全文总字数：3611字

1. 研究目的与意义及国内外研究现状

机器学习在当今科学界是一个十分热门的话题，对于机器学习的研究和探索也是层出不穷。而其中svm支持向量机和logistic regression逻辑回归是其中最为常见和最多使用的两种图像分类算法。指纹识别作为图像分类的一个分支，也常常使用这两种算法进行活性检测。虽然svm基于距离分类、logistic回归基于概率分类，但是程序员使用两种算法时所追求的目标和结果都是一致的，就是尽可能地提高识别率，减少出错次数，以满足用户需要。

本课题的研究目的在于对两种算法进行对比并进行一些优化和细节处理，实现一套指纹识别系统。

指纹活性检测是当今人工智能从业者的热门课题之一。由于移动设备的高速发展，指纹由于防伪性高且人人都有的特性，被广泛用于权限检测。因为有不法分子通过伪造假指纹来牟取暴利，所以对于指纹活性的检测也就至关重要。而数据集的规模或所追求的性能指标不同，一种指纹活性算法显然不能满足所有需求。选择合适的指纹活性检测算法便成了重中之重。本课题就是通过不同规模数据集下对svm和逻辑回归两种分类算法的各性能指标例如拒识率(false rejection rate)、误识率(false acceptance rate)以及运行速度和运行所需空间对比，得出各自的适合范围和优缺点，并总结和加以改进，以提供更为经济、高效的算法选择方案。

2. 研究的基本内容

• 基于SVM的指纹活性检测算法和基于logistic回归的指纹活性检测算法的对比。SVM和logistic回归都是线性分类器，本质上都是求一个最佳分类超平面。通过对两种算法的运行速度、运行结果、拒识率、误识率等一系列性能指标进行对比来获得各自适合的情况，帮助研究者确定所需的算法。
• 从真假指纹图像库中运用神经网络特征提取算法提取特征，运用支持向量机、逻辑回归等模式分类模型对提取的特征分别进行训练，对比获得实验结果。
• 在实验基础上对两种算法进行优劣结合并进行改进，致力于寻找对两种算法的优点综合的优化方法，实现一套指纹识别系统

3. 实施方案、进度安排及预期效果

实行方案如下：

1. 基于SVM分类的指纹分类算法；（1月-2月）
2. 基于logistic回归的指纹分类算法；（2月-3月）
3. 对两种算法进行对比并进行一些优化和细节处理，实现一套指纹识别系统；（4月-5月）

其中对两种算法进行对比是本项目完成的关键。

4. 参考文献

[1] hsu, chih-wei,and chih-jen lin. 'a comparison of methods for multiclass supportvector machines.' ieee transactions on neural networks 13.2(2002): 415-425.

[2] joachims,thorsten. 'text categorization with support vector machines: learning withmany relevant features.' european conference on machine learning.springer, berlin, heidelberg, 1998.

[3] rowley, henry a.,shumeet baluja, and takeo kanade. 'neural network-based facedetection.' ieee transactions on pattern analysis and machineintelligence 20.1 (1998): 23-38.