基于AdaBoost改善虹膜分类性能

• 作者: LIU Xi-rong LIU Zheng-guang QU Yao-hong 李临生 李子良 田启川
• 来源期刊: 系统仿真学报
• 学科: 工学
• 关键词: 虹膜分类 自适应增强算法 特征模板 模式识别 机器学习
• 年，卷（期）: 2008,（15）
• 所属期刊栏目: 人工智能与仿真
• 页码范围: 4045-4048,4053
• 页数: 5页
• 分类号: TP391
• 字数: 5745字
• 语种: 中文

摘要

针对虹膜图像分辨率不同引起虹膜分类难的问题,提出了通过AdaBoost训练虹膜分类器的方法,利用训练集数据调整分类器参数使类内相似度达到最大,将虹膜分类器从弱分类器逐步提升为强分类器,最终为每类虹膜建立一个具有强分类能力的特征模板.仿真结果表明,在已有的特征提取算法和分类算法的基础上,利用训练数据通过自适应增强算法能进一步改善分类器分类性能,提高虹膜分类正确率,增大虹膜分类阈值的选择范围.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	田启川	天津大学电气与自动化工程学院	39	483	10.0	21.0
3	李临生	太原科技大学电子学院	38	276	8.0	15.0
6	李子良	太原科技大学电子学院	10	16	2.0	3.0
7	LIU Zheng-guang	太原科技大学电子学院	1	1	1.0	1.0
8	QU Yao-hong	天津大学电气与自动化工程学院	1	1	1.0	1.0
12	LIU Xi-rong	太原科技大学电子学院	1	1	1.0	1.0