[发明专利]一种隐式意识特征的提取和优化方法

说明书

技术领域

本发明涉及生物特征图像分析、识别和信息安全等交叉领域，尤其是一种用于个人身份验证系统中隐式意识特征的提取和优化方法。

背景技术

为解决伪造指纹给指纹识别系统带来的弊端，目前基于软件的解决方案是通过标准指纹传感器来捕捉信息，与活性检测来用于修改过的算法以测量如排汗、弹性和变形等皮肤特性，这种方法的主要缺点是识别结果容易受到手指施加压力、环境湿度和用户合作等因素影响。在硬件解决方案中，额外的硬件须结合生物传感器以检测如心跳、温度及表皮下组织等其他信息，这种方法的主要特点是设备比传统光学传感器复杂、昂贵且提取的特征容易发生偏差。目前的软硬件解决方案在一定程度上预防了假指纹的流通，但是如果犯罪分子利用暴力行为截取用户手指，这些解决方案将如同虚设。

发明内容

本发明所要解决的技术问题是提供一种用于个人身份验证系统中隐式意识特征的提取和优化方法，利用对大脑意识和意识性行为的分析方法及其数据挖掘技术来提取指纹的固有物理特征和意识特征进行用户身份认证，用于克服因多隐式意识特征提取不全而造成的匹配识别错误，从而克服传统基于单生物底层特征进行身份认证的缺点。

2、为解决上述问题，本发明公开了一种用于个人身份验证系统中隐式意识特征的提取和优化方法，隐式意识特征的提取，具体包括构建单意识模型、构建组合意识模型和选择合适的聚类方法进行降维；隐式意识特征的优化是通过对缺失数据特征采用分类决策树算法，在存储的多隐式意识特征模板和提取到的多隐式意识特征之间建立映射关系得到，具体步骤为：

(1)初始化数据集，将数据集分为缺失数据集和非缺失数据；

(2)数据集权重值初始化分配；

(3)为节点选择一个特征属性作为这个节点分裂时候的属性；

(4)将训练样本根据节点的特征属性分类到各个子节点；

(5)计算每个子节点选择的特征量的信息熵；

(6)计算每个子节点选择的特征量的增益率；

(7)若所选特征量拥有最大增益率，则继续分裂节点为子节点，若所选特征量不是最大增益率，则重新选择其特征属性；

(8)若每个节点只含有同一类样本，则将次节点设置为叶子节点，结束此节点的分裂，若不只含有一类样本，则继续进行节点选择。

本发明的有益效果是：克服传统的依据固有物理特征进行身份认证的弊端，为用户身份认证提供新的研究思路和方法。

具体实施方式

1、本发明一种隐式意识特征的提取和优化方法的实施例，隐式意识特征的提取，具体包括构建单意识模型、构建组合意识模型和选择合适的聚类方法进行降维；隐式意识特征的优化是通过对缺失数据特征采用分类决策树算法，在存储的多隐式意识特征模板和提取到的多隐式意识特征之间建立映射关系得到，具体步骤为：

(1)初始化数据集，将数据集分为缺失数据集和非缺失数据；

(2)数据集权重值初始化分配；

(3)为节点选择一个特征属性作为这个节点分裂时候的属性；

(4)将训练样本根据节点的特征属性分类到各个子节点；

(5)计算每个子节点选择的特征量的信息熵；

(6)计算每个子节点选择的特征量的增益率；

(7)若所选特征量拥有最大增益率，则继续分裂节点为子节点，若所选特征量不是最大增益率，则重新选择其特征属性；

(8)若每个节点只含有同一类样本，则将次节点设置为叶子节点，结束此节点的分裂，若不只含有一类样本，则继续进行节点选择。