-
-
Patent Agency Ranking
公开(公告)号：CN111340103B
公开(公告)日：2023-08-25
申请号：CN202010113414.0
申请日：2020-02-24
Applicant: 安徽大学
IPC: G06F18/25 , G06F18/2132 , G06V10/80 , G06V10/77 , G06V40/70
Abstract: 本发明公开了一种基于图嵌入典型相关分析的特征层融合方法及其装置。该特征层融合方法包括：将所有模态中样本映射到同一分类结果的空间的投影矩阵，并对所述投影矩阵施加L21范数正则化，以实现同时在多个单模态特征空间中选择出独立互补特征；构造数据相似图矩阵，以表示所述单模态特征空间中样本点的相近关系；通过所述正则化目标函数为每个模态学习相应的投影矩阵，将多个模态数据投影到具备最大辨别力、最大相关性及最小冗余性的投影子空间中，实现多模态数据融合。本发明实现多模态数据融合，消除了原特征空间中冗余信息的干扰，提高单模态特征鉴别力，增强多模态样本集间的相关性，提升识别性能和稳定性，特征融合效果好，识别效果佳。
-
公开(公告)号：CN113033700B
公开(公告)日：2022-11-08
申请号：CN202110418099.7
申请日：2021-04-19
Applicant: 安徽大学
Abstract: 本发明适用于生物特征识别技术领域，提供了一种指静脉特征模板保护方法及装置，所述指静脉特征模板保护方法包括：S1、将原始向量和转换后的原始特征向量分别扩列获得特征向量和x∈Rhn；S2、将扩展的原始向量和转化后的原始向量进行合并预处理并获得多维的生物特征矩阵；S3、生成双高斯随机投影矩阵并正交化转换为双高斯随机正交投影矩阵作为外部因子；S4、特征矩阵联合双高斯随机正交投影矩阵运算并展开连接获得一维处理向量；S5、一维处理向量进行不可逆变换获得哈希码；S6、对哈希码采用交叉匹配的方式计算相似度。本发明优点：识别性能稳定，不可逆性高，隐私性好，安全性高。
-
公开(公告)号：CN113033700A
公开(公告)日：2021-06-25
申请号：CN202110418099.7
申请日：2021-04-19
Applicant: 安徽大学
Abstract: 本发明适用于生物特征识别技术领域，提供了一种指静脉特征模板保护方法及装置，所述指静脉特征模板保护方法包括：S1、将原始向量和转换后的原始特征向量分别扩列获得特征向量和x∈Rhn；S2、将扩展的原始向量和转化后的原始向量进行合并预处理并获得多维的生物特征矩阵；S3、生成双高斯随机投影矩阵并正交化转换为双高斯随机正交投影矩阵作为外部因子；S4、特征矩阵联合双高斯随机正交投影矩阵运算并展开连接获得一维处理向量；S5、一维处理向量进行不可逆变换获得哈希码；S6、对哈希码采用交叉匹配的方式计算相似度。本发明优点：识别性能稳定，不可逆性高，隐私性好，安全性高。
-
-
公开(公告)号：CN111340103A
公开(公告)日：2020-06-26
申请号：CN202010113414.0
申请日：2020-02-24
Applicant: 安徽大学
Abstract: 本发明公开了一种基于图嵌入典型相关分析的特征层融合方法及其装置。该特征层融合方法包括：将所有模态中样本映射到同一分类结果的空间的投影矩阵，并对所述投影矩阵施加L21范数正则化，以实现同时在多个单模态特征空间中选择出独立互补特征；构造数据相似图矩阵，以表示所述单模态特征空间中样本点的相近关系；通过所述正则化目标函数为每个模态学习相应的投影矩阵，将多个模态数据投影到具备最大辨别力、最大相关性及最小冗余性的投影子空间中，实现多模态数据融合。本发明实现多模态数据融合，消除了原特征空间中冗余信息的干扰，提高单模态特征鉴别力，增强多模态样本集间的相关性，提升识别性能和稳定性，特征融合效果好，识别效果佳。
-
-
-
-
-
Search Results
6
records
(took 0.014 seconds)
