36、生物特征应用中的分数分布利用

生物特征应用中的分数分布利用

1. 数据集与排名错误率

在生物特征识别的研究中，数据集的构建是基础。从350个对象中随机选取1893个样本构成图库，其余样本作为探针，这就形成了一个开放集问题。对于属于图库的探针，不同处理方式下的Rank - 1错误率有所不同：
|处理方式|Rank - 1错误率|
| ---- | ---- |
|原始匹配分数|0.74 %|
|Z分数归一化分数|0.74 %|
|RBSN:Z分数归一化分数|0.66 %|

Z分数和大多数现有方法主要是线性变换，不会改变匹配分数的顺序，所以原始匹配分数和归一化分数的Rank - 1错误率相同。而RBSN算法能解决这个问题，有提高排名准确性的潜力。

2. 多模态系统中的信息融合

信息融合在生物特征识别领域是极具挑战性的问题，近年来受到了越来越多的关注。常见的融合方法有特征级融合和分数级融合，这里主要聚焦于分数级融合方法。

在确定研究的分数级融合方法时，进行了系统的文献搜索，涵盖2011 - 2014年，重点关注生物特征识别和计算机视觉领域的部分会议：
|会议名称|
| ---- |
|计算机视觉与模式识别会议（CVPR）|
|欧洲计算机视觉会议（ECCV）|
|国际计算机视觉会议（ICCV）|
|生物特征识别特别兴趣小组国际会议（BIOSIG）|
|生物特征识别：理论、应用与系统国际会议（BTAS）|
|国际生物特征识别会议（ICB）|
|国际生物特征识别联合会议（IJCB）|

搜索关键词为：Fusion, Inf