Combining classifiers using the dempster-shafer theory of evidence
| dc.contributor.author | Imran Naseem | |
| dc.date | 2005 | |
| dc.date.accessioned | 2022-05-18T05:06:31Z | |
| dc.date.available | 2022-05-18T05:06:31Z | |
| dc.degree.department | College of Engineering Sciences and Applied Engineering | |
| dc.degree.grantor | King Fahad for Petrolem University | |
| dc.description.abstract | يزداد الاهتمام بالبيومتريكس بازدياد اهتمام المنظمات في العالم إلى التزود بوسائل أكثر ضمانا لحماية دخول المستخدمين لشبكاتها. على الرغم من أن نظام التمييز البيومتري قد يكون جيداً بالنسبة لحالة ما، قد لا يكون جيداً بالنسبة إلى حالة أخرى. أحد الحلول لهذه المشكلة هو دمج المصنفات بحيث أنه يمكن دمج المعلومات المختلفة المستخلصة من مصنفات مختلفة، بفعالية عالية، من أجل الحصول على مستوى تمييز عالي مقارنة مع المصنفات لمشاركة. في هذا الشأن، إن نظرية الدليل للعالمين دمبستر وشافر (DST) قد أظهرت نتائج واعدة، على الرغم من أن الـ (DST) لم تبحث من أجل مسائل التمييز البيومتري. في هذه الرسالة، نحن اقترحنا ثلاث خوارزميات جديدة من أجل دمج الأنظمة البيومترية المختلفة باستخدام الـ (DST). خوارزمية (NNFE) (دمج الدليل المعتمد على أقرب مجاور) تستخدم مسافة أقرب مجاور للمصنفات المشاركة كدليل لتقدير المتحول؛ خوارزمية (RRFE) (دمج الدليل المعتمد على معدل التمييز) تستخدم متحول الأداء للمصنفات المشاركة لتقدير الدليل وخوارزمية (VEF) (دمج الدليل المعتمد على التفاوت) تستخدم الإحصاء من الدرجة الثانية للمتحولات لتقدير المعرفة التخيلية في المصنفات المندمجة. قد أجريت تجارب مكثفة على نموذج أحادي (الكلام فقط) ونموذج متعدد (الكلام والوجه) لأنظمة التمييز البيومترية، نتائج المحاكاة الحاسوبية أظهرت أن خوارزميتنا المقترحة تنجز معدل تمييز أفضل بكثير مما تنجزه المصنفات الأحادية. | |
| dc.identifier.other | 4497 | |
| dc.identifier.uri | https://drepo.sdl.edu.sa/handle/20.500.14154/1673 | |
| dc.language.iso | en | |
| dc.publisher | Saudi Digital Library | |
| dc.thesis.level | Master | |
| dc.thesis.source | King Fahad for Petrolem University | |
| dc.title | Combining classifiers using the dempster-shafer theory of evidence | |
| dc.type | Thesis |