[논문 리뷰] An Effective Method for Fingerprint Classification

Monowar Bhuyan, Sarat Saharia외 1명|arXiv (Cornell University)|2012. 11. 20.

Biometric Identification and Security참고 문헌 17인용 수 7

한 줄 요약

이 논문은 고리 흐름 패턴을 수치 코드 시퀀스로 변환하고, 빈번한 항목집합 탐색을 통해 군집 시드를 선정하며, 군집화를 적용하여 분류하는 데이터 마이닝 기반의 지문 분류 방법을 제안한다. 실제 데이터셋에서 기존 방법에 비해 잘못 분류 오차를 크게 감소시킨다.

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.

연구 동기 및 목표

• 잘못 분류 오차를 줄이는 효과적인 지문 분류 방법을 개발하는 것.
• 데이터 마이닝 기법을 활용하여 지문 이미지의 군집화를 향상시키는 것.
• 고리 흐름 패턴에서 수치 코드 시퀀스를 생성하여 효율적인 분류를 가능하게 하는 것.
• 실생활 지문 데이터셋을 활용하여 방법의 실용성과 적용 가능성을 평가하는 것.
• 정확도와 오차 감소 측면에서 기존 분류 기법을 능가하는 것.

제안 방법

• 이 방법은 지문 이미지의 고리 흐름 패턴에 기반하여 각 지문 이미지에 대해 수치 코드 시퀀스를 생성하는 것으로 시작한다.
• 각 지문 클래스의 대표 패턴을 식별하고 군집 시드를 선정하기 위해 빈번한 항목집합 생성 기법을 적용한다.
• 이러한 시드를 사용하여 지문 이미지를 군집화하고, 고리 흐름 구조의 유사성에 기반한 분류를 가능하게 한다.
• 이 접근법은 데이터 마이닝 원리를 통합하여 지문 분류의 강건성과 정확도를 향상시킨다.
• 성능와 오차율을 평가하기 위해 실제 지문 데이터셋을 사용하여 방법을 평가한다.

실험 결과

연구 질문

• RQ1 지문 이미지의 고리 흐름 패턴을 분류를 위해 효과적으로 수치 시퀀스로 인코딩할 수 있는가?
• RQ2 빈번한 항목집합 마이닝이 지문 이미지 군집화를 위한 시드 선정을 향상시킬 수 있는가?
• RQ3 이 데이터 마이닝 기반 접근법이 지문 분류 잘못 분류 오차에 어떤 영향을 미치는가?
• RQ4 제안된 방법은 실생활 지문 데이터셋에서 기존 지문 분류 기법과 비교하여 어떻게 성능을 발휘하는가?
• RQ5 이 방법은 계산 복잡도를 줄이면서도 높은 정확도를 유지할 수 있는가?

주요 결과

• 제안된 방법은 기존 지문 분류 기법에 비해 잘못 분류 오차를 크게 감소시킨다.
• 시드 선정을 위한 빈번한 항목집합 마이닝의 활용은 군집 정확도와 분류 성능를 향상시킨다.
• 수치 코드 시퀀스 표현 방식은 신뢰할 수 있는 분류를 위해 고리 흐름 패턴을 효과적으로 포착한다.
• 실생활 데이터셋을 활용한 평가를 통해 방법의 강건성과 실용적 적용 가능성을 확인할 수 있었다.
• 저널 논문에서 보고한 바와 같이, 오차 감소 측면에서 뛰어난 성능을 보였다.