哪位大侠给翻译一段英文?
发布网友
发布时间：2022-05-21 11:15
共1个回答
热心网友
时间：2023-10-23 20:59
2.2为了探讨潜力相结合的单位和结构的方法, 我们耦合的结构方式与方法单位最近提出的吴薇等. [1] . 核心单位,这种做法是一种新型的分配计划(简称fingercode ) ,即能代表成 数值特征向量的细节和全球脊和沟槽结构的指纹. 几个策略分类相结合进行评价,以便结合单位和结构性方式[ 8-10 ] . 我们首先评估性能的简单组合规则,即多数投票规则的线性组合, 需要的假设误差独立之间的合并分类. 这种组合规则表现欠佳,由于强烈的误差之间的相关单位和结构分类. (值得注意的是,这两个量词也有很多相同的错误了NIST - 4数据库) . 因此, 我们采用所谓的" metaclassification " (或"叠" )的方式来分类组合,另外采用分级组合[10] . 尤其是, k-近邻分类方法. 3 . 实验结果
3.1数据集
NIST的4数据库包含5个指纹班(一,鼻孔,钨, T )的用于实验. 尤其是,第1800指纹( f0001 f0900通过s0001和s0900通过)被用于分类培训. 未来的200人的指纹作为验证集,而去年2,000指纹作为测试集.
3.2表演性和互补性单位和结构分类
首先,我们评估了表演的单位和结构性方式描述在第2 . 对于多单位的做法, 多层感知器( MLP )利用fingercode特征向量作为输入进行训练和测试的NIST - 4数据库. 最佳演出的测试集获得了一个总纲建筑隐藏的28个单位. 表1表明了这种表演. 以结构的方式描述在第2.1 表2显示混淆矩阵NIST的4测试集的相关递归神经网络. 表1和2指出精确的分级结构是远远低于之一 单位量词. 正如在第1条中,这主要是由于大程度上的混乱当中L号 R和笔类. 在另一方面,正如所料, 最佳表演的结构分类与歧视之间和W班.
表1 . 混乱矩阵NIST的4测试集的多层感知神经网络. 百分比精度值列于表. fingercode的特征向量作为输入这个网络.
