دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش: [1 ed.] نویسندگان: David Zhang, Yong Xu, Wangmeng Zuo (auth.) سری: ISBN (شابک) : 9789811020551, 9789811020568 ناشر: Springer Singapore سال نشر: 2016 تعداد صفحات: XIII, 266 [267] زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 7 Mb
در صورت تبدیل فایل کتاب Discriminative Learning in Biometrics به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب یادگیری تبعیض آمیز در بیومتریک نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
این تک نگاری آخرین پیشرفت ها را در روش های یادگیری متمایز
برای تشخیص بیومتریک توصیف می کند. به طور خاص، این روش بر سه
دستهی معرف روشها تمرکز میکند: طبقهبندی مبتنی بر نمایش
پراکنده، یادگیری متریک، و نمایش ویژگیهای متمایز، همراه با
کاربردهای آنها در احراز هویت اثر کف دست، تشخیص چهره و چند
بیومتریک. ایده ها، الگوریتم ها، ارزیابی تجربی و دلایل اساسی
نیز برای درک بهتر این روش ها ارائه شده است. در نهایت، چندین
جهت تحقیقاتی امیدوارکننده را در زمینه تشخیص بیومتریک متمایز
مورد بحث قرار میدهد.
This monograph describes the latest advances in
discriminative learning methods for biometric recognition.
Specifically, it focuses on three representative categories
of methods: sparse representation-based classification,
metric learning, and discriminative feature representation,
together with their applications in palmprint authentication,
face recognition and multi-biometrics. The ideas, algorithms,
experimental evaluation and underlying rationales are also
provided for a better understanding of these methods. Lastly,
it discusses several promising research directions in the
field of discriminative biometric recognition.