包含libyang以及frr.zip

通过多生物特征识别融合可以显著地改善系统的识别性能,在多生物特征识别中,匹配分数级融合最常用.现有的匹配分数级融合策略包括基于归一化的融合、基于密度的融合和基于分类器的融合.本文分析了这三种融合策略的优缺点,结合分数归一化和基于密度方法的优点,提出了一种新的基于信任度的融合策略.其中,信任度是以错误拒绝率和错误接受率为基础,既避免了直接求取某个匹配分数的后验概率,又能够刻画匹配分数的分布.将本文方法与几种有代表性的方法进行实验比较,结果表明,这种新融合模式可以有效地改进多生物特征识别系统的性能.

P4-比尔 该存储库包含BIER（-FRR）的基于P4的实现，包括分布式控制平面。 安装：包含安装脚本，该脚本安装所有必需的依赖项。 Controller-Implementation：包含全局Controller的Python实现。 Local-Controller：包含本地控制器的Python实现。 P4-实施：包含P4中BIER（-FRR）的数据平面实现。 protos：包含用于本地和全局控制器之间通信的protobuf定义。 安装 在Install文件夹中，运行./setup.sh 。 这将安装所有必需的依赖项。 已针对Ubuntu 18.0.4.2 LTS验证了安装过程。