交叉注意力与质量优化结合的内外指纹融合

指纹作为一种应用广泛的生物特征,使用不同传感器采集的内部和外部指纹图像各有优缺点.本文提出了一种基于交叉注意力和质量优化内外指纹融合网络,旨在充分利用两者之间的优势,最大化提高指纹图像质量.该网络利用交叉注意力模块让两个分支交互作用,并关注彼此的细节信息,从而提高特征表征能力.同时,设计了基于质量指标OCL的损失函数,以保留高质量区域、减少低质量区域,实现质量优化.实验结果表明,本文融合方法在视觉效果、质量评分和匹配性能以及细节点提取等方面均具有优越性,等错误率达到了1.44%,并大大降低了时间性能.这项工作为今后残缺指纹的识别提供了参考和见解.

基于双路射频指纹卷积神经网络与特征融合的雷达辐射源个体识别

为实现雷达辐射源个体识别不受信号参数、调制方式的影响,该文提出基于双路射频指纹卷积神经网络(Dual RFF-CNN2)和特征融合的雷达辐射源个体识别方法。首先从接收的射频信号中提取原始I/Q(Raw-I/Q)信号;其次分别对Raw-I/Q两路信号进行轴向积分双谱(AIB)和围线积分双谱(SIB)降维以构建双谱积分矩阵;最后将Raw-I/Q信号及双谱积分矩阵共同送入Dual RFF-CNN2网络并进行特征融合以实现雷达辐射源个体识别。实验结果表明,该方法具有较高的识别准确率,提取的“指纹特征”具备稳定性、鲁棒性。

反向残差结构的指纹细节点提取轻量型网络模型

针对指纹匹配中细节点信息提取错误和提取不充分的问题,提出一种基于深度学习的端到端轻量型改进多尺度反向残差指纹网络模型(inverted residual network for fingerprint minutiae extraction,IRFingerNet)。该网络模型使用改进的残差结构,建立容易优化的轻量级网络,在增加网络深度时可减少信息丢失;把指纹的脊线、细节点等多种特征融合为联合特征,增强语义信息并提高对细节点的感知能力;运用通道注意力机制,校正联合特征,增大有效特征权重,减少无效特征权重。在NIST 4、FVC 2002、FVC 2004数据库上的实验结果表明,在实际应用中,IRFinger Net可以更有效地完成指纹细节点提取的任务,拥有更高的精准度和回调率,整体的F1得分高达0.87,其效果相较于传统提取方法得到了11%的提升,且达到了每个指纹图像0.23 s的检测速度。

鼻渊通窍颗粒全时段等基线多波长融合指纹图谱研究及质量标志物预测分析

目的构建鼻渊通窍颗粒的全时段等基线多波长融合指纹图谱,并对其质量标志物(QMarker)进行分析预测。方法采用超高效液相色谱法,结合多波长融合技术,对3波长(286 nm、300 nm、330 nm)的色谱数据利用计算机编程软件实现多波长融合,建立同时反映3个波长信息的指纹图谱,并利用相关文献和数据库预测鼻渊通窍颗粒潜在的有效物质、靶点和通路,构建“成分-靶点-通路”网络,最后基于“五原则”预测鼻渊通窍颗粒的Q-Marker。结果建立了鼻渊通窍颗粒全时段等基线多波长融合指纹图谱,确定了22个共有峰并指认出14个化学成分;通过网络药理学构建了包含鼻渊通窍颗粒16个成分、44个靶点、20条相关通路的“成分-靶点-通路”网络,分析得出以上16种成分均可能为鼻渊通窍颗粒的有效物质;通过“五原则”对Q-Marker进行预测,发现绿原酸、阿魏酸、连翘酯苷A、黄芩苷、盐酸麻黄碱、丹酚酸B、蒙花苷、盐酸伪麻黄碱基本满足“五原则”,建议将以上8种成分作为鼻渊通窍颗粒的Q-Marker。结论本研究利用全时段等基线多波长融合,成功构建了鼻渊通窍颗粒的指纹图谱,并预测了Q-Marker,可为鼻渊通窍颗粒质量的全面控制提供参考。

基于动力指纹和Bayes数据融合的桥梁损伤识别

受测量噪声的影响,采用单一指标评价桥梁安全容易产生误判,因此提出一种基于Bayes理论的桥梁损伤识别方法.该方法将识别过程分解为损伤定位识别与损伤定量识别两部分,首先采用Bayes公式融合归一化的动力指纹,进行损伤位置识别,进而提取损伤处的动力指纹构建Bayes网络,计算各节点的条件概率,从而识别损伤程度.通过简支梁数值模拟验证了该方法具有良好的抗噪性,尤其能够对小损伤准确定位,对程度差别小的损伤准确分类.

远程主机网络指纹模型研究

为了识别和区分互联网上的不同机器,给出了网络指纹模型的定义和性质并进行了形式化描述,在分析主机IP地址、MAC地址等传统网络标识方法可靠性不足的基础上,利用硬件设备时钟漂移等计算机特征信息,研究并设计了一种基于数据融合的远程主机指纹探测和识别原型系统,有效解决了远程主机由于环境变更导致指纹漂移所带来的误报问题。实验结果表明,该模型在子网主机数量识别、远程计算机跟踪等网络安全领域较传统方法有着更高的准确性和可靠性。

轻量化多特征融合的指纹分类算法研究

快速准确的指纹分类在大型指纹识别系统中是加速目标指纹查找的关键技术。目前,指纹分类算法存在复杂度高、操作繁琐、参数较多、所需数据规模大、且无法充分利用指纹特征信息等问题。神经网络深层提取的特征更加关键,也更有代表性,但忽略了部分浅层信息。针对指纹分类存在的问题,本文提出一种轻量化多特征融合的指纹分类算法。该算法设计了轻量化Finger-SqueezeNet来训练指纹图像,采用查表法求得指纹的细化图之后,利用改进的分布求和梯度法求取相应细化图的感兴趣区域(Region Of Interest,ROI)图像;将指纹ROI图像输入网络深层与提取的特征图进行特征融合,使得深层网络也能获得浅层中纹线准确的走向信息,从而增强网络对于纹型的敏感度;采用Maxout激活函数对网络提取的特征进行激活。实验结果表明,本文算法不仅减少了训练参数量,而且通过指纹ROI图像补偿深层特征图,更加充分利用了指纹的纹型信息,轻量化算法也可为指纹分类模型拓展到移动端提供理论支撑。

基于证据理论的群指纹融合室内定位方法

室内定位的主要挑战是室内的多径传播及非平稳信道环境,传统基于信号强度指纹的单指纹室内定位方法由于受环境变化影响较大,稳健性较差且精度较低。针对此问题,提出一种基于D-S证据理论的群指纹融合高精度室内定位方法。在建库阶段,利用室内阵列信号接收模型,首先通过计算阵列接收信号的不同统计特性构建包括信号强度、协方差矩阵、信号子空间及四阶累积量组成的群指纹库,再对群指纹进行神经网络训练获取针对每种指纹的神经网络分类器;在实测阶段,把实测数据的上述4种变换输入到训练好的神经网络分类器中,最后利用D-S证据理论对神经网络分类器的分类结果进行融合,给出最终的定位结果。仿真结果证明了算法的有效性及可行性。该算法可充分发挥指纹信息的集群效应,对噪声、多径传播等具有较好的稳健性,是一种高精度的室内定位新方法。

逆向工程中多视曲面拼合的一种新方法

提出了一种新的、有效地用于逆向工程中的多视曲面拼合算法,即点纹法。系统阐述了点纹法的思路,主要包括:在候选点云的基础上生成纹路圈,在某幅视图中取点p,并做出切平面,把这些纹路圈投影到切平面上形成二维点纹,其它视图也如此产生相对应的点纹,并进行基于二维轮廓的多视曲面拼合,阐述了改进的ICP算法和基于径向基函数(RBF)神经网络的数据融合算法。点纹法与其它多视曲面拼合算法相比,能够大大提高曲面匹配的精度,在模式识别和逆向工程中有现实的使用效果。

基于特征融合的跳频信号射频指纹识别技术

射频指纹识别(RFID)是一种物理层身份认证的方法,是电子对抗中一个重要且基本的研究方向,为现代战争提供情报信息等方面发挥着重要作用;为了提升在电子战复杂环境下RFID的准确率,同时解决在跳频信号片段长度有限致使稳态特征难以提取的问题,提出了一种基于信号多个维度特征融合与深度卷积网络提取特征的智能识别技术,改进了传统的星座图特征提取方法并提取了信号的双谱、星座图和希尔伯特-黄变换(HHT)时频谱进行特征融合,并设置了不同信噪比和不同输入条件下的对照实验来证明该方法的有效性和鲁棒性;相比于传统的识别方法,该方法运算量小,且提升了在各信噪比下识别准确率,在正常室外环境下对六部相移键控(PSK)类跳频电台的识别准确率达到了99.29%。

融合主题指纹-引文的方法逻辑:理论阐释与数据呈现

【目的/意义】从文献实体的多特征数据融合的视角构建基于主题指纹-引文耦合的数据融合理论模型,并对数据融合过程进行实证分析。【方法/过程】对融合主题指纹-引文的方法逻辑进行理论阐释和数学机理分析,以乳腺小叶癌为案例呈现文献特征项的数据融合过程,通过主题指纹的类别归属与引文期刊所属JCR学科的对比发现二者在揭示知识表征方面的功能特征。【结果/结论】融合主题指纹-引文的2-模知识网络能够发挥主题指纹和引文共同揭示学科主题和知识结构的功能;引文信息表征了研究的学科基础、学科背景等稳定性知识结构信息,主题指纹代表了学科研究前沿、突变主题、新兴趋势等动态性知识主题信息。【创新/局限】融合主题指纹-引文的理论模型和分析方法是从数据融合层面将内容分析方法与引文分析方法进行结合的有效尝试,未来的研究将聚焦多模知识网络构建、网络结构分析和量化测度研究,进一步提高该理论模型在知识服务领域应用的科学性、普适性。