[发明专利]基于遗传自动模糊聚类分析的无模板生物密钥生成方法

权利要求书

1.基于遗传自动模糊聚类分析的无模板生物密钥生成方法，包括以下步骤：

步骤1：从用户获取若干生物特征样本，计算每个生物特征样本的统计特征值，基于计算得到的统计特征值（即训练数据），应用遗传自动模糊聚类算法对数据进行模糊聚类分析，用聚类结果模拟群体内部及群体间的差异；

步骤2：确定特征组件的稳定性，

通过模糊聚类结果，可以计算每个特征组件与每个簇的平均模糊隶属度。得到的最大隶属度值将用以衡量这些特征组件的稳定性；

步骤3：特征组件的选择；基于上一步中得到的特征组件稳定性结果，选择稳定性较高的特征组件用以生成密钥。

步骤4：生物密钥的生成；

确定好每个用户的特征组件后，密钥即可由此生成；对于每个特征组件上的聚类结果，每个簇可用一个密钥位来标记；对于每个用户，通过每个选定的特征组件，可确定相应的归属簇以及密钥位；通过组合从所有特征组件上得到的密钥位，即可为每个用户生成密钥。

2.如权利要求1所述的基于遗传自动模糊聚类分析的无模板生物密钥生成方法，其特征在于：

步骤1所述的遗传自动模糊聚类算法包括：

从采集的生物样本中提取训练数据集X={x₁,x₂,...,x_n}，其中，x_i为d维空间上的特征矢量，n是样本的数目；数据集X中包含K个模糊聚类，设第k个模糊聚类中心为C_k，(k=1,2,...,K)，则聚类中心为C={C₁,C₂,...,C_K}；聚类结果需满足以下属性：

Σi=1nuki≥1(k=1,...,K),]]>Σk=1Kuki≥1(i=1,...,n),]]>Σk=1KΣi=1nuki=n,]]>

其中u_ki是数据集中第i个元素x_i关于第k个模糊聚类中心C_k的隶属度；该聚类问题可转化为寻找最优化给定模糊聚类标准的聚类矩阵U(X)=[u_ki]，1≤k≤K，1≤i≤n；

对上述训练数据集中样本数据的每个特征组件，步骤1所述的遗传自动模糊聚类算法的具体步骤如下：

1.1.随机产生P个聚类结果（以簇中心位置来表示）作为初始群体，每个聚类结果可包含不同数量的簇；

1.2.采用Xie-Beni(XB)指标计算初始群体中每个聚类结果的适宜度；

Xie-Beni(XB)指标为：

每个聚类结果的适宜度定义为：f=1/XB。

其中，s=min_i≠j{D²(z_i-z_j)}，D(·)是基于欧氏度量的测量距离，z_k表示第k个簇中心，m为加权指数。

1.3.重复以下（a）到（d）操作直到满足终止条件（即群体中最好的聚类结果在n代演化中都没有改变）；

a)采用竞争选择法从群体中选择两个相对适宜度高的聚类结果组成一对父母。重复这个操作直到选出P/2对父母。

b)在选出的父母上，应用交叉操作来生成P个后代，接着对每个后代执行变异操作。

c)计算每个后代的适宜度。

d)创建新一代群体，通过从前一代群体和后代群体中选择P个高适宜度的聚类结果，并代替前一代群体，回到步骤（a）。

1.4.输出演化过程中找到的最好聚类结果。