基于gabor小波和支持向量机的掌纹识别算法的研究-计算机应用技术专业论文 word格式.docxVIP

5.1总结...........................................................275.2展望...........................................................27致谢..............................................................28参考文献........................................................29作者简介........................................................34插图和附表清单图1生物特征识别................................................................2图2掌纹及掌纹特征..............................................................2 图3原始图像与其经2DGabor滤波后的结果.........................................13图4线性可分情况下的最优分类超平面.............................................16图5SVM过程示意图19图6不同训练样本与不同维数下使用最近邻分类器时识别率的对比.....................21图7不同训练样本与不同维数下使用支持向量机时识别率的对比.......................24图8不同维数下使用不同分类器时识别率的比较.....................................25表1不同训练样本数所对应的最高识别率(%)的对比..................................20表2q取1至5时识别率(%)的比较（每类任取1个训练样本）22表3q取1至5时识别率(%)的比较（每类任取2个训练样本）22表4不同分类器在不同训练样本数和不同维数下识别率(%)的对比......................23缩略语表LBP（LocalBinaryPatterns）局部二进制模式 PCA（PrincipalComponentAnalysis 主成分分析 ICA（IndependentComponentAnalysis）独立成分分析FDA（FisherDiscriminantAnalysis）Fisher判别分析法 LPP（LocalityPreservingProjections）局部保留映射 2DPCA（Two-DimensionalPrincipalComponentAnalysis）二维主成分分析 I2DPCA（ImprovedTwo-DimensionalPrincipalComponentAnalysis）改进的二维主成分分析 BDPCA（BidirectionalPrincipalComponentAnalysis）双向主成分分析 (2D)2PCA（Two-Directional Two-Dimensional Principal Component Analysis）双向二维主成分分析 DLPP（DiscriminantLocalityPreservingProjections）判别局部保留映射 SDLPP（Scatter-difference Discriminant Locality Preserving Projections）散度差判别局部保留映射2DLPP(Two-DimensionalLocalityPreservingProjections) 二维局部保留映射 I2DLPP（Improved Two-DimensionalLocalityPreserving Projections）改进的二维局部保留映射KPCA（KernelPrincipalComponentAnalysis）核主成分分析KFDA（KernelFisherDiscriminantAnalysis）核Fisher判别分析法 KICA（KernelIndependentComponentAnalysis）核独立成分分析KLPP（KernelLocalityPreservingProjections）核局部保留映射 SVM（SupportVectorMachine）支持向量机RLOC（RobustLineOrientationCode）鲁棒的线方向编码 MFRAT（ModifiedFiniteRadonTransform