AbstractAs a part of a growing information society, nowadays the issue的简体中文翻译

AbstractAs a part of a growing info

AbstractAs a part of a growing information society, nowadays the issue of security is more crucial than ever. In order to achieve high level of security, the potential of accurately recognize subjects based on their unique measurable physiological or behavioral charac- teristics has been receiving an increased concern by the research and development community. As biometrics has advanced, iris has been considered a preferred trait because unique pattern texture, lifetime stability, and regular shape contribute to good segmentation and recognition performance. The incredible uniqueness of iris patterns as well as the ability to capture iris images non-invasively has motivated us to develop automated system for iris recognition based on 2-D iris images. The 2DPCA (two- dimensional Principal Component Analysis) and GA (Genetic Algorithm) have been used as feature extraction and feature selection techniques for reducing the dimensionality of iris features without the loss of relevant Information. The Back Propagation Neural Network (BPNN) is implemented using Levenberg–Marquardt’s learning rule for iris recognition. The experimental results illustrated that the 2DPCA-GA achieved a high classification accuracy of 96.40 %.
0/5000
源语言: -
目标语言: -
结果 (简体中文) 1: [复制]
复制成功!
抽象的<br>作为不断发展的信息社会的一部分,如今的安全问题比以往任何时候都更加重要。为了达到较高的安全性,研究人员越来越关注基于其独特的可测量的生理或行为特征来准确识别受试者的潜力。随着生物识别技术的发展,虹膜已被视为首选特征,因为独特的图案纹理,寿命稳定性和规则形状有助于良好的分割和识别性能。虹膜图案的独特性以及无创捕获虹膜图像的能力促使我们开发基于2D虹膜图像的虹膜识别自动化系统。2DPCA(二维主成分分析)和GA(遗传算法)已被用作特征提取和特征选择技术,用于在不损失相关信息的情况下降低虹膜特征的维数。反向传播神经网络(BPNN)使用Levenberg–Marquardt的虹膜识别学习规则来实现。实验结果表明,2DPCA-GA具有96.40%的高分类精度。
正在翻译中..
结果 (简体中文) 2:[复制]
复制成功!
抽象<br>作为日益壮大的信息社会的一部分,当今的安全问题比以往任何时候都更加重要。为了达到高度的安全性,基于其独特的可测量生理或行为魅力的准确识别受试者的潜力越来越受到研究与发展界的关注。随着生物识别技术的进步,虹膜被认为是首选特征,因为独特的图案纹理、寿命稳定性和常规形状有助于良好的分割和识别性能。虹膜图案的令人难以置信的独特性,以及非侵入性捕获虹膜图像的能力,促使我们开发基于二维虹膜图像的虹膜识别自动化系统。2DPCA(二维主要组件分析)和GA(遗传算法)被用作功能提取和功能选择技术,用于在不丢失相关信息的情况下降低虹膜特征的尺寸。背传播神经网络 (BPNN) 使用莱文伯格-马夸特的虹膜识别学习规则实现。实验结果表明,2DPCA-GA实现了96.40%的高分类精度。
正在翻译中..
结果 (简体中文) 3:[复制]
复制成功!
摘要<br>作为日益发展的信息社会的一部分,如今的安全问题比以往任何时候都更加重要。为了获得高水平的安全性,基于其独特的可测量的生理或行为特征来准确识别对象的潜力越来越受到研究和开发界的关注。随着生物特征识别技术的发展,虹膜已被认为是一个首选的特征,因为独特的模式纹理,生命周期的稳定性和规则的形状有助于良好的分割和识别性能。虹膜模式的独特性以及非侵入性捕获虹膜图像的能力促使我们开发基于二维虹膜图像的虹膜自动识别系统。采用二维主成分分析(2DPCA)和遗传算法(GA)作为虹膜特征提取和特征选择技术,在不损失相关信息的前提下降低虹膜特征的维数。利用Levenberg-Marquardt学习规则实现了虹膜识别的bp神经网络。实验结果表明,2DPCA-GA的分类准确率高达96.40%。
正在翻译中..
 
其它语言
本翻译工具支持: 世界语, 丹麦语, 乌克兰语, 乌兹别克语, 乌尔都语, 亚美尼亚语, 伊博语, 俄语, 保加利亚语, 信德语, 修纳语, 僧伽罗语, 克林贡语, 克罗地亚语, 冰岛语, 加利西亚语, 加泰罗尼亚语, 匈牙利语, 南非祖鲁语, 南非科萨语, 卡纳达语, 卢旺达语, 卢森堡语, 印地语, 印尼巽他语, 印尼爪哇语, 印尼语, 古吉拉特语, 吉尔吉斯语, 哈萨克语, 土库曼语, 土耳其语, 塔吉克语, 塞尔维亚语, 塞索托语, 夏威夷语, 奥利亚语, 威尔士语, 孟加拉语, 宿务语, 尼泊尔语, 巴斯克语, 布尔语(南非荷兰语), 希伯来语, 希腊语, 库尔德语, 弗里西语, 德语, 意大利语, 意第绪语, 拉丁语, 拉脱维亚语, 挪威语, 捷克语, 斯洛伐克语, 斯洛文尼亚语, 斯瓦希里语, 旁遮普语, 日语, 普什图语, 格鲁吉亚语, 毛利语, 法语, 波兰语, 波斯尼亚语, 波斯语, 泰卢固语, 泰米尔语, 泰语, 海地克里奥尔语, 爱尔兰语, 爱沙尼亚语, 瑞典语, 白俄罗斯语, 科西嘉语, 立陶宛语, 简体中文, 索马里语, 繁体中文, 约鲁巴语, 维吾尔语, 缅甸语, 罗马尼亚语, 老挝语, 自动识别, 芬兰语, 苏格兰盖尔语, 苗语, 英语, 荷兰语, 菲律宾语, 萨摩亚语, 葡萄牙语, 蒙古语, 西班牙语, 豪萨语, 越南语, 阿塞拜疆语, 阿姆哈拉语, 阿尔巴尼亚语, 阿拉伯语, 鞑靼语, 韩语, 马其顿语, 马尔加什语, 马拉地语, 马拉雅拉姆语, 马来语, 马耳他语, 高棉语, 齐切瓦语, 等语言的翻译.

Copyright ©2024 I Love Translation. All reserved.

E-mail: