发明名称 基于免疫克隆的手掌BIS身份识别方法
摘要 基于免疫克隆的手掌BIS身份识别方法,包括手掌BIS数据归一化、手掌BIS数据特征选择和手掌BIS特征匹配步骤。本发明方法在于首次提出了手掌BIS可以用于生物识别。手掌BIS特征拥有作为生物特征的潜力的高稳定性和唯一性,符合生物特征识别的要求,可以作为一种高效的身份识别和认证技术;本发明方法将对于国家公共安全、信息安全和军事安全等领域具有重要的理论和实用价值。
申请公布号 CN103426002B 申请公布日期 2017.02.15
申请号 CN201310277895.9 申请日期 2013.07.04
申请人 西安理工大学 发明人 吕林涛;杨宇祥;李鹏;孙飞龙;谭芳
分类号 G06K9/64(2006.01)I 主分类号 G06K9/64(2006.01)I
代理机构 西安弘理专利事务所 61214 代理人 李娜
主权项 基于免疫克隆的手掌BIS身份识别方法,其特征在于,包括手掌BIS数据归一化、手掌BIS数据特征选择和手掌BIS特征匹配步骤;所述手掌BIS数据特征选择,包括:a降维,其方法如下:给定一个秩为r的l×n的矩阵X,其中r≤min{l,n},存在维数为l×l的正交矩阵U和维数为n×n的正交矩阵V,分别为<img file="FDA0001159149100000011.GIF" wi="1342" he="159" />其中<img file="FDA0001159149100000012.GIF" wi="57" he="63" />是以<img file="FDA0001159149100000013.GIF" wi="82" he="79" />为元素的r×r对角阵,而λ<sub>i</sub>是相关矩阵X<sup>T</sup>X的非零特征值;O表示为一个零元素矩阵;换言之,存在正交矩阵U和V,使得变换后的矩阵Y是对角的;由式(3)可得<img file="FDA0001159149100000014.GIF" wi="1470" he="335" />或<img file="FDA0001159149100000015.GIF" wi="1143" he="127" />或写成<img file="FDA0001159149100000016.GIF" wi="1054" he="71" />其中,U<sub>r</sub>表示l×r矩阵,由U的第一个r列组成;V<sub>r</sub>是r×n矩阵,由V的第一个r列组成;更精确的说,u<sub>i</sub>和v<sub>i</sub>分别是XX<sup>T</sup>和X<sup>T</sup>X的特征向量;特征值λ<sub>i</sub>就是X的奇异值,式(5)的展开式就是X的奇异值分解(Singular Value Decomposition,SVD)或是X的谱表示;b特征选择:①用ICSA(Immune Clonal Selection Algorithm)的特性来选择寻找具有更好鉴别力的特征集;②采用二进制编码的方式;种群中每个抗体代表一种特征组合方式,表示为A(i)=(a<sub>0</sub>,a<sub>1</sub>,…a<sub>m</sub>),i=0,1,…,N<img file="FDA0001159149100000021.GIF" wi="1525" he="167" />③用马氏距离(Mahalanobis Distance)作为亲和度函数来诱导种群的进化,<img file="FDA0001159149100000022.GIF" wi="1413" he="95" />其中<img file="FDA0001159149100000023.GIF" wi="447" he="70" />是整体样本的协方差,<img file="FDA0001159149100000024.GIF" wi="38" he="55" />是第i类样本数据的均值,<img file="FDA0001159149100000025.GIF" wi="40" he="47" />是整体样本的均值;各个类别的样本共享原始样本的协方差矩阵,F的值越小,则抗体所对应的特征向量越对分类有利;定义亲和度函数为:<img file="FDA0001159149100000026.GIF" wi="1187" he="134" />具体包括以下步骤:设归一化后的样本矩阵为X=(X<sub>ij</sub>)<sub>K×N</sub>,即共有N组数据,每组数据有K个特征;步骤1:SVD降维,求出X<sup>T</sup>X和XX<sup>T</sup>的非零特征值λ<sub>i</sub>,i=0,1,...,m,m≤N,和相应的特征向量V=[v<sub>0</sub>,v<sub>1</sub>,…v<sub>m</sub>],U=[u<sub>0</sub>,u<sub>1</sub>,…,u<sub>m</sub>],m<N;由式(5)得到X的奇异值分解SVD,并取出前r个不为0的分量,将其作为输入;步骤2:初始化种群,产生种群P(0),设定种群规模大小N<sub>c</sub>,每个抗体代表特征向量的一个组合;对抗体按式(7)随机编码,抗体长度为特征向 量的维数;步骤3:计算亲和度,将每个抗体解码成对应的特征向量组合,用式(9)计算初始抗体的亲和度;步骤4:终止判断,判断是否达到了最大迭代次数;若满足条件,确定当前种群中的最佳抗体为最终解,否则继续;步骤5:克隆操作,设定的克隆规模,计算对第i个抗体的克隆个数q<sub>i</sub>,对该抗体进行克隆,得到克隆后的种群P'(k)=[P<sub>1</sub>'(k),P'<sub>2</sub>(k),…,P'<sub>n</sub>(k)];步骤6:克隆变异,对种群P'(k)按照变异概率p<sub>m</sub>进行变异得到种群P”(k);步骤7:克隆选择操作,从P(k)∪P”(k)中选择出优秀个体,并替代原始种群中相应的个体,形成新的种群;步骤8:k=k+1;返步骤3。
地址 710048 陕西省西安市金花南路5号