Published April 9, 2021
| Version v1
Publication
Open
Optimized multi‐biometric enhancement analysis
- 1. École Nationale Supérieure d'Informatique
- 2. Engineering School of Information and Digital Technologies
- 3. Université d'Évry Val-d'Essonne
- 4. Informatique, Biologie Intégrative et Systèmes Complexes
Description
A multi-biometric system uses different modalities to identify individuals more accurately. The authors analyse fusion efficiency of a significant number of multi-biometric fusion schemes. To do so, the study applies different functions that are generated using genetic programming (GP) on the 2000 multi-biometric instances produced by the fusion of different biometric matching scores. The functions are represented using a tree of arithmetic operations and are used for fusion at score level. First, genetic programming is implemented on the XM2VTS score database. The GP optimizes the half total error rate of fused matching scores. Then, a comparative study is performed based on our experiments on matching scores of different biometric baseline systems provided by the bio-secure database. This database provides 24 streams that we use to generate 2000 multi-biometric combinations. These multi-biometric instances combine matching scores of different instances, sensors and traits. To assess the quality of the fused scores and the quality of performing biometric baseline systems, we use weighted functions based on user-specific and group-specific normalization. Then, we propose a hybrid cat swarm optimization (CSO) based on the average-velocity inertia-weighted CSO and the normal mutation strategy-based CSO to compute the weights of the selected functions for the fused biometric systems. Finally, we present the statistical significance tests to confirm that the proposed functions outperform the existing functions based on arithmetic rules, normalization fusion and evolutionary algorithms.
Translated Descriptions
⚠️
This is an automatic machine translation with an accuracy of 90-95%
Translated Description (Arabic)
يستخدم النظام متعدد القياسات الحيوية طرائق مختلفة لتحديد الأفراد بشكل أكثر دقة. يحلل المؤلفون كفاءة الاندماج لعدد كبير من مخططات الاندماج متعددة القياسات الحيوية. للقيام بذلك، تطبق الدراسة وظائف مختلفة يتم إنشاؤها باستخدام البرمجة الوراثية (GP) على 2000 حالة بيومترية متعددة تنتج عن اندماج درجات مطابقة بيومترية مختلفة. يتم تمثيل الدوال باستخدام شجرة من العمليات الحسابية وتستخدم للاندماج على مستوى النقاط. أولاً، يتم تنفيذ البرمجة الوراثية على قاعدة بيانات درجات XM2VTS. يعمل الممارس العام على تحسين معدل الخطأ الكلي لنصف درجات المطابقة المنصهرة. بعد ذلك، يتم إجراء دراسة مقارنة بناءً على تجاربنا على مطابقة درجات أنظمة خط الأساس البيومترية المختلفة التي توفرها قاعدة البيانات الآمنة بيولوجيًا. توفر قاعدة البيانات هذه 24 تدفقًا نستخدمها لإنشاء 2000 مجموعة متعددة القياسات الحيوية. تجمع هذه الحالات متعددة القياسات الحيوية بين درجات مطابقة من الحالات وأجهزة الاستشعار والسمات المختلفة. لتقييم جودة الدرجات المدمجة وجودة أداء أنظمة خط الأساس البيومترية، نستخدم وظائف مرجحة بناءً على التطبيع الخاص بالمستخدم والمجموعة. بعد ذلك، نقترح تحسين سرب القطط الهجين (CSO) بناءً على متوسط السرعة المرجحة بالقصور الذاتي لمنظمات المجتمع المدني ومنظمات المجتمع المدني القائمة على استراتيجية الطفرة العادية لحساب أوزان الوظائف المحددة للأنظمة البيومترية المدمجة. أخيرًا، نقدم اختبارات الدلالة الإحصائية للتأكد من أن الوظائف المقترحة تتفوق على الوظائف الحالية بناءً على القواعد الحسابية ودمج التطبيع والخوارزميات التطورية.Translated Description (French)
Un système multi-biométrique utilise différentes modalités pour identifier les individus avec plus de précision. Les auteurs analysent l'efficacité de la fusion d'un nombre significatif de schémas de fusion multi-biométriques. Pour ce faire, l'étude applique différentes fonctions générées à l'aide de la programmation génétique (GP) sur les 2000 instances multi-biométriques produites par la fusion de différents scores de correspondance biométrique. Les fonctions sont représentées à l'aide d'un arbre d'opérations arithmétiques et sont utilisées pour la fusion au niveau du score. Tout d'abord, la programmation génétique est mise en œuvre sur la base de données de scores XM2VTS. Le GP optimise la moitié du taux d'erreur total des scores de correspondance fusionnés. Ensuite, une étude comparative est réalisée sur la base de nos expériences sur les scores correspondants des différents systèmes de référence biométriques fournis par la base de données biosécurisée. Cette base de données fournit 24 flux que nous utilisons pour générer 2000 combinaisons multi-biométriques. Ces instances multi-biométriques combinent des scores correspondants de différentes instances, capteurs et traits. Pour évaluer la qualité des scores fusionnés et la qualité des systèmes de référence biométriques, nous utilisons des fonctions pondérées basées sur la normalisation spécifique à l'utilisateur et spécifique au groupe. Ensuite, nous proposons une optimisation de l'essaim de chats hybrides (CSO) basée sur le CSO pondéré par inertie à vitesse moyenne et le CSO basé sur la stratégie de mutation normale pour calculer les poids des fonctions sélectionnées pour les systèmes biométriques fusionnés. Enfin, nous présentons les tests de significativité statistique pour confirmer que les fonctions proposées surpassent les fonctions existantes basées sur les règles arithmétiques, la fusion de normalisation et les algorithmes évolutifs.Translated Description (Spanish)
Un sistema multibiométrico utiliza diferentes modalidades para identificar a las personas con mayor precisión. Los autores analizan la eficiencia de fusión de un número significativo de esquemas de fusión multibiométrica. Para ello, el estudio aplica diferentes funciones que se generan mediante programación genética (GP) en las 2000 instancias multibiométricas producidas por la fusión de diferentes puntuaciones de coincidencia biométrica. Las funciones se representan utilizando un árbol de operaciones aritméticas y se utilizan para la fusión a nivel de puntuación. En primer lugar, la programación genética se implementa en la base de datos de puntuación XM2VTS. El médico de cabecera optimiza la mitad de la tasa de error total de las puntuaciones de coincidencia fusionadas. Luego, se realiza un estudio comparativo basado en nuestros experimentos sobre las puntuaciones coincidentes de diferentes sistemas biométricos de referencia proporcionados por la base de datos biosegura. Esta base de datos proporciona 24 flujos que utilizamos para generar 2000 combinaciones multibiométricas. Estas instancias multibiométricas combinan puntuaciones coincidentes de diferentes instancias, sensores y rasgos. Para evaluar la calidad de las puntuaciones fusionadas y la calidad de la realización de los sistemas biométricos de referencia, utilizamos funciones ponderadas basadas en la normalización específica del usuario y específica del grupo. A continuación, proponemos una optimización híbrida de enjambre CAT (CSO) basada en la CSO ponderada por inercia de velocidad media y la CSO basada en la estrategia de mutación normal para calcular los pesos de las funciones seleccionadas para los sistemas biométricos fusionados. Finalmente, presentamos las pruebas de significación estadística para confirmar que las funciones propuestas superan a las funciones existentes basadas en reglas aritméticas, fusión de normalización y algoritmos evolutivos.Files
bme2.12026.pdf
Files
(15.9 kB)
| Name | Size | Download all |
|---|---|---|
|
md5:444845564edafa08e99eac3eebd3b0ac
|
15.9 kB | Preview Download |
Additional details
Additional titles
- Translated title (Arabic)
- تحليل محسن للتحسين متعددالقياسات الحيوية
- Translated title (French)
- Analyse d'amélioration multi‐biométrique optimisée
- Translated title (Spanish)
- Análisis optimizado de mejora multibiométrica
Identifiers
- Other
- https://openalex.org/W3155193905
- DOI
- 10.1049/bme2.12026
References
- https://openalex.org/W129651204
- https://openalex.org/W1482057644
- https://openalex.org/W2007865122
- https://openalex.org/W2083032136
- https://openalex.org/W2122043130
- https://openalex.org/W2123992189
- https://openalex.org/W2134013617
- https://openalex.org/W2150564648
- https://openalex.org/W2160149758
- https://openalex.org/W2185365184
- https://openalex.org/W2399102696
- https://openalex.org/W2586777488
- https://openalex.org/W2717666749
- https://openalex.org/W2742360341
- https://openalex.org/W2767738581
- https://openalex.org/W2790644461
- https://openalex.org/W2791564363
- https://openalex.org/W2793792192
- https://openalex.org/W2799263497
- https://openalex.org/W2801092849
- https://openalex.org/W2810911225
- https://openalex.org/W2892027532
- https://openalex.org/W2904199014
- https://openalex.org/W2905028258
- https://openalex.org/W2909939467
- https://openalex.org/W2913845656
- https://openalex.org/W2950219051
- https://openalex.org/W2976673213
- https://openalex.org/W3000040270
- https://openalex.org/W3000981632
- https://openalex.org/W3009228756
- https://openalex.org/W3026898261