生物最基本特征范例(3篇)
生物最基本特征范文
关键词：生物特征身份认证多目标规划优化组合
中图分类号：TP18文献标识码：A文章编号：1672-3791（2013）04（b）-0009-02
要害部位的安全性对身份认证技术提出了越来越高的要求，生物特征识别成为关注热点。单一的生物特征识别技术存在识别率低、安全性差等问题，多生物特征身份识别技术因综合了单生物特征识别的优点，成为一种发展趋势。如何在经济性、防伪性、稳定性、便捷性等约束条件下，从众多单一生物特征中挑选出最优化的组合方案，是研究多生物特征识别技术要考虑的问题。本文从多目标规划的角度，对多生物特征进行优化选取，达到对不同场所给出相应的优化组合的目的。
1多目标规划模型
2.3评价指标分值的确定及数学表达
由于各生物特征识别技术的复杂性、发展成熟程度以及市场化程度等的不同，各生物特征的各自评价指标会有不同程度上的差别。根据各种生物识别技术的优缺点以及应用中的情况，使用专家评分法对评价指标经济性、防伪性、稳定性、便捷性在[0，1]内打分，本文实验数据由相关资料参考得到，各评价指标分值如表2所示。
为说明不同权系数的影响不同，这里、、与成本值的值在MATLAB计算中给出。将表2的数值代入到式（5）、式（6），即得到多生物特征优化组合的数学模型。
3多生物特征优化组合的MATLAB求解
0-1型整数规划常用解法为穷举法和隐枚举法。穷举法在变量较多时，计算量较为庞大，这里采取MATLAB7.0，建立m文件，根据式（5）、式（6）的数学表达与2.3节指标值，调用函数bintprog（）求解此0-1线性整数规划问题。
根据实际的情况和不同场所要进行安保对象的不同，采用不同的多生物特征组合，设定不同的成本代价、各评价指标权重、、，得到不同组合，找到最优的多生物特征组合。下面给出七组不同的实际应用场合的、、、的进行实验，得到各变量的0、1取值，其中：“1”表示选取，“0”表示未选取。根据实验数据以及它们与表1中相对应的生物特征，得到表3。
分别给定成本预算、权重系数，根据1、2组的比较可以得到，当成本预算相同时，根据实际需保护的目标不同，改变评价指标的权重，可以得到与之匹配的优化组合；由3、4得到权重相同时，改变成本预算也可以改变相应的生物特征组合。实验过程中，采用0-1线性整数规划，输入相同的预算成本或权重系数可能会得到相同的结果，但输出的实际成本会有不同，考虑到成本与评价指标的共同约束性，此时尽量选择不同的成本和权重。由此可以得到，当安保的部位确定后，可以根据预算成本和各评价指标的权重来确定采取的身份认证手段，从而综合多种生物特征识别的优点，提高识别率，起到对要点部位的安全防范。
4结语
本文从重要场所出入口身份识别认证的需求出发，运用多目标规划模型，建立多生物特征的目标函数，利用线性加权和法得到评价函数，用最优化方法求解了重要目标多种生物特征识别的优化组合问题，通过MATLAB7.0实验得出结果后，经反算验证，在约束条件下，得到的组合是最优化组合，为后续的信息融合提供依据，也为不同军事目标的防护提供了较好的参考。
参考文献
[1]曹卫华，郭正.最优化技术方法及MATLAB的实现[M].北京：化学工业出版社，2005.
[2]周赤非.新编军事运筹学[M].北京：军事科学出版社，2010.
[3]张睿.多模态手部生物特征识别技术的研究[D].重庆：重庆工学院，2008.
[4]李秀艳.多生物特征身份识别方法研究[D].天津：天津大学，2010.
生物最基本特征范文
关键词：像元；面向对象；高分辨率；分割；影像分类
1.引言
遥感技术现已成为资源环境监测和地表动态变化研究的主要方法和手段，帮助人类获取了多平台、多时相、多光谱的实时信息。在遥感技术中，分类是获取信息的前提。随着遥感成像技术的不断发展，图像分类的精度也在提高，从单波段的数据到多波段的数据再到如今的高光谱图像，应用研究得到深入和扩展。
早期在进行图像识别分类的时候，大多依靠目视解译的方法，要求判读人员具备相应的判读知识，能够提取相关的空间信息，但是这种方法，效率非常低，而且跟判读员的主观意识存在一定关系。这种方法目前仍然广泛应用，并且与计算机相结合，辅助计算机进行自动识别分类。计算机分类的方法主要是针对图像上的光谱信息和空间信息进行采集、分析、特征识别及最终的信息提取，将每个像元按照一定的规则划分到不同的类别当中去。在计算机自动识别分类领域，目前有两类方法：第一类就是传统的基于像元的分类方法，即处理的最小单位是像元，并且仅仅依靠像元的光谱特征进行，通常采用监督分类或者非监督分类；第二类是面向对象的方法，这种方法处理的最小单元就不再是像元，而是对象，并且利用的不止包括光谱信息，还包括空间关系等。
2.遥感影像分类方法简介
2.1基于像元的分类方法
基于像元的分类方法作为传统方法，由于其在技术上已经很成熟，所以至今仍然应用广泛，具体分类方法主要有两类：即监督分类和非监督分类。基于像元的分类方法，顾名思义，是以像元作为最基本的处理单元，依据地物的光谱特性来进行归类，由于同类地物体现出的光谱特征一致，所以在特征空间中呈现出聚类的特点，那么不同的地物就会呈现出不同的聚类区域。无论是监督分类法还是非监督分类法，都是对于一个一个的像元进行处理，所以都属于基于像元层次的分类方法。
监督分类法又称为场地训练分类法，是以先验知识作为基础，选择样本进行训练，以此建立统计识别函数，按照概率规则进行类别的划分。即首先选择样本，确定特征参数，根据特征参数，建立判别函数及判别规则，最后对未分类地区进行模式识别的一种方法。这种方法的关键就是选择样本和确定判别规则，要求样本必须具有较强的代表性和典型性，判别规则要满足分类精度的要求，否则要重新确定分类规则。非监督分类是指人们在分类之前对于分类过程不施加任何先验知识，仅仅依靠图像上地物的光谱特征进行盲目的分类，这个分类过程只是将不同类别进行了区分，但是没有确定类别的属性，属性要通过后期分析及实地调查方可确定。在实际工作中，由于监督分类和非监督分类都存在各自的局限性，故通常将二者结合使用。即首先通过非监督分类来确定样本结构，再依据非监督分类确定的样本进行监督分类。这种方法可以使得人为产生误差的机会大大减少，从而提升一定的分类精度。
本文基于像元的分类方法采用的是ENVI4.5平台。
2.2面向对象的分类方法
对于遥感图像而言，除了光谱信息外，还包含很多信息，比如空间信息、语义信息和上下文信息。为了充分利用这些信息，面向对象的方法应运而生。这种方法在进行分类处理时，最小单元就不再是像元，而是由若干像元组成的对象，这种对象就不仅包含像元的光谱信息，同时包含像元之间的语义信息、拓扑信息和纹理信息。
面向对象的影像分类方法首先对图像进行分割，获得对象，再依据对象的光谱特征、纹理特征、形状特征和布局特征等，根据模糊分类方法对影像进行分类及信息提取。在这个过程中，形成了面向对象方法的两个特点：第一，可以利用对象的多特征，即光谱特征和其他特征；第二，可以利用不同的分割尺度形成不同大小的对象，并且每一尺度可形成一个对象层，在多尺度层下根据不同地物的特点选择适当尺度层进行提取，可以充分利用地物的各种特征。分割尺度决定了形成对象的异质度，尺度较大，则分割过程中地物的很多细节被忽略，因此产生的对象数量就较少，每个对象的面积较大。反过来，分割尺度较小，则地物细节体现的就较多，对象数量较多，对象的面积就较小。
本文面向对象的分类方法采用的是eCognition7.0平台。
3.遥感影像分类试验
3.1基于像元的分类试验
试验流程如图1所示。
（3）对影像进行分割：在Processtree列表中单击右键，选择AppendNew，弹出EditProcess对话框，修改名称为学校，点击OK。在ProcessTree中选中学校，点击右键选择InsertChild，在对话框中重命名为Segmentation。在ProcessTree中选中Segmentation，点击右键选择InsertChild，在算法4）在ClassHierarchy中点击右键选择InsertClass，并选择颜色。由此创建道路，裸地，阴影，植被，建筑物等类别。在菜单栏的空白处点击右键选择sampleeditor。选取典型样本（classificationsamplesselectsamples），在sampleeditor的工作栏中的activeclass选择当前激活的类，如：建筑物、绿地等，在影像上双击想要选择为样本的对象。样本选择完毕后，选择featurespaceoptimization。在feature空白处选择需要添加的特征，选择相应的level点击calculate，系统将会根据样本自动计算出最优化的分类特征组合。点击advanced，选择applytoclasses。现在我们双击classhierarchy中的任意一类，类描述中出现最邻近分类的特征。在processtree中添加新的process（processtree中点击鼠标右键，选择appendnew），算法选择classification，设置相关的参数。单击execute执行，得到分类结果。
4.总结
通过上述试验，对于基于像元的传统分类方法和基于面向对象的新分类方法进行了比较。基于像元的分类方法，分类精度稍低于面向对象的方法。面向对象的分类技术，首先对遥感影像进行分割，然后进行分类。影像分割是面向对象高分辨率遥感影像分的前提和关键，分割结果的好坏将直接影响分类精度。在分割过程中选择的分割尺度为100进行图像分割，这个尺度相对比较合理，从分类结果来看，基于像元的分类效果确实不如基于面向对象分类合理，总之面向对象分类方法对于高分辨率遥感影像更加合适，能够提高其分类的精度。
参考文献：
[1]翟涌光，王耀强.基于点特征的多源遥感影像高精度自动配准方法[J].遥感技术与应用.2010.6（3）：404-409.
[2]翟涌光，王耀强.基于分辨率融合的多尺度遥感影像分类技术研究[J].测绘与空间地理信息.2010.4（2）：109-113.
[3]翟涌光.多尺度分割技术对遥感影像分类精度影响问题的研究[D].内蒙古农业大学.2010.
生物最基本特征范文篇3
关键词注射模具；估价；塑件
中图分类号TG7文献标识码A文章编号1674-6708（2013）107-0086-02
1注射模具估价模型
1）模具成本构成
模具制造主要涉及工艺和成本两方面因素，工艺就是指塑料制件的几何形状、表面光洁度以及尺寸精度要符合设计要求，能够达到生产制造标准；成本控制也影响着模具制造的经济效益，生产效率和性价比高是企业一直追求的目标。估价模型主要是研究模具制造的成本，所以我们将对成本这一因素进行更为深入的研究。任何产品成本基本就是由制造过程中所耗费的物质资源、人力资源构成，因此我们可以将成本分为显性、隐形两种。所谓显性成本就是指那些能够直接看到或者直接能够计算得出具体数据的部分，是产品生产所投入的直接资金；隐形成本是那些与产品没有直接联系，但却是生产所必须耗费的一部分成本。想要准确的分析产品成本，必须要从整体出发，以系统的眼光去看待成本构成。一件产品从最初的设计、研发，到使用具体材料加工生产，再到最后的物流销售，都需要耗费相应的成本。本文所研究的注射模具价格是以《模具计价办法参考手册》为基准，按照基本工时法以塑件尺寸来给出模架规格以及最终所需要的工时，并结合塑件的复杂程度以及所要求的精确度来进行价格估计。
2）注射模具价格估算模型
上文中提到的工时法是一种按照制造基本工时来计算最终模具价格的方法，这种方法是以模具每一个部分机加工工时为基础，再加上生产所耗费的材料成本而得出的。换句话说，工时法估算原理就是将产品的总销售成本均摊在生产过程中的每一个工时上去，得到每一个工时所对应的成本是多少，最终根据总工时数来计算得出模具的销售成本，它涉及产品生产工时、产品生产所耗费的材料等费用。所以依照这种方法来计算最终的销售成本，只需要去研究影响总工时的因素即可，如模具的外形尺寸、复杂程度、要求精度等等。结合以上分析，我们可以将模具的价格用下式表示：
我们研究注射模具的型腔深度系数K11，主要因为模具最终的总加工工时与模具型腔横截面积大小、型腔深浅等因素有着非常密切的关系。通常情况下按照垂直开模方向上工件的最大轮廓尺寸投影面积来计算型腔的横截面积，最大高度定义为型腔的最大深度。但实际生产过程中，模具并以一定只包含有一个型腔，假设型腔的个数比较多时，我们就以最深型腔的深度以及横截面积来定义整个模具的型腔深度系数K11。此外，不同模具制造过程中所需要的制件结构也不同，在定义不同形状的制件时，我们主要关注的是主分型面状况以及分型面个数等因数，为了便于计算将这些因数全部归结为注射模具结构系数K15。单位工时所耗费的平均含金量A1是指模具的整个生产过程中，我们每一个小时所需要耗费的所有人力、物力成本，他们共同构成了模具单位工时的平均含金量。其他模具总工时参数但从字面上就比较容易理解，这里就不在一一介绍。
2模具CAD/CAE/CAM技术
随着模具制造业的不断发展，用户对于塑料制品的质量以及新产品的需求在逐渐的提高，这对于传统模具生产而言，形成了很大的挑战。CAD/CAE/CAM技术的应用，不仅提高了塑料制品的质量以及生产效率，还带来了越来越多的塑料新产品，这对于模具制造业的发展有着重大的意义。
传统塑料模具生产过程可以用下图来表示：
传统模具设计过程基本是由设计人员依靠自身长期的工作经验来完成的，所以最终设计出来的模具势必要经过多次修改完善才能够最终的用于实际生产中，这也直接影响着要生产的产品质量。在当前这种激烈竞争的市场环境下，传统模具设计方式显然已经难以满足需求。随着计算机技术的不断发展，这种基于计算机系统的CAD/CAE/CAM技术在很大程度上解决了模具生产设计中遇到的多种问题，基本完全摒弃了人工设计模具所带来的各种不利因素。CAD的作用是模具的整体注塑建模，给出模具的总体设计方案，以及各个零部件的具体设计细节，可以理解过模具设计过程的总管；CAE是对模具各个有限元实现所涉及的相关技术进行分析，如结构力学、流体力学等，是模具最终注塑成功的关键；CAM是注塑过程最终的数控仿真以及数控程序生成的保证，这三个技术结合起来，共同完成高质量塑件模型的构造。
1）模具产品质量的提高：CAD/CAE/CAM技术是基于计算机系统发展而成的，这样就有很多原始资料可以使用，从根本上解决了在模具设计阶段可能产生了各种费用。而且计算机设计相较于人工设计而言，在细节处理上更加的精准，减少因误差出现的设计成本浪费。这对于注射模具的成本控制有着非常明显的作用；
2）降低模具制造的生产周期以及生产成本：CAD系统的数据库中包含了很多模具的标准间以及相应的设计计算程序，设计人员可以直接调用这些程序以及调整相应参数进行模具的设计。CAE可以对已经设计好的模具原型进行优化设计，可以减少因为人员经验限制所引起的后期修改工作量。工作效率的提高、模具设计质量的增强都能够大幅度的降低模具制造的生产周期，进而降低生产成本。
3模具估价系统模块
本文模具估计系统是基于Pro/TOOLKIT软件，结合塑件特征识别系统以及注射模具估价系统研发而成。塑件特征识别是模具估价系统的关键，通过其嵌入的交互式和自动式计算方法根据塑件的特征形成一个直观的3D塑件图形，并给出相应的参数以及处理方法。而且这些数据可以直接传输至前台界面，供用户查看模具各个结构所需估算出的成本。系统还将模具估算成本进行了细分，整个生产流程中所涉及到的单位工时不同工作内容具体耗费了多少成本都可以非常直观的呈现出来。这里给出注射模具估计系统模块图（图1）。
4特征技术研究
早在1978年美国麻省理工学院就提出了“特征”这一概念，而在在CAD/CAM/CAPP领域，特征技术得到了非常广泛的认可及应用。所谓特征，实际上就是零件加工领域中信息传递的载体，不同的零件所具备的功能不同，这些功能均要依靠零件的结构以及其精确度来最终保证顺利实现。一个零件不管其结构形状是什么样的，都可以有很多种加工方法，采用哪种加工方法就相应的需要使用哪些仪器设备。对于塑件模具的制造而言，塑件最终的结构图形与模具零件的构造有着非常紧密的关系，而且加工方法与加工设备也很关键，这些因素融合在一起共同造就了塑件的特征。现如今特征技术以其优越的表现，受到了大批研究机构和专家的青睐。有些学家指出所谓特征就是只该物件与别的物件与众不同的地方，它是一种特殊的几何图形，用来区别于别的物体。对于特定的产品类型，特征就是其在开发过程中抽象层次上用于描述产品的信息集。设计人员在产品建模时，通常按照产品特征来表述产品设计意图的，从功能的角度对产品各个零部件构造进行全面描述。
4.1特征的分类
特征是与产品描述相关的信息集，所以特征可分为形状、材料、精度、装配等类型。形状特征是描述零件结合形状的信息，它也是产品信息集中最关键最重要一部分，包含了零件上一组相互关联的几何实体所构成孔、槽、凸起等特定形状特征，以及参数化的标准几何形状信息等。我们可以利用Pro/E以塑件特征模型树来构建塑件的实体模型；精度特征是用来描述塑件几何形状和尺寸的可控误差范围等信息的，它是依靠形状特征中的体素作为载体来描述塑件精度的，可以将其看作是形状特征的一个附属信息；材料特征是用来描述塑件所使用材料类型、性质以及材料热处理等方面洗洗，它对于模具最终的使用范围、物理化学性质有着非常密切的关系。实际中模具零件对于材料性质的要求很高，尤其是模具型腔与型芯镶块所使用的材料，其强度、刚度、韧性、耐磨性、耐腐蚀性等都有着明确标准；装配特征是用来描述塑件零配件装配过程信息的，它提供了装配零件的位置约束关系等信息。
4.2特征提取及识别
明确了特征的分类之后，接下来的工作就是特征识别，这一部分是当前CAD/CAM领域的研究热点，它对于塑件实体模型的最终完成很关键。现在立体模型的构造基本都是使用构造性立体几何（CSG）和边界表示两种方法。CSG法是将立体图形用基本立体构建的布尔组合描述，而边界表示法是将立体图形按照曲面聚合的方式，给出边界和顶点位置，用曲面方式来表示。基于实体模型的特征识别系统是当前使用最为广泛的一种处理方式，通常情况下使用B-rep或者CSG模型来作为特征识别算法的处理对象。这里介绍两种特征识别的实现方法，交互特征识别和自动特征识别。所谓交互特征识别法，就是设计人员对显示出来的零件模型进行操作，实现人机交互工作方式，按照塑件的结构形状特征将这些零部件有序的组织在一起。自动特征识别法是基于交互特征定义法而兴起的一种由计算机代替人工定义特征的方法，特征识别器是该方法应用于实际的关键。现在很多算法都按照自底向上，从局部到整体的顺序来处理整个零件，搜索零件的边界模型，以按照边界匹配的方法来实现零件特征的识别。
参考文献
[1]汪瀚，周雄辉，张永清.注塑产品并行设计过程特征建模.机械科学与技术，2000，19（5）：824-826.
[2]辛勇，王海才，董才胜，等.箱体类塑件注射模三维造型方法.计算机辅助设计与图形学学报，2000，12（7）：517-521.
[3]刘杰.基于特征的注塑模设计系统分模技术的研究：[硕士学位论文].南昌：南昌大学，2004.