Сборник докладов республиканской научно-технической конференции значение информационно-коммуникационных



Download 7,55 Mb.
Pdf ko'rish
bet211/267
Sana14.07.2022
Hajmi7,55 Mb.
#795134
TuriСборник
1   ...   207   208   209   210   211   212   213   214   ...   267
Bog'liq
Maqola

l=4

𝑎
𝑙
- коэффициент важности типов информаций. 
𝑃
𝑗
(
j
= 1..
𝑁
1
) – группа параметров услуг (пункты в паспорте). 
𝛽
𝑗
– коэффициент важности параметров группы. 
Υ

{𝑦
𝑗𝑙

– принадлежность группы параметров к классу типа 
информации: 

𝐽
𝑦
𝑗𝑙

P, 

𝑙
𝑦
𝑗𝑙
 

K, 

𝐽
𝑦
𝑗𝑙
 




𝐽
𝑦
𝑗𝑙
 



𝑥
𝑖
𝑗𝑐

j
= 1..
H
) – параметры услуг. Число параметров в группе 
H = 

𝑟
𝑙
𝑁
𝑙=1
. c
- элементы, принимающие 
i
− ую услугу j − м параметром. 
𝜆
𝑖
𝑗
 
=
〈0,1〉
(
j = 
1.. 
H
) – важность параметров. 


{𝑡
𝑖
, 𝑖 = 1. . 𝑢}
– разыскиваемый текст, 
𝑡
𝑖
− слова в тексте, 
u
– число. 
Ф 
(
X, T
) – функция поиска 

из 

параметров услуг. Функция разбивает 
данный текст на слова, и при условии, что
𝜆
𝑖
𝑗
> 0 выполняет поиск в 
комбинированном виде из 

параметров услуг. 
 Z = 
{𝑧
𝑖𝑗
}
( 0
≤ 𝑖 ≤ 𝑚, 𝑗 = 1. . 𝐻
) – массив, хранящий результаты функции 
Ф 
в соответствии параметрам услуг. 
Задача выбора заключается в поиске самых близких подходящих услуг 
исходя из запроса пользователя по параметрам базы услуг 
X
. На результат 
выбора самой близкой услуги по данному 

информации из 

параметров 


445 
услуг влияет коэффициент важности. Математическое обозначение 
выражения следующее:
𝐹
𝑖
(
Z
) → 
max 
Z = Ф
(
𝑋
𝑖
, 𝑇

𝑋
𝑖

(𝑥
𝑖𝑗
, 𝑦
𝑙𝑗
, 𝛼
𝑙
, 𝛽
𝑗
, 𝜆
𝑣
𝑗
)
, i = 
1..
H, v = 
1..
r

Решение данной математической задачи реализуется следующим 
образом: для начала степень близости запроса 
T
к параметру услуг 
X
определяется функцией 
Ф 
(𝑋
𝑖
, 𝑇)
 
и результат фиксируется в массиве 
Z

Далее, класс услуг 
𝑋
𝑖

(𝑥
𝑖𝑗
, 𝑦
𝑙𝑗
, 𝛼
𝑙
, 𝛽
𝑗
, 𝜆
𝑣
𝑗
)
близости степеней, группа 
параметров 
и 
экспертные 
коэффициенты 
данные 
параметрами 
соответственно умножаются и с помощью функции 
𝑋
𝑖
(𝑍)
выбирается 
наибольший элемент. Это и будет выбранной услугой. 
Литература 
1.Бабаджанов Э.С. Ахборот тизимларида самарали электрон хизматларни танлаш 
технологияси//Muhammad al-Xorazmiy avlodlari. №1(3).Тоshkent-2018.\–Б.26-33(05.00.00; 
№10).
 
СИСТЕМА РАСПОЗНАВАНИЯ ОТПЕЧАТКОВ ПАЛЬЦЕВ 
ИСПОЛЬЗОВАНИЕМ МЕТОДОВ СОПОСТАВЛЕНИЯ С ШАБЛОНОМ 
КРУГОВОЙ СТРОКИ 
Ч.М. Хидирова (ТУИТ, доцент)
 
Ш.М. Матчонов (ТУИТ, магистрант) 
Система распознавания отпечатков пальцев на основе идентификации 
мобильных устройств с использованием методов сопоставления с образцом 
круговой строки. Поскольку современные устройства все чаще настраивают-
ся для высокоскоростной передачи и обмена данными в мобильных сетях [1], 
это в свою очередь, привело к увеличению объема информации, передавае-
мой неизвестным объектам. Это сделало обмен персональными данными 
через системы распознавания фундаментальной проблемой и следовательно, 
заставляет производителей повышать точность распознавания. 
Основываясь на отсутствии методов учета ориентации в других исследо-
ваниях [2] в этой статье, предлагается процесс сопоставления с образцом для 
аутентификации по отпечатку пальца с использованием классификации для 
сопоставления профилей отпечатков пальцев. Это достигается путем полу-
чения информации о деталях путем перехвата отпечатка пальца с помощью 
серии кругов сканирования. Затем эта информация переводится в строку. 
После этого начального этапа строковая информация отпечатка пальца 
сопоставляется в локальной базе данных изображений. Этот процесс сопос-
тавления выполняется алгоритмом сопоставления с образцом,который устой- 
чив к топографическим ошибкам и, таким образом, позволяет выполнять 
процесс идентификации деталей за линейное время в соответствии с общей 
длиной всех искомых строк. 


446 
Схема алгоритма.Наш алгоритм был структурирован так, чтобы иден-
тифицировать круговые строки из сохраненного отпечатка пальца и ввода с 
наибольшей длиной: asmf/acdm использовался для проверки того, что отно-
сительное вращение круговой строки ввода соответствует вращению сохра-
ненного изображения отпечатка пальца. Кроме того, для проверки точности 
совмещения использовался алгоритм аппроксимации Нидлмана-Вунша [3]. 
Основным компонентом, определяющим скорость выполнения, является 
извлечение мелких деталей из изображения и построение круговой строки, 
которая многократно вызывается на протяжении всего процесса. Мы описали 
полный процесс сопоставления отпечатков пальцев, как показано ниже: 
1. 
Формирование базы данных:
была создана база данных круговых 
строк с центром изображения, классифицированным как эффективный центр. 
2.
Формирование концентрических кругов к строкам:
были нарисованы 
концентрические круги, а затем (с помощью быстрого извлечения мелких 
деталей) преобразованы в строки, состоящие из нулей и единиц. Например, 
предполагая, что 
Cir
- круговая строка 
i
-го изображения с радиусом 
r
, все 
повороты каждой из круговых строк сохраняются в базе данных. Если позво-
лить 
DbRir
быть коллекцией повернутых строк из 
Cir

Cir 
= «0111» означает, 
что 
DRir 
будет содержать значения «0111», «1011», «1101», «1110». И 
наоборот, если позволить 
DbRir
быть набором повернутых строк из 
Cir

Cir 

«0111» будет означать, что 
DRir
будет содержать значения «0111», «1011», 
«1101», «1110». 
3. 
Формирование двоичной строки:
после предыдущей фазы, быстрое 
извлечение новых мелочей было повторено, чтобы построить круговые 
двоичные строки для каждого круга. 
4
. Формирование списка CsR:
после формирования двоичной строки 
процесс затем приступил к созданию отсортированного списка
CsR
из пар 
радиусов и круговых строк (<
CStr, Radius
>) в порядке убывания длины 
CStr

5. 
Сравнение ротации:
после формирования списка метод asmf / acdmf 
был применен вместе с алгоритмом Нидлмана-Вунша. Это позволяло 
сравнивать чередования, в результате чего процент совпадающих строк, 
записанных как выше определенного порога (
tS
), приводил к сохранению 
суммы процента совпадений. 
I
-е изображение было помечено как 
«изображение-кандидат», а затем было выбрано (

+ 1) -е изображение до тех 
пор, пока все изображения в базе данных не были использованы. Следуя 
этому процессу, этот этап можно повторить после выбора другой 
центральной точки. 
6. 
Сопоставление изображений:
после предыдущих этапов процесс 
наконец возвращается к сопоставленным изображениям для проверки. 
Результаты исследования.
 
Мы стремились улучшить производитель-
ность извлечения мелких деталей, чтобы сократить общее время выполнения 
процесса. Сравнивая время, необходимое в миллисекундах для каждого 
метода, становится ясно, что наш алгоритм решения обеспечивает лучшие 
результаты для общего времени выполнения извлечения деталей из изобра-


447 
жения и построения круговой строки, которая многократно вызывается на 
протяжении всего процесса. Это представлено в таблице 1 и на рисунке 1. 
Таблица 1. Результаты экспериментов 
Размер базы 
данных

Download 7,55 Mb.

Do'stlaringiz bilan baham:
1   ...   207   208   209   210   211   212   213   214   ...   267




Ma'lumotlar bazasi mualliflik huquqi bilan himoyalangan ©hozir.org 2024
ma'muriyatiga murojaat qiling

kiriting | ro'yxatdan o'tish
    Bosh sahifa
юртда тантана
Боғда битган
Бугун юртда
Эшитганлар жилманглар
Эшитмадим деманглар
битган бодомлар
Yangiariq tumani
qitish marakazi
Raqamli texnologiyalar
ilishida muhokamadan
tasdiqqa tavsiya
tavsiya etilgan
iqtisodiyot kafedrasi
steiermarkischen landesregierung
asarlaringizni yuboring
o'zingizning asarlaringizni
Iltimos faqat
faqat o'zingizning
steierm rkischen
landesregierung fachabteilung
rkischen landesregierung
hamshira loyihasi
loyihasi mavsum
faolyatining oqibatlari
asosiy adabiyotlar
fakulteti ahborot
ahborot havfsizligi
havfsizligi kafedrasi
fanidan bo’yicha
fakulteti iqtisodiyot
boshqaruv fakulteti
chiqarishda boshqaruv
ishlab chiqarishda
iqtisodiyot fakultet
multiservis tarmoqlari
fanidan asosiy
Uzbek fanidan
mavzulari potok
asosidagi multiservis
'aliyyil a'ziym
billahil 'aliyyil
illaa billahil
quvvata illaa
falah' deganida
Kompyuter savodxonligi
bo’yicha mustaqil
'alal falah'
Hayya 'alal
'alas soloh
Hayya 'alas
mavsum boyicha


yuklab olish