结合并行融合的序列化多模态生物特征识别系统框架

针对多模态生物特征识别系统并行融合模式中使用方便性和使用效率方面的问题,在现有序列化多模态生物特征识别系统的基础上,提出了一种结合并行融合和序列化融合的多生物特征识别系统框架。框架中首先采用步态、人脸与指纹三种生物特征的不同组合方式以加权相加的得分级融合算法进行的识别过程;其次,利用在线的半监督学习技术提高弱特征的识别性能,从而进一步增强系统的使用方便性和识别可靠性。理论分析和实验结果表明,在此框架下,随使用时间的推移,系统能够通过在线学习提高弱分类器的性能,用户的使用方便性和系统的识别精度都得到了进一步提升。

实验室资源安全管理策略——序列化多生物特征识别系统框架

在实验资源的安全管理工作中防止非法资源获取是关键,而合法身份认证是核心技术。不同于传统密码、IC卡等身份认证技术,生物特征识别具有不会丢失、遗忘、不易被篡改的优势。该文分析实验室资源安全管理的特殊要求,提出一种多生物特征识别系统框架,结合并行融合和序列化融合方案,利用在线的半监督学习技术提高生物特征的识别性能。经实验证实,该框架在安全性和使用方便性方面具有优势,更加符合实验室资源安全使用和管理的需求。

Modeling and Optimisation of Precedence-Constrained Production Sequencing and Scheduling for Multiple Production Lines Using Genetic Algorithms

This paper presents an integrated methodology for the modelling and optimisation of precedence-constrained production sequencing and scheduling for multiple production lines based on Genetic Algorithms （GA）. The problems in this class are NP-hard combinatorial problems, requiring a triple optimisation at the same time： allocation of resources to each line, production sequencing and production scheduling within each production line. They are ubiquitous to production and manufacturing environments. Due to nature of constraints, the length of solutions for the problem can be variable. To cope with this variability, new strategies for encoding chromosomes, crossover and mutation operations have been developed. Robustness of the proposed GA is demonstrated by a complex and realistic case study.