CIVILICA We Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

بهبود کلاس بندی اثر انگشت با استفاده از ماشین بردار پشتیبان SVM

اعتبار موردنیاز : ۱ | تعداد صفحات: ۵ | تعداد نمایش خلاصه: ۷۳۳ | نظرات: ۰
سرفصل ارائه مقاله: مخابرات سیستم
سال انتشار: ۱۳۹۱
نوع ارائه: پوستر
کد COI مقاله: ISCEE15_573
زبان مقاله: فارسی
حجم فایل: ۲۲۱.۷۷ کیلوبایت (فایل این مقاله در ۵ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.
با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک مقاله) دریافت نمایید. برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید. در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.
لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۵ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳,۰۰۰ تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله بهبود کلاس بندی اثر انگشت با استفاده از ماشین بردار پشتیبان SVM

  میترا جعفری - دانشجوی کارشناسی ارشد دانشکده فنی و مهندسی دانشگاه زنجان
  امیر صفائی - کارشناسی ارشد دانشکده فنی و مهندسی دانشگاه زنجان

چکیده مقاله:

امروزه استفاده از اثر انگشت به عنوان یک ویژگی بیومتریک، به طور گسترد های در کاربردهای تشخیص هویت افراد به کار می رود.قابلیت اطمینان، کاربردی و کم هزینه بودن آن در مقایسه با سایر شناس ههای بیومتریک از جمله امضاء، تشخیص عنبیه، تشخیص چهره وتشخیص حرکت، موجب استفاده روزافزون از اثر انگشت در کاربردهای مختلف شده است. در این مقاله یک روش کلا سبندی اثر انگشت بر روی پایگاه های داده استانداردFVC و 2004 FVC2002 ،FVC 2000ارائه شده است. در ابتدا به استخراج ویژگی های اثر انگشت از قبیل مشخصه های مینوتیا همچون انتهای خطوط برجسته و دوشاخه شدگی و سپس استفاده از ماشین بردار پشتیبان جهت کلاس بندی آن پرداخته شده است. نتایج حاصل از آن بازدهی سامانه را تا 75 % بهبود داده است

کلیدواژه‌ها:

اثر انگشت، مینوتیا، خطوط برجسته، دوشاخه شدگی، ماشین بردار پشتیبان

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:
https://www.civilica.com/Paper-ISCEE15-ISCEE15_573.html
کد COI مقاله: ISCEE15_573

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
جعفری, میترا و امیر صفائی، ۱۳۹۱، بهبود کلاس بندی اثر انگشت با استفاده از ماشین بردار پشتیبان SVM، پانزدهمین کنفرانس دانشجویی مهندسی برق ایران، کاشان، سازمان علمی دانشجویی مهندسی برق کشور، https://www.civilica.com/Paper-ISCEE15-ISCEE15_573.html

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (جعفری, میترا و امیر صفائی، ۱۳۹۱)
برای بار دوم به بعد: (جعفری و صفائی، ۱۳۹۱)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :

  • بهبود طبقه بندی تصاویر اثر انگشت مبتنی بر تشخیص و شناسایی نقاط منفرد با استفاده از بسط فوریه دو بعدی [مقاله کنفرانسی]
  • Eric H. Holder Jr., Laurie O. Robinson, and John H. ...
  • رحمتا... بهشتی، مرتضی آنالویی، بهروز مینایی، ارائه روشی برای دسته‌بندی ... (مقاله کنفرانسی)
  • کدام مقالات به این منبع استناد نموده اند


    بر اساس سیستم تحلیلی استنادات مقالات، تاکنون برای نگارش ۱ مقاله استفاده شده است.

    علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه دولتی
    تعداد مقالات: ۷۴۱۰
    در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

    مدیریت اطلاعات پژوهشی

    اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    مقالات پیشنهادی مرتبط

    مقالات مرتبط جدید

    شبکه تبلیغات علمی کشور

    به اشتراک گذاری این صفحه

    اطلاعات بیشتر درباره COI

    COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
    کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.