Aplicando el Integral Superior al Problema de Fusión de Puntajes Biométricos en el Modelo de Identificación
Autores: Fakhar, Khalid; El Aroussi, Mohamed; Saidi, Mohamed Nabil; Aboutajdine, Driss
Idioma: Inglés
Editor: MDPI
Año: 2015
Acceso abierto
Artículo científico
2015
Aplicando el Integral Superior al Problema de Fusión de Puntajes Biométricos en el Modelo de Identificación
Categoría
Gestión y administración
Subcategoría
Gestión de la tecnología y la inovación
Palabras clave
Biométrico
Fusión
Medida difusa
Entropía
Fiabilidad
Agregación
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 1
Citaciones: Sin citaciones
Este documento presenta un nuevo enfoque de fusión de puntuaciones biométricas en un sistema de identificación utilizando la integral superior con respecto a la medida difusa de Sugeno. Primero, el método propuesto considera cada comparador individual como un conjunto difuso para manejar la incertidumbre y la imperfección en las puntuaciones de coincidencia. Luego, la entropía difusa correspondiente estima la fiabilidad de la información proporcionada por cada comparador biométrico. A continuación, se generan las densidades difusas basadas en la información de rango y la precisión del entrenamiento. Finalmente, los resultados se agregan utilizando la integral difusa superior. Los resultados experimentales comparados con otros métodos de fusión demuestran el buen rendimiento del enfoque propuesto.
Descripción
Este documento presenta un nuevo enfoque de fusión de puntuaciones biométricas en un sistema de identificación utilizando la integral superior con respecto a la medida difusa de Sugeno. Primero, el método propuesto considera cada comparador individual como un conjunto difuso para manejar la incertidumbre y la imperfección en las puntuaciones de coincidencia. Luego, la entropía difusa correspondiente estima la fiabilidad de la información proporcionada por cada comparador biométrico. A continuación, se generan las densidades difusas basadas en la información de rango y la precisión del entrenamiento. Finalmente, los resultados se agregan utilizando la integral difusa superior. Los resultados experimentales comparados con otros métodos de fusión demuestran el buen rendimiento del enfoque propuesto.