專利名稱：一種隱式意識(shí)特征的提取和優(yōu)化方法
技術(shù)領(lǐng)域：
本發(fā)明涉及生物特征圖像分析、識(shí)別和信息安全等交叉領(lǐng)域，尤其是一種用于個(gè)人身份驗(yàn)證系統(tǒng)中隱式意識(shí)特征的提取和優(yōu)化方法。
背景技術(shù)：
為解決偽造指紋給指紋識(shí)別系統(tǒng)帶來的弊端，目前基于軟件的解決方案是通過標(biāo)準(zhǔn)指紋傳感器來捕捉信息，與活性檢測(cè)來用于修改過的算法以測(cè)量如排汗、彈性和變形等皮膚特性，這種方法的主要缺點(diǎn)是識(shí)別結(jié)果容易受到手指施加壓力、環(huán)境濕度和用戶合作等因素影響。在硬件解決方案中，額外的硬件須結(jié)合生物傳感器以檢測(cè)如心跳、溫度及表皮下組織等其他信息，這種方法的主要特點(diǎn)是設(shè)備比傳統(tǒng)光學(xué)傳感器復(fù)雜、昂貴且提取的特征容易發(fā)生偏差。目前的軟硬件解決方案在一定程度上預(yù)防了假指紋的流通，但是如果犯罪分子利用暴力行為截取用戶手指，這些解決方案將如同虛設(shè)。

發(fā)明內(nèi)容
本發(fā)明所要解決的技術(shù)問題是提供一種用于個(gè)人身份驗(yàn)證系統(tǒng)中隱式意識(shí)特征的提取和優(yōu)化方法，利用對(duì)大腦意識(shí)和意識(shí)性行為的分析方法及其數(shù)據(jù)挖掘技術(shù)來提取指紋的固有物理特征和意識(shí)特征進(jìn)行用戶身份認(rèn)證，用于克服因多隱式意識(shí)特征提取不全而造成的匹配識(shí)別錯(cuò)誤，從而克服傳統(tǒng)基于單生物底層特征進(jìn)行身份認(rèn)證的缺點(diǎn)。2、為解決上述問題，本發(fā)明公開了一種用于個(gè)人身份驗(yàn)證系統(tǒng)中隱式意識(shí)特征的提取和優(yōu)化方法，隱式意識(shí)特征的提取，具體包括構(gòu)建單意識(shí)模型、構(gòu)建組合意識(shí)模型和選擇合適的聚類方法進(jìn)行降維；隱式意識(shí)特征的優(yōu)化是通過對(duì)缺失數(shù)據(jù)特征采用分類決策樹算法，在存儲(chǔ)的多隱式意識(shí)特征模板和提取到的多隱式意識(shí)特征之間建立映射關(guān)系得到， 具體步驟為(1)初始化數(shù)據(jù)集，將數(shù)據(jù)集分為缺失數(shù)據(jù)集和非缺失數(shù)據(jù)；(2)數(shù)據(jù)集權(quán)重值初始化分配；(3)為節(jié)點(diǎn)選擇一個(gè)特征屬性作為這個(gè)節(jié)點(diǎn)分裂時(shí)候的屬性；(4)將訓(xùn)練樣本根據(jù)節(jié)點(diǎn)的特征屬性分類到各個(gè)子節(jié)點(diǎn)；(5)計(jì)算每個(gè)子節(jié)點(diǎn)選擇的特征量的信息熵；(6)計(jì)算每個(gè)子節(jié)點(diǎn)選擇的特征量的增益率；(7)若所選特征量擁有最大增益率，則繼續(xù)分裂節(jié)點(diǎn)為子節(jié)點(diǎn)，若所選特征量不是最大增益率，則重新選擇其特征屬性；(8)若每個(gè)節(jié)點(diǎn)只含有同一類樣本，則將次節(jié)點(diǎn)設(shè)置為葉子節(jié)點(diǎn)，結(jié)束此節(jié)點(diǎn)的分裂，若不只含有一類樣本，則繼續(xù)進(jìn)行節(jié)點(diǎn)選擇。本發(fā)明的有益效果是克服傳統(tǒng)的依據(jù)固有物理特征進(jìn)行身份認(rèn)證的弊端，為用戶身份認(rèn)證提供新的研究思路和方法。
具體實(shí)施例方式1、本發(fā)明一種隱式意識(shí)特征的提取和優(yōu)化方法的實(shí)施例，隱式意識(shí)特征的提取， 具體包括構(gòu)建單意識(shí)模型、構(gòu)建組合意識(shí)模型和選擇合適的聚類方法進(jìn)行降維；隱式意識(shí)特征的優(yōu)化是通過對(duì)缺失數(shù)據(jù)特征采用分類決策樹算法，在存儲(chǔ)的多隱式意識(shí)特征模板和提取到的多隱式意識(shí)特征之間建立映射關(guān)系得到，具體步驟為(1)初始化數(shù)據(jù)集，將數(shù)據(jù)集分為缺失數(shù)據(jù)集和非缺失數(shù)據(jù)；(2)數(shù)據(jù)集權(quán)重值初始化分配；(3)為節(jié)點(diǎn)選擇一個(gè)特征屬性作為這個(gè)節(jié)點(diǎn)分裂時(shí)候的屬性；(4)將訓(xùn)練樣本根據(jù)節(jié)點(diǎn)的特征屬性分類到各個(gè)子節(jié)點(diǎn)；(5)計(jì)算每個(gè)子節(jié)點(diǎn)選擇的特征量的信息熵；(6)計(jì)算每個(gè)子節(jié)點(diǎn)選擇的特征量的增益率；(7)若所選特征量擁有最大增益率，則繼續(xù)分裂節(jié)點(diǎn)為子節(jié)點(diǎn)，若所選特征量不是最大增益率，則重新選擇其特征屬性；(8)若每個(gè)節(jié)點(diǎn)只含有同一類樣本，則將次節(jié)點(diǎn)設(shè)置為葉子節(jié)點(diǎn)，結(jié)束此節(jié)點(diǎn)的分裂，若不只含有一類樣本，則繼續(xù)進(jìn)行節(jié)點(diǎn)選擇。
權(quán)利要求
1. 一種隱式意識(shí)特征的提取和優(yōu)化方法，其特征在于隱式意識(shí)特征的提取，具體包括構(gòu)建單意識(shí)模型、構(gòu)建組合意識(shí)模型和選擇合適的聚類方法進(jìn)行降維；隱式意識(shí)特征的優(yōu)化是通過對(duì)缺失數(shù)據(jù)特征采用分類決策樹算法，在存儲(chǔ)的多隱式意識(shí)特征模板和提取到的多隱式意識(shí)特征之間建立映射關(guān)系得到，具體步驟為(1)初始化數(shù)據(jù)集，將數(shù)據(jù)集分為缺失數(shù)據(jù)集和非缺失數(shù)據(jù)；(2)數(shù)據(jù)集權(quán)重值初始化分配；(3)為節(jié)點(diǎn)選擇一個(gè)特征屬性作為這個(gè)節(jié)點(diǎn)分裂時(shí)候的屬性；(4)將訓(xùn)練樣本根據(jù)節(jié)點(diǎn)的特征屬性分類到各個(gè)子節(jié)點(diǎn)；(5)計(jì)算每個(gè)子節(jié)點(diǎn)選擇的特征量的信息熵；(6)計(jì)算每個(gè)子節(jié)點(diǎn)選擇的特征量的增益率；(7)若所選特征量擁有最大增益率，則繼續(xù)分裂節(jié)點(diǎn)為子節(jié)點(diǎn)，若所選特征量不是最大增益率，則重新選擇其特征屬性；(8)若每個(gè)節(jié)點(diǎn)只含有同一類樣本，則將次節(jié)點(diǎn)設(shè)置為葉子節(jié)點(diǎn)，結(jié)束此節(jié)點(diǎn)的分裂， 若不只含有一類樣本，則繼續(xù)進(jìn)行節(jié)點(diǎn)選擇。
全文摘要
本發(fā)明涉及一種隱式意識(shí)特征的提取和優(yōu)化方法，隱式意識(shí)特征的提取，具體包括構(gòu)建單意識(shí)模型、構(gòu)建組合意識(shí)模型和選擇合適的聚類方法進(jìn)行降維。本發(fā)明克服傳統(tǒng)的依據(jù)固有物理特征進(jìn)行身份認(rèn)證的弊端，為用戶身份認(rèn)證提供新的研究思路和方法。
文檔編號(hào)G06K9/62GK102368302SQ20111026476
公開日2012年3月7日 申請(qǐng)日期2011年9月7日 優(yōu)先權(quán)日2011年9月7日
發(fā)明者余人強(qiáng), 劉華平, 吳軍, 吳智君 申請(qǐng)人:常州藍(lán)城信息科技有限公司