45、基于遗传算法和遗传编程的自动指纹识别系统增强技术

基于遗传算法和遗传编程的自动指纹识别系统增强技术

在自动指纹识别系统（AFIS）中，指纹码系统是一种常用的识别方式。传统的指纹码系统在识别过程中，对于输入指纹码的接受或拒绝决策，是基于最佳匹配范数是否在预设阈值内。为了进一步提升系统的识别性能，本文提出了两种改进方法，分别涉及遗传算法（GA）和遗传编程（GP）的应用。

1. 遗传编程对匹配机制的改进

在原始的指纹码系统中，决策依据是最佳匹配的 1 - 范数是否在阈值范围内。而在本改进方法中，将使用遗传编程（GP）进化出的数学函数或操作来替代 1 - 范数的计算。不过，在决策过程中，进化函数的输出仍会与阈值进行比较。

由于通过多数投票规则生成的缩减指纹码已被证明能产生当前最佳结果，因此该缩减指纹码的所有特征将作为终端集的一部分。终端集由预设常量值以及输入特征与数据库中缩减指纹码对应特征的绝对差值组成。数据库中最佳匹配的指纹码是 GP 进化函数返回最小值的那个。

遗传编程的参数设置如下表所示：
| 参数 | 设置和值 |
| ---- | ---- |
| 树初始化方法 | Grow 方法 |
| 最大树深度 | 10 |
| 终端集 | {常量：0.25, 0.50, 0.75, 1.25, 1.50, 1.75, 2.00 以及输入和数据库特征的绝对差值} |
| 函数集 | {+, -} |
| 适应度缩放方法 | 线性缩放 |
| 选择方法 | 随机通用采样 |
| 交叉概率 | 0.8 |
| 变异概率 | 0.1 |
| 种群大小 | 100 |
| 精英个体数量 | 1 |
| 代