基于极大紧邻子树和神经网络的聚类分类模型及其在生物特征识别中的应用

聚类、分类模型及其应用一直是模式识别研究的重点问题和热点问题。本项目将研究一种基于极大紧邻子树和神经网络的聚类分类模型，该模型既能对训练样本集形成任意形状的聚类，又能直接计算新样本的类别。一方面，通过发展基于极大紧邻子树的快速聚类算法，提高该模型计算速度和分析效率；另一方面，通过结合常用的图像处理方法以及归一化编辑距离和隐马尔可夫模型等基本工具，为该模型建立一个软件仿真平台，将其应用于眉毛、人脸和虹膜等生物特征识别技术，并通过在考勤管理系统中的具体应用验证眉毛作为一种新生物特征使用的可行性和实用性。本项目的研究，不仅将通过一种新的聚类分类模型丰富模式识别的相关理论内容，而且将为解决眉毛、人脸和虹膜等生物特征或其它类型的识别问题提供一种新的基本思路，此外还可能为解决金融、司法、刑侦以及考勤管理等方面的身份鉴别问题提供眉毛识别这种新颖的、有效的技术手段。