基于特征子集与特征区分度的生物认证方法

摘要

生物认证是信息安全领域研究的热点问题,已经成为社会安全各个领域用于身份识别的重要技术手段.随着数字图像获取技术和采集设备的快速发展,生物认证图像数据在采集过程中往往会出现高维度、高冗余现象.为了解决生物认证数据在计算过程中出现的维度高、冗余信息多、计算复杂度高的问题,在生物数据处理过程中构建了基于特征子集与特征区分度的特征选择方法.该方法首先利用改进的随机子空间方法和费舍尔得分法分别对特征排序;然后,将两种方法选择的特征结果进行加权融合得到全新的特征排序;最后,利用顺序前向搜索策略进行特征选择.为验证方法的有效性,将该方法与传统方法分别在五个经典的生物认证数据库上进行了比较.实验结果证明该方法获得了非常高的识别准确度.