基于分类距离分数的自适应多模态生物特征融合

摘要：

匹配分数是传统的融合分数指标,但是其不能很好地区分类内和类间数据,分类置信度虽然可以较好地将类内类间数据分开,但对于匹配分数仅次于分类阈值的数据,其分类效果不是很理想.因此,首先提出了一种基于分类距离分数的融合分数指标,其不仅携带一级分类信息,也含有匹配分数与分类阈值之间的距离信息,可增大融合后类内类间分数之间的距离,为融合算法提供了一个具有有效判别信息的特征融合集,提高了融合指标的利用率;进一步,利用信息熵表示信息价值多少的这一特性,定义特征关联系数和特征权重系数,并将加权融合和传统SUM规则统一在一个自适应算法框架中,提高了融合识别率.实验结果验证了所提出方法的有效性.

关键词：多模态识别技术、特征融合、分类距离分数、信息熵、自适应融合

所属期刊栏目：55

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金项目61372137,61302191;安徽大学信息保障技术协同创新中心开放课题ADXXBZ201411;安徽大学大学生科研训练计划项目KYXL201530This work was supported by the National Natural Science Foundation of China61372137,61302191;the Open Topic of Anhui University Information Security Technology Collaborative Innovation CenterADXXBZ201411;the Project of Anhui University Scientific Research Training Program for College StudentsKYXL201530

在线出版日期：2018-02-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：151-162