37、指纹分类器与生物特征识别系统的融合技术

指纹分类器与生物特征识别系统的融合技术

1. 指纹分类器概述

指纹分类在生物识别领域中至关重要，主要分为连续分类和排他分类两种方式。

1.1 连续分类

在连续分类中，每个指纹由多维空间中的特征向量来表征。假设相似的指纹会被映射到相近的点，那么检索问题就可以当作最近邻搜索来处理。这种方法能够避免“模糊”指纹的排他归属问题，还能通过调整所考虑的邻域大小来调节系统的可靠性。

1.2 排他分类

排他分类采用两种简单的准则：
- 最小距离分类器（MKL - MIN） ：指纹被分配到满足特定条件的类别 ( c^ ) ，公式为 ( c^ = \arg \min_{c \in {1, \cdots, n}} d_{FS}(x, c) ) 。
- K 近邻分类器（MKL - KNN） ：指纹根据 k - NN 规则进行分类。

为了提供拒绝选项，上述分类器会为每个指纹关联一个 [0, 1] 范围内的置信值：
- MKL - MIN ：置信度是两个最小距离 ( d_1 ) 和 ( d_2 ) 的归一化差值，即 ( conf = \frac{d_2 - d_1}{d_2 + d_1} ) 。
- MKL - KNN ：置信度是 k 个最近邻中两个最频繁类别的出现次数 ( n_1 ) 和 ( n_2 ) 的归一化差值，即 ( conf = \frac{n_2 - n_1}{n_2 + n_1} ) 。

2.