针对现有动态手势认证方法普遍采用的动态时间规整(DTW)算法在计算欧氏距离(ED)时各维特征向量被同等对待且各维特征间的相关性被忽视等问题,提出一种改进的马氏距离动态时间规整手势认证方法.通过手机内置三轴加速度传感器实时获取动态手势信号,经数据预处理后由改进动态时间规整算法进行加速度信号相似性度量,在计算过程中根据协方差矩阵特点进行时间复杂度优化,最后根据模板匹配法得出认证结论.实验结果表明,经改进后等错率(EER)由3.02%降至1.39%,经优化后认证响应时间平均降低87.84%.该方法进一步提高了动态手势认证精确度,同时实时性良好.

针对传统的模糊聚类算法大都针对单一目标函数的优化,而无法获得更全面、更准确的聚类结果的问题,提出一种基于改进多目标萤火虫优化算法的模糊聚类方法。首先在多目标萤火虫算法中引入一种动态调整的变异机制以获得更加均匀分布的非劣解,其中以动态减小的概率选择个体并采用类似于差分进化算法中变异算子的策略对其进行变异,通过自适应调整收缩因子以提高变异效率。然后当归档集中的最优解集充满时,从中选取一定量的解与当前种群组合进行下一次进化,使得算法具有更高的效率。最后将其运用到模糊聚类问题中,通过同时优化两个模糊聚类指标的目标函数并从最终的归档集中选取一个解确定聚类结果。采用5组数据进行实验的结果表明,相对于单目标聚类方法,所提方法对各种数据集的聚类有效性指标提高了2到8个百分点,具有更高的聚类准确性和更好的综合性能。

针对图像中的重采样篡改操作导致的离散余弦变换(DCT)系数之间相关性的变化,提出了一种新的图像重采样篡改检测方法。首先,提取Markov特征,利用高阶统计量分析重采样图像中离散余弦变换系数之间的关系;然后,将图像所在的笛卡儿坐标映射到伪极坐标(Pseudo-Polar)轴上提取图像的光滑度作为纹理特征,利用纹理特征检测图像的重采样操作;最后,将提取的两类特征输入到支持向量机(SVM)中训练和分类,从而检测出图像中的重采样篡改操作。实验结果表明:所提方法可以检测出图像中的重采样篡改操作,并具有较好的检测率,且对于一定范围内的加噪处理也具有鲁棒性。