基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
相较于单模态生物识别技术,多模态生物识别技术具有更优的适用性、安全性和可靠性,成为目前生物识别技术发展的趋势.在多模态生物识别4种融合层次中,特征层融合能够提取更多的区分性信息,消除特征的冗余,在理论上可达到最佳识别效果.然而,特征层多模态生物识别算法的安全性很少被关注.目前,多模态生物识别技术的研究多集中在双模态生物识别算法上,引入入侵容忍概念,定义了容侵能力度量,提出了容侵能力评测方法,评价特征层双模态生物识别算法的容侵能力,并对典型特征层双模态生物识别算法的安全性进行了评测.
推荐文章
基于特征层和二代曲波变换的多模生物特征融合识别方法
多模生物特征识别
曲波变换
人脸识别
掌纹识别
图像融合
基于稀疏表示的多模态生物特征识别算法
稀疏表示
生物特征识别
信息融合
指纹识别
虹膜识别
电容电阻双模态成像系统硬件设计
电容电阻
双模态成像
硬件电路
模块化设计
基于改进经验模态分解的HHT密集模态识别方法
改进HHT法
经验模态分解
信号调频
解相关
密集模态
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 特征层双模态生物识别算法容侵能力评测方法
来源期刊 系统工程与电子技术 学科 工学
关键词 特征层 双模态生物识别 容侵能力 融合
年,卷(期) 2018,(8) 所属期刊栏目 软件、算法与仿真
研究方向 页码范围 1889-1896
页数 8页 分类号 TN91
字数 8199字 语种 中文
DOI 10.3969/j.issn.1001-506X.2018.08.31
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 宋建华 黑龙江大学电子工程学院 12 42 4.0 6.0
2 王志芳 黑龙江大学电子工程学院 7 5 2.0 2.0
3 朱福珍 黑龙江大学电子工程学院 16 31 4.0 5.0
4 甄佳奇 黑龙江大学电子工程学院 15 21 2.0 4.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (15)
节点文献
引证文献  (2)
同被引文献  (16)
二级引证文献  (5)
1936(1)
  • 参考文献(1)
  • 二级参考文献(0)
2003(1)
  • 参考文献(1)
  • 二级参考文献(0)
2009(2)
  • 参考文献(2)
  • 二级参考文献(0)
2015(2)
  • 参考文献(2)
  • 二级参考文献(0)
2016(6)
  • 参考文献(6)
  • 二级参考文献(0)
2017(3)
  • 参考文献(3)
  • 二级参考文献(0)
2018(1)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(1)
  • 二级引证文献(0)
2018(1)
  • 引证文献(1)
  • 二级引证文献(0)
2019(4)
  • 引证文献(1)
  • 二级引证文献(3)
2020(2)
  • 引证文献(0)
  • 二级引证文献(2)
研究主题发展历程
节点文献
特征层
双模态生物识别
容侵能力
融合
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
系统工程与电子技术
月刊
1001-506X
11-2422/TN
16开
北京142信箱32分箱
82-269
1979
chi
出版文献量(篇)
10512
总下载数(次)
24
总被引数(次)
116871
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导