системах интеллектуального анализа данных. Бинарная классифи-
  кация является одной из важнейших задач, и имеет целый ряд нерешенных проблем. Одной
  из таких проблем является эффективность автоматизированной классификации. В зада-
  чах автоматизированной классификации, актуально применение алгоритмического аппа-
  рата эволюционных вычислений. Таким образом целесообразно применение генетических и
  биоинспирированных алгоритмов, в задаче поиска оптимальных значений параметров
  классификатора. Для решения данной задачи предлагается применить алгоритм роя час-
  тиц(PSO). Данный алгоритм в контексте задачи поиска субоптимальных значений пара-
  метров классификатора способен обеспечить высокое качество классификации. Модифи-
  кацией алгоритма является динамическое изменение значений координат, которые отве-
  чают за тип функции ядра. Данная доработка позволяет значительно снизить затрачи-
  ваемое время разработки классификатора. Для повышения эффективности классификации
  целесообразно применять ансамбли алгоритмов. В работе приведена структура двухуров-
  невого классификатора. На первом уровне данного классификатора, формируется ан-
  самбль простых классификаторов которые формируют учебную выборку, которая, в даль-
  нейшем используется алгоритмом роя частиц на втором этапе. Такой подход позволяет
  значительно уменьшить временные затраты, а также повысить качество получаемых
  решений. Алгоритм роя частиц(PSO), в контексте задачи поиска субоптимальных значе-
  ний параметров классификатора способен обеспечить высокое качество классификации.
  Предложенный двухуровневый алгоритм был экспериментально протестирован. Произве-
  дено сравнение с аналогами, приведены сравнительные диаграммы. Описанные исследова-
  ния показывают, что работа имеет высокую теоретическую значимость, а проведенные
  экспериментальные исследования доказывают высокую практическую значимость.