基于CFRBFNN的指纹识别算法在电力EAI中的应用

【摘要】　利用混沌对初值的极端敏感依赖性，从而可能对仅有微小差别的模式进行识别。提出一种基于混沌模糊RBF神经网络的指纹识别算法，并应用到电力EAI中。由于引入了混沌噪声，可使网络具有很强的抗干扰能力，能有效避免复杂的特征提取工作。仿真结果表明，混沌模糊RBF神经网络算法精度高、迭代步骤少、收敛快，CFRBF神经网络应用于指纹识别是有效的，能提高识别率。

【关键词】　RBF 混沌 模糊 指纹识别 模式识别

指纹识别技术，可称为人体密码，是模式识别领域中使用最早的，也是最为成熟的生物鉴定技术，它是集传感器技术、生物技术、电子技术、数字图像处理、模式识别于一体的高新技术[1]微软公司在新一代操作系统Windows Vista中，把指纹识别作为身份验证方式之一。指纹识别技术的核心是指纹识别算法，可以把识别算法大致分为3个步骤：图像预处理、指纹特征提取和指纹特征比对[2](包括验证和辨识[3])。目前不少研究将神经网络用于指纹识别，提高了指纹识别性能。文献[4]提出了一种基于LVQ神经网络指纹识别方法，由于LVQ神经网络自身的自组织和聚类特性，可以很好地给出模式在多维空间的概率分布估计，从而可较好地完成指纹的识别。文献[5]介绍了一种基于DHNN(离散型Hopfield　神经网络)的识别技术，运用DHNN的联想记忆功能来识别指纹特征。不少研究将神经网络与模糊理论相结合[6,8]，提高了神经网络在指纹识别领域的研究水平。本文提出一种基于混沌模糊RBF神经网络的算法，并应用到指纹识别中。将混沌理论引入神经网络的构造，利用混沌对初值的极端敏感依赖性，从而可能对仅有微小差别的模式进行识别，由于引入了混沌噪声，可使网络具有很强的抗干扰能力，有效避免了复杂的特征提取工作。将模糊理论应用于RBF神经网络设计，提高了神经网络的学习泛化能力，能较好地逼近实际模型。应用混沌模糊RBF网络进行指纹识别，结合了模糊函数、混沌和神经网络的各自优点，得到了较满意的识别效果。仿真实验表明，该算法精度高、迭代步骤少、收敛快，混沌模糊RBF神经网络应用于指纹识别是有效的，能提高识别率。该算法不仅可以保证对指纹样本的正确分析，同时可以保证识别速度。将算法应用于电力企业集成管理，保证了安全生产和优化管理的目标，获得了良好的应用价值。

1　RBF神经网络

径向基网络是前馈网络中完成映射功能最优的网络，具有很好的模式分类和函数逼近能力。典型结构为两层网络。

隐层神经元的激活函数采用高斯函数，隐层神经元的输出为：

注：本文中所涉及到的图表、注解、公式等内容请以PDF格式阅读原文。