【摘 要】
:
基于手指的生物特征融合具有特征互补性充分和配合度高的优势。然而,由于不同手指生物特征之间较大的数据差异,实现有效的融合仍存在特征空间不匹配、特征区分能力不高、实时性不足等问题。为了提升手指生物特征融合识别性能,本文选取指纹、指静脉和指节纹为融合模式源,提出了基于图(Graph)和卷积图神经网络(Convolutional Graph Neural Network,Conv GNN)的手指生物特征融
【基金项目】
:
国家自然科学基金(61806208);
论文部分内容阅读
基于手指的生物特征融合具有特征互补性充分和配合度高的优势。然而,由于不同手指生物特征之间较大的数据差异,实现有效的融合仍存在特征空间不匹配、特征区分能力不高、实时性不足等问题。为了提升手指生物特征融合识别性能,本文选取指纹、指静脉和指节纹为融合模式源,提出了基于图(Graph)和卷积图神经网络(Convolutional Graph Neural Network,Conv GNN)的手指生物特征融合表达方法。主要内容如下:1)提出了基于图和Conv GNN的手指生物特征表达方法。首先,提出了一种基于超像素构建手指生物特征全局图的方法。将通过超像素分割获得的手指生物特征图像的超像素抽象为节点集。根据超像素的灰度、空间和纹理信息提取了节点特征内容,并根据节点间的纹理特征相似度构建了一种Kmax近邻加权图结构。其次,以Cheby Net为基础模型,结合g Pool图池化方法设计了一种适用于提取手指生物特征全局图的低维、高层语义图级特征的改进模型SCheby-Mg Pool,并基于该模型构建了全局池化和层级池化两种结构的特征表达网络。2)提出了基于SCheby-Mg Pool的多图层级手指生物特征融合表达方法。在图输入层提出了特征堆叠和重构大图两种融合表达方法;在图卷积层提出了一种子图并行融合表达方法;在图读出层提出了图级特征并行和串行的融合表达方法。实验结果表明,所提出的方法可以实现手指生物特征的有效融合,均获得了较好的识别性能。其中,图卷积层子图并行融合表达方法的识别性能最优,与传统融合方法对比验证了所提出的方法显著提高了融合识别效果。
其他文献
航空发动机状态监控和故障诊断对于飞机维修及安全运行具有重要意义,智能诊断技术也是未来航空发动机发展的一个重要方向,随着国内飞机数量的增多,发动机从开始服役到寿命终止收集的数据也越来越多。因此,如何利用好这些海量数据研究并建立有效的航空发动机故障诊断模型日渐成为一个十分重要的议题。发动机故障常表现为耦合性、不确定性和并发性。现有智能诊断方法大多实现了单一模型的浅层诊断,但单一诊断模型学习能力弱,更容
在保证安全的前提下,改善旅客服务质量是提高运输量的重要支撑点。准确的找到服务环节的痛点问题成为提高旅客服务质量的前提。旅客习惯在互联网上对服务进行评价,本文以机场旅客服务评价为研究对象,通过深入贴吧、博客、点评网站等平台,研究涉及机场服务的旅客评价文本,这些评价文本中囊括了旅客在机场享受的各方面服务。民航旅客评价文本来源多、规范性差,现有的命名实体识别技术不能很好的从这些文本中找出旅客评价的对象,
随着民航运输业的快速发展,国际民航组织于2006年提出“多人制机组驾驶员执照(Multi-crew Pilot License)”简称MPL。该体系为飞行员培训提供了一个新的方向,模拟机的使用比重大幅增加,占总训练时间的三分之二左右,缩短了飞行员与航空公司需求的链接时间,加快飞行员的成长,保证民航运行安全。针对目前MPL模拟机培训中主要以“满意/不满意”对飞行品质进行宏观评估,存在主观性强、评估标
梯度泡沫铝是一种密度(或孔径、壁厚、材质)沿某一方向呈阶梯变化的新型结构功能一体化材料,可应用于航空航天、汽车、建筑等领域。以纯铝为基体材料的泡沫孔壁强度较低,限制了其在工程上的应用,可通过添加增强相的方法进行改善。本文首次将具有优异力学性能的碳纳米管(CNTs)增强相与梯度泡沫结合,制备成分梯度泡沫铝材料,并对多种类型的梯度泡沫铝在静动载荷下的力学与吸能特性开展系统的研究。本文的主要研究内容与结
温度是影响葡萄生长发育的主要环境因子之一。近年来,随着全球变暖和极端高温天气频发,加剧了高温逆境对葡萄生产的影响,提高葡萄的耐热性对葡萄生产和可持续发展都是至关重要的。本文从高温胁迫对葡萄的表型影响、生理生化变化、热激蛋白表达与调控、激素调控作用以及耐热性评价等方面进行综述,以期为葡萄的耐热机制解析、种质创新和品种选育以及探索抗逆栽培途径提供参考。
20世纪90年代,航空业开始组建航空联盟,各航空公司探寻新的合作方式来开拓和瓜分国际航空市场。但是航空联盟内不同规模的航空公司在联盟中享受到的权益差别越来越大;而且在联盟框架内,航空公司跨联盟的合作也受到诸多的限制。此外,由于同一市场区域内重点建设的航空枢纽通常只有一个,航空联盟内主要成员之间的紧密合作,在一定程度上也阻碍了同一市场区域的其他联盟成员在联盟内的合作。为了突破航空联盟内的种种限制寻求
关键词是文档主题信息的精练表述,借助关键词可以快速地获取文本主旨。关键词被广泛应用于文本主题挖掘、文本分类、文档检索等其它自然语言处理任务。现有的关键词生成方法往往着重于整合文档的深层语义信息,而没有充分利用文档中包含的丰富的辅助信息,比如文档的标题,文档的组织结构等。因此本文在序列到序列关键词生成模型的基础上聚焦于利用文档的辅助信息,对模型添加额外的约束。具体工作包括:融合题目信息的多任务关键词
互联网技术的高速发展产生了海量的数据,其中以文本形式存在的网络数据是信息抽取领域和自然语言处理领域研究的重点。作为上述领域的任务之一,语义关系抽取已成为广泛关注的热点。关系抽取的研究有助于其他文本类型任务的发展,如文本蕴含、智能问答、信息抽取、知识图谱、信息检索等。目前,深度学习方法在关系抽取任务中取得了一定的成效。相比于传统机器学习方法,深度学习能够依据任务类型自动地从文本中学习相关特征。然而,
航空运输系统是一个安全性要求极高的复杂系统,虽然目前全球航空事故率较低,但随着航空运输量的不断增加,近几年的航空事故率呈现增长趋势,对航空运输安全运行保障带来更大的压力。在此背景下,在航空事故发生前,利用复杂系统理论相关知识,通过对航空事故致因因素及相互关系分析,提出相应的预防控制措施,有助于提高航空运输安全管理水平,从而减少或避免航空事故的发生。从系统脆弱性角度出发,定义航空运输系统脆弱性概念,
在航空运输业中,空中交通管制是其中一个重要部分。一方面,它的安全运行一直是民航局重点关注的问题,而管制工作的主体——管制员,在保障民航安全中承担重要责任;另一方面,管制员保持良好的情景意识是保证空中交通管制工作安全高效运行的必要条件,一旦管制员情景意识降低或丧失将极有可能导致飞机延误、陷入危险局面甚至是事故的发生,其造成的损失将是难以估计的。因此,客观准确的评估管制员的情景意识对未来的航空运行依旧