| 摘要 | 第11-13页 |
| ABSTRACT | 第13-15页 |
| 第1章 绪论 | 第16-26页 |
| 1.1 生物特征识别概述 | 第16-17页 |
| 1.2 研究背景和意义 | 第17-21页 |
| 1.3 机器学习在生物特征识别中的应用 | 第21-22页 |
| 1.4 本文研究工作及创新点 | 第22-24页 |
| 1.5 本文组织 | 第24-26页 |
| 第2章 挖掘和利用未匹配细节点的指纹识别 | 第26-47页 |
| 2.1 引言 | 第26-27页 |
| 2.2 未匹配细节点的特征定义与提取 | 第27-35页 |
| 2.2.1 未匹配细节点比率 | 第28-30页 |
| 2.2.2 基于位置对应关系的特征 | 第30-32页 |
| 2.2.3 基于全局分布一致性的特征 | 第32-35页 |
| 2.3 集成方法 | 第35-37页 |
| 2.4 实验与分析 | 第37-46页 |
| 2.4.1 数据库与实验设置 | 第37-38页 |
| 2.4.2 未匹配细节点特征的区分性 | 第38-41页 |
| 2.4.3 系统识别性能比较 | 第41-46页 |
| 2.5 本章小结 | 第46-47页 |
| 第3章 基于稀疏相似度序列的人脸识别 | 第47-61页 |
| 3.1 引言 | 第47-49页 |
| 3.2 稀疏相似度序列 | 第49-52页 |
| 3.2.1 相似度序列 | 第49页 |
| 3.2.2 相似度序列的稀疏化 | 第49-50页 |
| 3.2.3 区分性判定准则 | 第50-52页 |
| 3.3 S~3M的实现 | 第52-54页 |
| 3.3.1 S~3M人脸识别流程 | 第52页 |
| 3.3.2 注册阶段 | 第52-54页 |
| 3.3.3 识别阶段 | 第54页 |
| 3.4 实验结果及分析 | 第54-60页 |
| 3.4.1 实验数据集与实验设置 | 第54-55页 |
| 3.4.2 异源相似度信息规律性验证 | 第55-56页 |
| 3.4.3 Lasso稀疏有效性验证 | 第56-58页 |
| 3.4.4 识别性能对比 | 第58-60页 |
| 3.5 本章小结 | 第60-61页 |
| 第4章 基于半监督学习的序列化多模态生物特征识别框架 | 第61-92页 |
| 4.1 引言 | 第61-63页 |
| 4.2 序列化集成框架 | 第63-65页 |
| 4.2.1 集成序列 | 第63-64页 |
| 4.2.2 关键问题分析 | 第64页 |
| 4.2.3 集成框架 | 第64-65页 |
| 4.3 基于半监督学习的弱特征识别性能增强方法 | 第65-71页 |
| 4.3.1 方法概述 | 第65-67页 |
| 4.3.2 DMDR方法 | 第67-69页 |
| 4.3.3 样本标记策略 | 第69-70页 |
| 4.3.4 与现有SSL方法的比较 | 第70-71页 |
| 4.4 实验一：人脸、指纹多模态识别系统 | 第71-83页 |
| 4.4.1 数据库 | 第71-73页 |
| 4.4.2 实验设置 | 第73-74页 |
| 4.4.3 人脸识别的性能提升 | 第74-79页 |
| 4.4.4 系统性能 | 第79-83页 |
| 4.5 实验二：步态、指纹多模态识别系统 | 第83-90页 |
| 4.5.1 数据库 | 第83-84页 |
| 4.5.2 步态识别的性能提升 | 第84-88页 |
| 4.5.3 系统性能 | 第88-90页 |
| 4.6 本章小结 | 第90-92页 |
| 第5章 总结和展望 | 第92-94页 |
| 5.1 主要工作总结 | 第92-93页 |
| 5.2 未来工作展望 | 第93-94页 |
| 参考文献 | 第94-106页 |
| 致谢 | 第106-107页 |
| 攻读学位期间发表的学术论文目录 | 第107-108页 |
| 攻读学位期间参与科研项目情况 | 第108-109页 |
| 外文论文 | 第109-159页 |
| 附件 | 第159页 |