毕竟不是那么简单的一个小漩涡.docVIP

Not Such a Small Whorl After All 毕竟不是那么简单的一个小漩涡 一、本文思路 指纹能识别身份的前提是：每个人的指纹都是独一无二的。作者在此基础上做出假设，通过建立两个数学模型来求解这个问题，最后预测出了总的不同指纹的个数大概是 个。 其中，第一个模型提出用指纹上的细节来判定和识别指纹，并且求出细节可能存在的位置大约是1440个。第二个模型则更进一步的把指纹数字化为一个的坐标方格，使模型结果更精确。并且，在模型二中，作者又提出了提出一个概念词——熵。它是一种计量单位，用来代表坐标方格中每个元素所需求的片数的最小值。 其中，在论文的后半部分，对于细节可能存在的位置，作者又更深一步的讨论了。作者提到了两个方法验证，一种是Kingston方法另一种是Amy方法。求解最后，作者得出结论：预测的细节可能存在的位置是1440个。但是，对于模型求解出的结果，作者又更近一步的提出了“细节可能存在两个不同的方向”这个问题，这使得之前求解得出的指纹数要增加一倍。 最后，作者通过两个模型的不断改进和求解，得到的结论是：所有可能存在的指纹数大概是个指纹。 另外，对于指纹可能相同的概率，作者通过求解，也给出了明确的答案。 在细节数定义为12个时，在60亿人中，指纹相同的概率只有。在至今存活的十二亿人口中，指纹相同的概率也只有。虽然现实生活中用指纹来识别身份没有那么的完美，但相比于用DNA识别身份准确的概率是的情况下，指纹的概率要小的多。所以说，用指纹来识别身份更具有科学性，更合理。 二、假设 作者在建模时进行一下合理性的假设： 1、指纹的匹配是通过比较细节来完成的， 2、两个有着同样的细节构造的指纹可以辨别， 3、同一个指纹上的细节分布式相同的， 4、只存在一种类型的细节和分叉， 5、每个细节在统计学上是完全独立的， 6、在指纹收集的过程中没有错误， 7、微小的细节要么是直接的循环着指纹上的脊排布，要么是反着它，只存在着两种可能的布局。 三、模型1.Designing from the Ground Up 1.1 最糟糕的情况 FBI储存和比较指纹数据的标准是使用500dpi（每平方英寸250000像素）和8bits每像素和平均1.5平方英寸每个指纹。如果影像被储存成点阵图,就会有小片的信息在一个指纹中。但是，FBI并不是把影像储存成点阵图，而是使用一种压缩技术。FBI最开始使用这种压缩的系数是26:1，因此有小片的信息每个指纹。 图1是不同压缩系数出现的指纹图： 其中在压缩系数为26:1时， 一些小的细节和分叉就消失了。因此，使用26;1的系数是较为合理的。 故可得出结论：最糟糕的情况下，指纹最多可能是个。 1.2 微小细节的空间限制 如果细节被限制只有L个物理位置，且每个位置至多一个，则由n个细节所确定的不同指纹的个数是。 1.3 对总的指纹数做的较低的准备 细节一般会出现在指纹的脊上，现在我们假设一个经典的指纹上的细节都出现在一个集中地椭圆上。我们设想每个细节之间的角度不小于5度，且共有20个椭圆，这样将会有72条射线将椭圆均匀分割，且与椭圆有交点。这样，理论上来说，将会有个细节存在点。 图2表示过程： 在一个指纹中，细节潜在的位置是椭圆与射线的交点处。 我们应该选取几个细节来计算，一个典型的指纹大概有30到40个细节，但不是所有的都有意义。事实上，差不多只有6个细节会比较重要。这里我们先选取6个细节，那么在依然是1440个位置的情况下，指纹数将会达到： 1.4 改进评估 虽然在有些时候只有6个细节有意义，但一个典型的指纹应该有30至40个细节。如果我们把所有的细节都考虑，在依然是1440个可能位子的情况下，总的指纹数将是个。 然而，使用35个细节计算，过高的的出了指纹的数量。这里我们假定12个细节可以区别出一个指纹，则此时总的指纹数将是个。 1.5 考虑到细节的方向 由于一个细节允许两种不同的方向，所以增加了指纹的数量，则可能的指纹数是个。因此，指纹数量的范围应该在，但是最可能的数值是个。 四、模型2 Information Theory 2.1 简化假设 2.1.1 一个单独指纹包含n个细节 2.1.2 一个指纹的n个细节可以被映射到一个的坐标方格内，每个方格最多一个细节。对于n个细节，这将会有个可能存在位置，所以有,其中L是细节可能存在的位置。 2.2 指纹熵的衍生物 我们可以把指纹形象化为的坐标方格。如果有一个细节，我们把它标记为X，如果没有，则把小方格留有空白。并且，我们把细节和非细节作为一个两字母的字母表的要素，用a来表示字母表。这样就可以用一个的坐标方格表示指纹了。Shannon的经典第一顺序方程给出了字母表的熵： ---------- （1） 是