Earticle

현재 위치 Home

Palmprint Recognition Systems based-on Backpropagation Neural Network and Euclidean Distance using Principal Components Analysis (PCA) Feature Extraction

첫 페이지 보기
  • 발행기관
    보안공학연구지원센터(IJSEIA) 바로가기
  • 간행물
    International Journal of Software Engineering and Its Applications SCOPUS 바로가기
  • 통권
    Vol.10 No.11 (2016.11)바로가기
  • 페이지
    pp.131-142
  • 저자
    R. Rizal Isnanto, Ajub Ajulian Zahra, Adrian Khoirul Haq, Fachrul Rozy
  • 언어
    영어(ENG)
  • URL
    https://www.earticle.net/Article/A292526

※ 원문제공기관과의 협약기간이 종료되어 열람이 제한될 수 있습니다.

원문정보

초록

영어
Palmprint recognition system has been one promising biometric system used in Presence System. There are some methods to recognize the individual palmprint as well as to extract its feature. In this research, two recognition methods are compared, i.e., backpropagation neural network and similarity measure using Euclidean distance. While, for feature extraction, we implemented Principal Components Analysis (PCA) method. From the research, it can be concluded that from test results, the best recognition using backpropogation neural networks is 93.33% which is reached when parameters used are: 100 principal components, 1 hidden layer, and 75 neurons. While, implementation of similarity measure using Euclidean distance, the best recognition rate is 96.67% which is reached when 75 principal components are used. When considering the time consumed in recognition, the Euclidean distance gives the better result, i.e. 17.09 seconds, while using backpropagation neural network with 75 neurons, time consumed is 425 seconds. Therefore, from this research, recognition implementation combining both PCA and Euclidean distance are more suggested rather than using combination of PCA and backpropagation neural network.

목차

Abstract
 1. Introduction
 2. Fundamental Theory
  2.1. Principal Component Analysis (PCA
  2.2. Similarity Measure using Normalized Euclidean Distance
  2.3. Recognition using Backpropagation Neural Network
 3. System Design
  3.1. Preprocessing Stage
  3.2. Training Process
 4. Results and Discussion
  4.1. Recognition Test using Euclidean Distance
  4.1. Recognition Test using Backpropagation Network
 5. Conclusions
 References

키워드

Palmprint recognition backpropagation neural network Euclidean distance Principal Component Analysis PCA feature extraction

저자

  • R. Rizal Isnanto [ Computer Engineering Department, Diponegoro University, Semarang ]
  • Ajub Ajulian Zahra [ Electrical Engineering Department, Diponegoro University, Semarang ]
  • Adrian Khoirul Haq [ Electrical Engineering Department, Diponegoro University, Semarang ]
  • Fachrul Rozy [ Electrical Engineering Department, Diponegoro University, Semarang ]

참고문헌

자료제공 : 네이버학술정보

간행물 정보

발행기관

  • 발행기관명
    보안공학연구지원센터(IJSEIA) [Science & Engineering Research Support Center, Republic of Korea(IJSEIA)]
  • 설립연도
    2006
  • 분야
    공학>컴퓨터학
  • 소개
    1. 보안공학에 대한 각종 조사 및 연구 2. 보안공학에 대한 응용기술 연구 및 발표 3. 보안공학에 관한 각종 학술 발표회 및 전시회 개최 4. 보안공학 기술의 상호 협조 및 정보교환 5. 보안공학에 관한 표준화 사업 및 규격의 제정 6. 보안공학에 관한 산학연 협동의 증진 7. 국제적 학술 교류 및 기술 협력 8. 보안공학에 관한 논문지 발간 9. 기타 본 회 목적 달성에 필요한 사업

간행물

  • 간행물명
    International Journal of Software Engineering and Its Applications
  • 간기
    월간
  • pISSN
    1738-9984
  • 수록기간
    2008~2016
  • 등재여부
    SCOPUS
  • 십진분류
    KDC 505 DDC 605

이 권호 내 다른 논문 / International Journal of Software Engineering and Its Applications Vol.10 No.11

    피인용수 : 0건 (자료제공 : 네이버학술정보)

    함께 이용한 논문 이 논문을 다운로드한 분들이 이용한 다른 논문입니다.

      출처 : 네이버학술정보

        0개의 논문이 장바구니에 담겼습니다.

        페이지 저장
        소속기관 조회
        이용자님의 소속기관(단체)이 서비스에 가입되어 있는지 확인해 보십시오.
        기관회원에 소속되어 있는 이용자는 원문을 무료로 이용할 수 있습니다.