学位论文 > 优秀研究生学位论文题录展示
单类分类器研究及其在击键认证系统中的应用实现
作 者: 刘志波
导 师: 陈松灿
学 校: 南京航空航天大学
专 业: 计算机软件与理论
关键词: 模式识别 生物认证 单类分类器 击键特征 支持向量机 核方法 安全控制
分类号: TP181
类 型: 硕士论文
年 份: 2003年
下 载: 105次
引 用: 0次
阅 读: 论文下载
内容摘要
单类分类器是不同于传统模式识别的一种机器学习方法,传统模式识别方法一般需要多个类别的样本(至少两个),而在有些场合中,几乎无法获取多类的样本,或者获取其样本所需花费的代价非常高,比如:机器故障中我们不可能为了去获得故障样本而让机器特意产生故障;又有些场合的类别样本个数严重不平衡,比如医学上的疾病特征与非疾病特征的比例是严重不平衡的。对于这些问题,都比较适宜采用单类分类方法。本文在分析探讨了三种单类分类方法之后,并侧重对Campbell与Bennett的基于线性规划的新颖性检测方法进行了推广,提出了一个相应的加权方法,并在真实数据集上对这些方法进行比较,该加权方法可以获得更好的分类性能。最后,将单类分类方法应用于计算机的击键登录认证,并且集成到Windows NT系统的登录认证系统,使击键认证趋向实用化。
|
全文目录
第一章 前言 7-10 1.1 什么是单类分类器 7 1.2 生物认证与击键认证的现状 7-9 1.3 本文的主要研究内容 9-10 第二章 常用单类分类器 10-21 2.1 单类分类器的适用范围 10 2.2 支持向量机与核函数 10-14 2.3 支持向量数据描述方法(SVDD) 14-16 2.4 单类支持向量分类器υ-SVC 16-19 2.5 采用线性规划算法的新颖性检测方法 19-21 第三章 加权单类分类器 21-30 3.1 采用线性规划算法的加权方法 21-22 3.2 训练样本的均值权 22 3.3 训练样本的中值权 22-23 3.4 均值与中值的混合 23 3.5 比较实验 23-30 3.5.1 实验数据集介绍 23-24 3.5.2 总体实验比较 24-25 3.5.3 三个数据集的实验比较 25-28 3.5.4 参数η的比较实验 28 3.5.5 加权方法与SVDD的比较实验 28-30 第四章 击键认证系统的构建 30-39 4.1 为什么采用单类分类器 30-31 4.2 击键特征的提取 31-32 4.3 WindowsNT系统的登录认证模型 32-35 4.3.1 登录状态及状态变迁图 33 4.3.2 Winlogon的初始化和安全对话框支持 33-34 4.3.3 GINA的责任 34-35 4.4 集成入WindowsNT的击键认证系统 35-37 4.5 测试结果及讨论 37-39 第五章 Matlab应用程序接口 39-46 5.1 MatlabEngine方式 40 5.2 转化为C代码文件方式 40-42 5.3 VC6.0Add-in方式 42 5.4 MATCOM 42-43 5.5 COMBuilder方式 43 5.6 击键认证系统中的Matlab编程 43-46 第六章 总结与展望 46-47 致谢 47-48 在学期间发表论文 48-49 主要参考文献 49-50
|
相似论文
- 基于SVM的常压塔石脑油干点软测量建模研究,TE622.1
- 基于流形学习的高维流场数据分类研究,V231.3
- 基于SVM的高速公路路面浅层病害的自动检测算法研究,U418.6
- 基于PCA-SVM的液体火箭发动机试验台故障诊断算法研究,V433.9
- 空间目标ISAR成像仿真及基于ISAR像的目标识别,TN957.52
- 音乐结构自动分析研究,TN912.3
- 基于三维重建的焊点质量分类方法研究,TP391.41
- 胆囊炎和肾病综合症脉象信号的特征提取与分类研究,TP391.41
- 直推式支持向量机研究及其在图像检索中的应用,TP391.41
- 基于仿生模式识别的文本分类技术研究,TP391.1
- 基于SVM的中医舌色苔色分类方法研究,TP391.41
- 基于图像的路面破损识别,TP391.41
- 基于支持向量机的故障诊断方法研究,TP18
- 过程支持向量机及其在卫星热平衡温度预测中的应用研究,TP183
- 基于核方法的高光谱图像异常检测算法研究,TP751
- 基于监督流形学习算法的固有不规则蛋白质结构预测研究,Q51
- 羊绒与羊毛纤维鉴别系统的研究,TS101.921
- 基于回波包络的超声波入侵探测在军队警戒巡逻中的应用,E919
- 法院审判信息系统的访问控制研究,TP309
- 基于车载3D加速传感器的路况监测研究,TP274
- 高光谱图像技术诊断黄瓜病害方法的研究,S436.421
中图分类: > 工业技术 > 自动化技术、计算机技术 > 自动化基础理论 > 人工智能理论 > 自动推理、机器学习
© 2012 www.xueweilunwen.com
|