作者:柳欣,耿佳佳,钟必能,杜吉祥 单位:中国科学院沈阳计算技术研究所 出版:《小型微型计算机系统》2017年第08期 页数:8页  (PDF与DOC格式可能不同) PDF编号:PDFXXWX2017080240 DOC编号:DOCXXWX2017080249 下载格式:PDF + Word/doc 文字可复制、可编辑
《多生物特征融合的识别技术》PDF+DOC2017年第13期 刘怀北 《一种基于模拟退火的特征层融合模式识别实现方法》PDF+DOC2004年第06期 胡勇,高隽,柴斌,胡良梅 《基于电子鼻与物理特征融合的猕猴桃贮藏时间识别方法》PDF+DOC2016年第03期 徐赛,陆华忠,王亚娟,周志艳,姜焰鸣,吕恩利 《基于深度学习模型的无线传感器网络数据融合算法》PDF+DOC2014年第12期 邱立达,刘天键,林南,黄章超 《多模态人体动作表示识别及其正骨康复训练应用综述》PDF+DOC2020年第01期 邢蒙蒙,魏国辉,刘静,张俊忠,杨锋,曹慧 《飞鸟与无人机目标雷达探测与识别技术进展与展望》PDF+DOC2020年第05期 陈小龙,陈唯实,饶云华,黄勇,关键,董云龙 《多传感信息融合在液压故障诊断中的应用》PDF+DOC2012年第06期 雒明哲,张旭婧 《自适应加权融合算法在图像型火灾探测系统中的应用》PDF+DOC2011年第03期 陈晓娟,夏立,卜乐平,杨加军 《基于递归定量特征的气-液两相流流型融合识别》PDF+DOC2009年第06期 孙斌,李超,周云龙 《多模态生物特征识别技术进展综述》PDF+DOC2009年第02期 王瑜,穆志纯,徐正光
  • 多生物特征融合技术利用多个可鉴别的身份信息,在一定程度上能弥补单一生物特征识别的不足,从而可以有效达到降低误识率和实现高精度鉴别系统的要求.多生物特征融合为信息化社会日益增长的保密和安全需求提供了较好的解决方案,其相关理论与方法已成为智能信息处理的一个重要研究课题.本文围绕多生物特征识别技术,选择传感器为切入点,特征结构为分支,分别从同源同构、同源异构、异源同构、异源异构四个方面介绍多生物特征融合的典型方法及其研究现状,并在此基础上介绍了深度学习在多生物特征融合中的最新应用现状,并对其发展趋势作了一定展望。

    提示:百度云已更名为百度网盘(百度盘),天翼云盘、微盘下载地址……暂未提供。