KFUPM ePrints

Combining classifiers using the dempster-shafer theory of evidence

Naseem, Imran (2005) Combining classifiers using the dempster-shafer theory of evidence. Masters thesis, King Fahd University of Petroleum and Minerals.

[img]PDF
1205Kb

Arabic Abstract

يزداد الاهتمام بالبيومتريكس بازدياد اهتمام المنظمات في العالم إلى التزود بوسائل أكثر ضمانا لحماية دخول المستخدمين لشبكاتها. على الرغم من أن نظام التمييز البيومتري قد يكون جيداً بالنسبة لحالة ما، قد لا يكون جيداً بالنسبة إلى حالة أخرى. أحد الحلول لهذه المشكلة هو دمج المصنفات بحيث أنه يمكن دمج المعلومات المختلفة المستخلصة من مصنفات مختلفة، بفعالية عالية، من أجل الحصول على مستوى تمييز عالي مقارنة مع المصنفات لمشاركة. في هذا الشأن، إن نظرية الدليل للعالمين دمبستر وشافر (DST) قد أظهرت نتائج واعدة، على الرغم من أن الـ (DST) لم تبحث من أجل مسائل التمييز البيومتري. في هذه الرسالة، نحن اقترحنا ثلاث خوارزميات جديدة من أجل دمج الأنظمة البيومترية المختلفة باستخدام الـ (DST). خوارزمية (NNFE) (دمج الدليل المعتمد على أقرب مجاور) تستخدم مسافة أقرب مجاور للمصنفات المشاركة كدليل لتقدير المتحول؛ خوارزمية (RRFE) (دمج الدليل المعتمد على معدل التمييز) تستخدم متحول الأداء للمصنفات المشاركة لتقدير الدليل وخوارزمية (VEF) (دمج الدليل المعتمد على التفاوت) تستخدم الإحصاء من الدرجة الثانية للمتحولات لتقدير المعرفة التخيلية في المصنفات المندمجة. قد أجريت تجارب مكثفة على نموذج أحادي (الكلام فقط) ونموذج متعدد (الكلام والوجه) لأنظمة التمييز البيومترية، نتائج المحاكاة الحاسوبية أظهرت أن خوارزميتنا المقترحة تنجز معدل تمييز أفضل بكثير مما تنجزه المصنفات الأحادية.

English Abstract

As organizations strive for means of providing more secure methods for user access, biometrics is gaining increasing attention. However, a biometric recognition system good for one case study may not be accurate for the other one. One solution to the problem is combining classifiers; so that the complementary information departed by different classifiers could be combined, in an efficient way, to achieve a much better recognition rate as compared to the participating experts. In this context the Dempster Shafer theory of evidence (DST) has shown some promising results; however the DST has not yet been explored for the problem of biometric recognition systems. In this thesis we have proposed three novel algorithms to combine different biometric systems using the DST. NNEF (Nearest Neighbor Based Evidence Fusion) algorithm uses the nearest neighbor distance of the participating experts as an evidence estimation parameter; RREF (Recognition Rate Based Evidence Fusion) algorithm uses the performance parameters of the participating experts for evidence estimation and VEF (Variance Based Evidence Fusion) algorithm uses the second order statistics of decision parameters to estimate the belief in the combining experts. Extensive experiments have been conducted on uni-modal (speech only) and multi-modal (speech and face) biometric recognition systems; the simulation results have shown that our proposed algorithms achieve much better recognition rate than the individual classifiers.



Item Type:Thesis (Masters)
Date:January 2005
Date Type:Completion
Subjects:Electrical
Divisions:College Of Engineering Sciences > Electrical Engineering Dept
Creators:Naseem, Imran
Committee Advisor:Deriche, M.
Committee Members:Mohandes, Mohammad and Sheikh, A. U. H.
ID Code:10508
Deposited By:KFUPM ePrints Admin
Deposited On:22 Jun 2008 17:06
Last Modified:30 Apr 2011 15:37

Repository Staff Only: item control page