[论文解读] 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 7

一句话总结

本文提出了一种基于数据挖掘的指纹分类方法，将脊线流向模式转换为数字编码序列，利用频繁项集挖掘选择聚类种子，并应用聚类进行分类。与现有方法相比，该方法在真实数据集上显著降低了误分类错误率。

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.

研究动机与目标

• 开发一种能有效降低误分类错误率的指纹分类方法。
• 利用数据挖掘技术提升指纹图像聚类的性能。
• 从脊线流向模式生成数字编码序列，以实现高效分类。
• 在真实指纹数据集上评估该方法，以验证其实际适用性。
• 在准确率和错误率降低方面超越现有分类技术。

提出的方法

• 该方法首先基于指纹图像的脊线流向模式，为其生成一个数字编码序列。
• 应用频繁项集生成技术，识别代表性模式，并为每类指纹选择聚类种子。
• 利用这些种子对指纹图像进行聚类，从而基于脊线流向结构的相似性实现分类。
• 该方法整合了数据挖掘原理，以增强指纹分类的鲁棒性和准确性。
• 使用真实指纹数据集对方法进行评估，以衡量其性能和错误率。

实验结果

研究问题

• RQ1 如何有效将指纹图像中的脊线流向模式编码为数字序列以实现分类？
• RQ2 频繁项集挖掘能否改善指纹图像聚类的种子选择？
• RQ3 该基于数据挖掘的方法对降低指纹分类误分类错误率有何影响？
• RQ4 该方法在真实世界数据集中与现有指纹分类技术相比表现如何？
• RQ5 该方法能否在降低计算复杂度的同时保持高准确率？

主要发现

• 与现有指纹分类技术相比，所提出的方法显著降低了误分类错误率。
• 利用频繁项集挖掘进行种子选择，提升了聚类准确率和分类性能。
• 数字编码序列表示能有效捕捉脊线流向模式，实现可靠分类。
• 在真实数据集上的评估结果证实了该方法的鲁棒性和实际适用性。
• 该方法在错误率降低方面表现优异，如期刊发表所述。