[論文レビュー] An Effective Method for Fingerprint Classification

Monowar Bhuyan, Sarat Saharia+1 more|arXiv (Cornell University)|Nov 20, 2012

Biometric Identification and Security参考文献 17被引用数 7

ひとこと要約

本論文は、彫りの流れのパターンを数値コード列に変換し、頻出項目集合抽出を用いてクラスターシードを選択し、その後クラスタリングを適用して分類する、データマイニングに基づく指紋分類手法を提案する。実生活のデータセットにおいて、従来手法と比較して誤分類誤差を顕著に低減している。

ABSTRACT

This paper presents an effective method for fingerprint classification using data mining approach. Initially, it generates a numeric code sequence for each fingerprint image based on the ridge flow patterns. Then for each class, a seed is selected by using a frequent itemsets generation technique. These seeds are subsequently used for clustering the fingerprint images. The proposed method was tested and evaluated in terms of several real-life datasets and a significant improvement in reducing the misclassification errors has been noticed in comparison to its other counterparts.

研究の動機と目的

• 誤分類誤差を低減する効果的な指紋分類手法の開発を目的とする。
• データマイニング技術を活用して指紋画像のクラスタリングを改善することを目的とする。
• 彫りの流れのパターンから数値コード列を生成し、効率的な分類を実現することを目的とする。
• 実生活の指紋データセットを用いて手法の性能を評価し、実用的応用可能性を検証することを目的とする。
• 精度と誤差低減の観点で、従来の分類手法を上回ることを目的とする。

提案手法

• 本手法は、まず指紋画像の彫りの流れのパターンに基づいて、各画像に対して数値コード列を生成する。
• 代表的なパターンを特定し、各指紋クラスのクラスターシードを選択するために、頻出項目集合生成手法を適用する。
• これらのシードを用いて指紋画像をクラスタリングし、彫りの流れ構造の類似性に基づいた分類を実現する。
• データマイニングの原則を統合することで、指紋分類の堅牢性と正確性を向上させる。
• 実生活の指紋データセットを用いて性能と誤差率を評価する。

実験結果

リサーチクエスチョン

• RQ1 指紋画像内の彫りの流れのパターンを、分類に適した数値列に効果的に符号化する方法は何か？
• RQ2 頻出項目集合マイニングを用いることで、指紋画像のクラスタリングにおけるシード選択が改善できるか？
• RQ3 このデータマイニングに基づくアプローチが、指紋分類の誤分類誤差に与える影響は何か？
• RQ4 本手法は、実世界のデータセットにおいて、従来の指紋分類手法と比較してどのように異なるか？
• RQ5 本手法は、計算複雑性を低減しつつも、高い正確性を維持できるか？

主な発見

• 提案手法は、従来の指紋分類手法と比較して、誤分類誤差を顕著に低減している。
• シード選択に頻出項目集合マイニングを用いることで、クラスタリングの正確性と分類性能が向上している。
• 数値コード列表現は、信頼性の高い分類を実現するための彫りの流れのパターンを効果的に捉えている。
• 実生活のデータセットを用いた評価により、本手法の堅牢性と実用的応用可能性が確認された。
• ジャーナル誌上での報告によると、誤差低減の観点で優れた性能を示している。