matlab确定眼睛的代码
2022-12-29 19:08:17 22KB 系统开源
1
随机森林图像matlab代码指静脉生物特征识别 使用机器学习的手指静脉生物识别 使用机器学习算法分析人的手指静脉数据的MATLAB应用程序。 手指静脉生物识别技术是最先进的身份验证系统之一,它解决了现有身份验证系统的许多问题。 支持向量机(具有线性,RBF,MLP,二次和多项式内核),随机森林,决策树,线性和逻辑回归,K均值,DB扫描,最近邻居,K最近邻居是用于训练的一些算法并测试数据集。 使用过的CCD扫描图像数据。 这些图像经过预处理,过滤并使用所得数据。 2D绘图显示了分类结果和精度。 源代码具有静态文件路径,如果处理不当,可能会出错。
2022-11-18 18:22:05 197KB 系统开源
1
伊辛模型matlab代码FDRhmrf 该软件包专为 [1] 中提出的错误发现率 (FDR) 控制程序而设计。 该 FDR 程序基于双参数 Ising 模型(经典的隐马尔可夫随机场)和局部显着性指数(LIS;[2,3]),旨在在控制 FDR 的同时最小化错误未发现率 (FNR)在给定级别,尤其是对于 3D 空间数据,例如神经影像数据。 这个包是用 C++ 编写的,可以被 MEX 从 Matlab 调用。 提供了示例,有关详细信息,请参阅。 请引用此包的文章 [1],该包可用。 [1] Shu, H.、Nan, B. 和 Koeppe, R.(2015 年)。 “通过隐马尔可夫随机场对神经影像进行多重测试”。 生物识别,71, 741-750。 @article{shu2015multiple, title={Multiple testing for neuroimaging via hidden Markov random field}, author={Shu, Hai and Nan, Bin and Koeppe, Robert}, journal={Biometrics}, v
2022-05-16 15:48:53 1.03MB 系统开源
1
击键动力学的生物特征预测 该项目着眼于具有击键动力学的生物特征识别器。 除了输入密码来验证用户外,还可以通过他们的输入节奏来区分用户。 此功能可用于检测冒名顶替者。 该项目基于出版物Killinghy,KS和Maxion,RA的数据集,该数据集 在过程中。 的Conf。 关于可靠的系统和网络(DSN)(第125-134页) 。 目的是使用库在神经网络上建立分类基础。 包含51个主题,每个主题键入密码.tie5Roanl 400次。 收集的量度是保持时间(H),按键按下时间(DD)和按键按下时间(UD)。 执照 该项目已获得MIT许可。 有关详细信息,请参阅
2022-03-23 15:18:36 15.06MB python data-science sklearn keras
1
生物识别技术主要是指通过可测量的身体或行为等生物特征进行身份认证的一种技术;而生物特征是指唯一的可以测量或可自动识别和验证的生理特征或行为方式。生物特征分为身体特征和行为特征两类。身体特征包括:指纹、掌型、视网膜、虹膜、人体气味、脸型、手的血管和DNA等;行为特征包括:签名、语音、行走步态等。目前部分学者将视网膜识别、虹膜识别和指纹识别等归为高级生物识别技术;将掌型识别、脸型识别、语音识别和签名识别等归为次级生物识别技术;将血管纹理识别、人体气味识别、DNA识别等归为“深奥的”生物识别技术。
2021-12-19 17:25:14 142.79MB biometrics 生物识别
1
虹膜识别 我已经制作了Iris-Recognition system ,该Iris-Recognition system在Matlab和Python中均已实现。 关键字:虹膜识别,生物识别,计算机视觉,图像处理,Daugman 更新 :party_popper: :party_popper: :party_popper: 2019年8月21日:我已经在使用深度学习创建了一个用于解决虹膜识别的新存储库。 目录 V.3。帐户信息视图 VI.Python实现 一,引言 2017年夏季,我在“数字信号处理”课程中遇到了我的老师。 他向我推荐了生物识别技术主题。 从那时起,我就开始探索有关生物识别的知识,例如指纹,虹膜和面部。 我在Internet上搜索,发现了一个开源的虹膜识别模型,该模型是在Matlab上编写的。 多亏了这个开放源代码的作者,我才能创建自己的系统。 这是有关作者的信息: Libor Masek, Peter Kovesi. MATLAB Sour
2021-11-27 16:04:26 68.07MB biometrics iris-recognition Python
1
局部图结构(LGS)及其变体对称局部图结构(SLGS)已被证明对图像识别有效。 但是,它们的缺点是没有考虑目标像素和周围像素之间的差异以及周围像素之间的差异对目标像素的特征值的贡献。 为了克服传统方法的不足,提出了一种用于手指静脉识别的差分对称局部图结构(DSLGS)算法。 DSLGS运算符考虑了不同值对目标像素特征的贡献,从而使提取的特征更加稳定。 实验结果表明,与传统方法相比,该算法具有更好的性能。
2021-09-27 12:00:14 312KB Biometrics; Finger Vein; Difference
1
2021最新版: GP TEE TUI API文档
2021-08-05 10:00:09 892KB GP TEE TUI optee
1