|
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
=
{𝑡
𝑖
, 𝑖 = 1. . 𝑢}
– разыскиваемый текст,
𝑡
𝑖
− слова в тексте,
u
– число.
Ф
(
X, T
) – функция поиска
T
из
X
параметров услуг. Функция разбивает
данный текст на слова, и при условии, что
𝜆
𝑖
𝑗
> 0 выполняет поиск в
комбинированном виде из
X
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
T
информации из
X
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
l
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 (
i
+ 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
Do'stlaringiz bilan baham: |
