生物多样性的特征篇1
关键词：笔迹鉴定；唯物辩证规律；笔迹特征
唯物辩证法的三个基本规律是对立统一规律、质量互变规律、否定之否定规律。对立统一规律揭示了事物内部对立双方的统一和斗争是事物普遍联系的根本内容，是事物变化发展的源泉和动力；质量互变规律揭示了一切事物运动、变化、发展的两种基本状态，即量变和质变以及它们之间的内在联系和规律性；否定之否定规律揭示了事物由矛盾引起的发展，即由肯定──否定──否定之否定的螺旋式的前进运动。
笔迹鉴定与一般的理化检验不同，理化检验都具有明确的量化的标准与具体的数量参考系，而在笔迹鉴定中人的主观因素往往会对最终的鉴定结论产生很大的影响。笔迹鉴定是通过分析检材样本中表现出来的书写人的的笔记特征的共同点来确定是否为同一个人所书写，共同点数量越多，质量越高，是同一人书写的可能性就越大。这些笔迹特征的选取与其参考价值的评判，并没有具体的标准，主要是凭借着鉴定人员的实践工作经验进行主观上的判断。这就造成在一些比较复杂的案件中，不同的鉴定人运用同样的科学理论依据和方式方法，有时会得出不同的结论。所以说采取正确的思维方法对于笔迹鉴定来说至关重要。
书写活动是人经过长期学习模仿与练习形成的一套完整的身体活动，每个人由于个体差的异或其他因素而形成的这种活动都是不一样的，都保持着自身的特点，就同一个人来说这种特点是相对稳定的，在没有如伤病，醉酒或其他外界因素影响时是不会轻易改变的。虽然这种特征不会轻易改变，但是我们知道世界上没有两片一样的树叶，即使是同一个人的书写行为也不可能产生两个一模一样的笔迹。人的每次书写都是相对独立的，每一次的书写都是有差异的，就一个人的笔迹而言就包含了相同与差异两方面的特性，这是符合事物的客观规律的。笔迹鉴定所依据的是经过长期书写练习所形成的书写习惯表现出来的特征稳定性，这种特征会在笔记形态中稳定保留并表现出来，同一个人不同次的书写活动形成的笔迹特征之间必然是共同点与差异点共存的情况。运用辩证唯物主义事物的对立统一规律就可以解释同一人的正常笔迹中存在的差异点是符合事物本质的。不能凭借这一点差异点就否定是同一人所书写的客观事实。
笔迹鉴定的鉴定结论是依据文件检验学的科学原理，运用相应的方法，结合鉴定人在实际工作中所积累的丰富经验共同得出的。笔迹鉴定的过程是通过对样本的分析，总结出书写人的笔迹所表现出的特征，再对检材进行分析，总结书写人的笔迹所表现出的特征，最后通过比较和分析，得出检材与样本上的笔迹是否系同一人所书写。寻找检材与样本中笔迹特征的共同点是笔迹鉴定的主要工作内容，特征的共同点数量越多，是同一个人书写的可能性就越大。在此过程中如果某些笔记特征不断的重复出现在某一个人的书写笔迹中，那就可以断定这个人的所有正常书写的笔迹中都会带有这些相同特征。根据这些稳定的相同特征就可以做出是同一个人书写的结论。这完全符合唯物辩证法中量变与质变的关系，量变产生质变，在笔迹中的某些特征偶尔出现一到两次，并不能成为鉴定结论产生的主要依据，但如果这个特征不断重复的出现在笔迹中，这就对判断是否是同一人书写产生了很大的影响，足以左右鉴定结论的产生。这些重复出现的相同特征就产生了质的变化，完成了量变到质变的转换。对于这个笔迹鉴定过程，就可以用唯物辨证主义中的量变到质变规律来解释。
每个事物或事物某一方面都包含着肯定和否定两方面的矛盾。所以，事物或事物某一方面的自身发展，都要经历肯定──否定──否定之否定这样三个阶段，或者说是三个环节两度否定，这是普遍的。当肯定方面居于主导地位时，事物保持现有的性质、特征和倾向，当事物内部的否定方面战胜肯定方面并居于矛盾的主导地位时，事物的性质、特征和趋势就发生变化，事物发展过程中的每一阶段，都是对前一阶段的否定，同时它自身也被后一阶段再否定。经过否定之否定，事物运动就表现为一个周期，旧事物就转化为新事物。笔迹鉴定就是对样本与检材中笔迹特征的共同点与差异点进行分析的过程。在分析特征共同点的时候，共同点就是肯定结论的倾向，差异点则是得到否定结论的可能性更大。首先确定了特征共同点，得到了是同一人书写的结论，但同时特征中又包含了差异点，就将前面是同一人书写的结论否定，在最后的综合分析评判时，对差异点进行了科学的合理的解释，最后得出了是同一人书写的结论。反之，特征的共同点得到了同一人书写的结论，差异点得到了不是同一人书写的结论，最后评判时差异点无法科学合理的解释，形成了本质上的差异，依然了前面是一个人书写的结论。笔迹鉴定中的这个过程用唯物辩证法中否定之否定规律可以得到合理的解释解释。
现实实例中，多数案件通过鉴定人员丰富的经验与适当的方法是可以做出准确的鉴定结论。但还是有不少的案件，不同的鉴定人持有不同的观点，这种现象的产生并不能说明这些鉴定人员采取的方法或者理论依据是错误的，之所以会产生不同的结论，是因为不同的人对笔迹鉴定中那些书写习惯所表现出的特征的选取和特征质量高低的认识产生了不同观点，可能在同一个书写习惯中，有人会认为某个特点非常重要，价值很高，但其他人则认为其质量不高，没有参考的价值，这就会直接造成鉴定结论的不同。人的认识是不断发展变化的，很可能原来某些大家无法统一的观点在之后的发展过程中达成了一致，这就是唯物辩证法中事务发展的规律，正确运用唯物辩证法的规律对这种现象进行合理解释，可以使人在对笔迹鉴定的主观判断上更接近科学与合理。只要充分发挥唯物辩证法在笔迹鉴定中的作用，就可以说明笔迹鉴定的过程是是科学的，方法严谨的，其鉴定结论也是具有说服力的。（作者单位：甘肃政法学院）
参考文献：
[1]沙万中.文件检验学[m].中国人民公安大学出版社
生物多样性的特征篇2
【关键词】肺泡蛋白沉着症；体层摄影术；X线计算机；高分辨率
【中图分类号】R4【文献标识码】A【文章编号】1008-6455（2011）12-0057-02
肺泡蛋白沉着症（pulnonaryalveolarproteinosis,PAP）是一种原因不明起病隐匿，以肺泡腔内大量沉积磷脂蛋白样物质为特征的弥慢性肺部疾病。本人就收集的7例PAP（资料来源于中南大学湘雅二医院）进行总结并复习文献。
1资料与方法
1.1一般资料:收集中南大学湘雅二医院确诊PAP患者7例。男3例，女4例，年龄34～66岁，起病隐匿，多以气促入院。临床症状有咳嗽6例，胸痛1例，发热2例，偶咯血1例。痰培养革兰阳性杆菌阳性1例，副流感嗜血杆菌阳性1例，有肺结核史1例。肺功能检查均有不同程度限制性通气障碍和弥散功能减退。
7例均应用西门子公司Sensation64排螺旋CT扫描，扫描层厚5mm，层距5mm。扫描结束后将原始数据传给ADW4.2工作站，行薄层高分辨1mm横断位肺窗重建。
1.2病理:诊断依据患者支气管肺泡灌洗衣液（BALF）和纤维支气管镜下肺活检（TBLB）获取物在光镜下见大量PAS染色阳性物质，肺泡腔内有块状或颗粒状无结构物质，AB染色呈阴性。
2结果
2.1HRCT表现：①肺密度改变：地图样磨玻璃影及碎石路征6例（小叶间隔显示清楚，图1），肺实变1例（掩盖小叶间隔并见支气管充气征，图2）、类似肺水肿样表现3例、肺间质纤维化1例。②病变分布特征：病灶分布于胸膜下、肺中外带5例（图3）。病变以肺门旁为主即中央型1例（图4）；中央及外周均有2例（图5，中间夹正常肺组织）.③小叶间隔特征：有碎石路样变及地图样变的肺小叶的小叶间隔常无增厚并清晰显示（图1、3、5）。而肺小叶合并合并炎症致小叶间隔增厚（图6）。④其它特征：胸腔积液并胸膜增厚1例（图1）。纵膈及肺门无明显肿大淋巴结。
2.2病理结果：均为肺泡蛋白沉积症。光镜下见大量PAS染色阳性物质，肺泡腔内有块状或颗粒状无结构物质，AB染色呈阴性。增厚小叶间隔见肺泡上皮增生及炎性细胞浸润。3例肺泡有纤维化，其中2例合并慢性炎性细胞浸润。
3讨论
3.1概述:肺泡蛋白沉着症由Rusen等在1958年首次报道。文献报道以30～50岁男性多见，男女比例约2～4∶1〖1〗，本组发病年龄34～66岁，与文献报道相符，但本组男女比例为3∶4，女性发病率高于文献报道，可能与病例收集较少有关。
PAP分为先天性、特发性和继发性〖2〗，也可分为原发性（先天性及特发性）和继发性〖3〗。先天性常多有家族史，可能与遗传有关，多在婴幼儿或儿童期发病，也可成年发病，部分患者可自愈。特发性PAP最为常见，原因目前尚未不清楚，近年来认识到粒细胞巨噬细胞集落剌激因子（GM-CSF）抗体和巨噬细胸功能障碍在特发性PAP发病机制中起重要作用。本组5例临床及病理检查均未找到原因属特发性。继发性PAP与许多基础病有关，常见疾病有〖3〗：1）继发于恶性肿瘤，如血液系统恶性肿瘤、肺癌等；2）肺部感染，如分枝杆菌、巨细胞病毒等；3）吸入某些无机矿物质或化学物质，石英粉、铝粉、白陶土等。本组有2例细菌感染，1例有肺TB史，不除外继发可能。
近年来随着电子显微镜的应用，发现肺泡巨噬细胞增多，吞噬肺泡表面活性物质胞浆肿胀，呈空泡或泡沫样外，其后巨噬细胞崩解，释放性质与亚型肺泡上皮蛋白相同的蛋白样物质，肺泡腔内出现过盛的脂蛋白碎片抑制肺泡内巨噬细胞功能。别外肺泡巨噬细胞集落剌激因子（GM-CSF）基因缺失或机体产生CSF抗体也起了重要做用。动物实验模型显示GM-CSF的缺乏或其受体不足可导致PAP。因此现越来越多的学者认为肺泡蛋白沉着症不是独立的疾病，而是对各种损害的特殊肺泡反应，虽然目前发病机制已有深入了解，但未完全明确。〖4、5〗
3.2PAP病理与影像特征对照:PAP主要病理改变为肺泡及终末呼吸性细支气管腔内充满大量不可溶性无定形PAS（过碘酸雪夫反应）阳性的蛋白样物质及大量脂质，可以完全或不完全充填。因此影像学特点征象为〖5、6〗：1）肺泡内蛋白沉积物未完全取代肺泡内气体，病灶呈磨玻璃影。完全充满肺泡呈变病灶，实变病灶周围也可见磨玻璃影。当然合并肺部感染也可肺实变，与上述实变不易区分。本组1例合并感染者有实变。2）肺泡及终末呼吸性细支气管腔内蛋白样物质不易流动，不象液体能通过肺泡孔流向另一个肺泡，病变多以小叶间隔为界，病灶之间常夹有以肺小叶为界的正常含气肺组织，因此HRCT表现地图样改变和碎石路征，实变时可掩盖小叶间隔。3）病变以胸膜下肺周边分布为主，周边和中央均有分布也可见，与肺外周肺泡及终末呼吸性细支气管腔内蛋白物质不易流动有关。4）有病灶肺小叶的小叶间隔比正常肺小叶的小叶间隔显示更清楚，小叶间隔无增厚，经灌洗治疗病灶消失后，亦未见小叶间隔增厚。小叶间隔显示清楚与蛋白样物质沉积于小叶内与周围正常含气肺小叶有密度对比有关。本组1例小叶间隔增厚，病理证实为合并有炎性细胞浸润。5）一般无胸膜反应及胸腔积液，均无明显淋巴结肿大。6）经肺泡灌洗治疗后病灶均有明显减少，有1例它处出现新的病灶。
3.3PAP影像鉴别诊断:以磨玻璃影及实变为主的PAP主要与肺炎、肺泡性肺水肿等鉴别。1）肺炎临床症状常有发热、咳嗽、咳痰，急性起病等，经抗炎治疗有效。影像特征为实变病灶渗出液能通过肺泡孔流向相邻肺泡，边缘模糊。而PAP影像表现严重，病变范围比较广，但临床症状相对较轻，与影像表现不符。2）肺泡性肺水肿典型影像表现为双侧对称性蝶翼状实变影，可见kerleyA线和B线，且常有心脏症状及体征，治疗后吸收快。与PAP较好鉴别。
而以磨玻璃影并小叶间隔增厚时，需与早期肺间质纤维化等相鉴别。早期肺间质纤维化在HRCT可表现为双肺磨玻璃影，小叶间隔增厚，小叶变形等，该病的重要特征是不同程度炎症反应、不同程度纤维化。而PAP肺小叶结构常无变形，合并炎症时小叶间隔才增厚，纤维化少见，有时鉴别困难，需肺泡灌洗或肺活检。
总之，HRCT可清淅显示肺小叶及小叶间隔等结构，可清楚显示PAP的影像特点。如有上述典型肺部特征而临床症状较轻，尽早行支气管肺泡灌洗及纤维支气管镜下肺活检，是早期诊断和治疗的关键。
参考文献
[1]ShahPL.HansellD.LarsonPR，etal.pulnonaryalveolarproteinosiselinicel.UspectsonpathogenesisThorax，200055:67-22
[2]SeymourJF.PresneillJJpulnonaryalveolarproteinosisinfirst44years.AmJ.RespircritcareMed，2002,16（2）:215-235
[3]褚海青，李惠平，何国钧.肺泡蛋白沉积症的诊断要点及10例临床分析.国外医学呼吸系统分册，2005，25（5）:325-327
[4]苗乐杰.肺泡蛋白沉着症的影像学特点分析.实用医技杂志，2008，15（25）:66-68
生物多样性的特征篇3
关键词：支持向量机；粒子群优化算法；人脸识别；语音；特征层融合
中图分类号：TP391
单一模态的生物特征识别技术容易受到噪声的影响和单一算法自身稳定性的影响，很难保证在取得较高识别率的同时保持高的鲁棒性。多生物特征的识别技术同时采用多种生物特征作为识别依据，使得身份识别系统具有更好的安全性、可靠性和有效性，为解决单一模态生物特征识别的缺陷提供了较好的解决方案[1]。在这种情况下，多生物特征认证已经成为国内外的研究热点。
SVM是统计学理论的一个分支，在解决小样本，高维数及非线性问题中表现出特有的优势。已经被成功的运用模式识别的各个领域，在多生物特征识别中也得到应用[2]。但SVM本质上求解二次规划问题，当训练样本数很多的时候，可能会导致训练速度变慢。粒子群优化算法（PSO）[3]是一种群聚性智能优化算法，由于其出色的表现和很好的收敛性越来越受到人们的关注，许多学者从不同的角度对算法进行了改进。文献[4]和文献[5]从不同角度提出了多粒子群协同进化算法，使粒子更容易跳出局部极小值，提高了收敛精度。然而，粒子群的中心位置是一个非常重要的位置，随着粒子的进化，所有粒子都向该方向收缩，中心粒子更有可能成为全局最优解[6]。为此，在文献[5]的基础上本文提出一种改进的多粒子群协同进化（PSCO）方法，并将其用于训练SVM来实现人脸和语音特征层融合的多生物特征识别系统，取得了较好的识别效果。
1基于PCA的人脸识别方法
主成分分析（PrincipalComponentAnalysis，PCA）[7]，是统计学中数据分析的一种方法，其目的是在最小均方意义下寻找最能代表原始数据的投影方向，来获得逼近原图像空间的最低识别空间。基于PCA的人脸识别算法一般分为三个阶段：第一个阶段利用训练样本图像数据构建特征脸空间；第二个阶段是训练阶段，主要是将训练样本图像投影到特征脸空间上；最后一个阶段是人脸识别阶段，即将待识别的人脸图像投影到特征脸空间，并且和投影后的训练样本图像相比较，得到识别结果[8]。
假设人脸图像I（x，y）是大小为M×N的灰度图像，将其每列相连组成一个大小为维的列向量D=M×N。人脸图像向量的维数就是D，图像空间的维数也是D。在人脸识别问题中，通过将2维人脸灰度矩阵的各行级联起来，可以得到一个1维的长向量[9]。
设p个原始观测指标向量x=（x1，x2，…xp）T，给定的一个样本x=（xi1，xi2，…xip）T，i=1，2，…n，则样本数据的协方差矩阵为：
（1）
其中，μ为这组随机向量的均值矢量，近似
表示为：（2）
计算协方差矩阵Cx的特征值，将前n个特征值从大到小的顺序排序，λ1≥λ2≥…λn，对应的特征矢量为：w1，w2，…，w，则存在正交矩阵A使得ATCxA=Λ。其中，Λ=diag（λ1，λ2，…λn）为对称矩阵。由PCA变换定义得：Y（i）=WTX`（i），重构特征向量X`=WTY（i），则X`为该图像在特征空间中投影得到的新图像向量，有n维大小，且保留了原始图像的绝大部分信息。
2基于fisher鉴别准语音特征提取[10]
对说话人识别来说，受录音环境的影响，采集到的数据集难免有噪音存在，而这些噪音属性会直接影响识别的准确性，从而使得分类器的性能下降。另外一方面，特征矢量在特征空间中有一定的重叠，识别过程中如果所提取的特征包含过多的语义信息，就不能很好地反映原始结构信息，识别结果很差。
Fisher鉴别分析其核心思想是从高维空间中提取最具有分类能力的低维空间，并使得类间离散度最大且保证类内离散度最小。给定一个数据集{xi}，i=1，2……N将其分为c类，类内离散度和类间离散度分别定义为：
（3）
（4）
其中，
上式中，xik表示第i类中的第k个训练样本，li表示第i类的样本数，则有，表示所有训练样本的均值，第i类样本的均值。定义St=SB+SW，St为总体散度矩阵。则Fisher准则函数定义为：
（5）
问题转化为找到一个最佳投影方向ω，使得F（ω）取得最大值。引入lagrange函数：
L（ω，λ）=ωTSBω-λ（ωTSWω-ξ）（6）
其中λ为lagrange乘子，则问题转化为求L（ω，λ）的极值问题，对上式中ω求偏导并令偏导数为零，则SBωi=λiSWωi。设λi为对应矩阵SW-1SB大于零的特征值，则所对应的特征向量ωi（i=1，2，…c-1）即为投影空间。该矩阵最多只有c-1个非零特征值，故ωi（i=1，2，…c-1）构成了c-1维最佳辨识矢量空间W，即W={ω1，ω2…ωc-1}。
3改进的PSCO方法在多生物特征识别中的应用
特征层融合方法大致分为两类，一类是将多组特征向量首尾相连生成一个新的特征向量，利用新向量进行分类；另一类是利用复向量将多组特征向量合并在一起，在复向量空间进行分类[11]。在训练阶段把不同身份的人脸和语音的样本作为输入，人脸图像和语音分别经过特征提取以后分别形成语音特征和人脸图像特征。之后，我们对这两个特征进行组合，形成新的特征。一般来说，这个特征是以向量的形式存在的。
3.1改进多粒子群协同进化（PSCO）方法
针对基本粒子群优化算法容易陷入局部极值、进化后期的收敛速度慢和精度低等缺点。文献[12]提出了简化的PSO算法。简化的PSO优化算法方程可以由下式来表达：
（7）
结合文献[5]和[12]，本文提出了一种新的多粒子群协同进化方法，设有n个粒子，将其划分为m堆，每堆的粒子数可以不一样，分别代表m-1个从粒子群和1个主粒子群。从粒子群按简化的PSO进化，主粒子群不但要借鉴自身经验、从粒子群的全局最优解，还要考虑中心粒子的位置，按（7）进化。设主粒子群有n个粒子，每个粒子都按（8）进化。
（8）
其中Mtbesti，Mg表示主粒子群的局部最优解和全局最优解，Mc表示主粒子群的中心位置，
（9）
pg表示在每一次迭代过程中m-1个从粒子群各粒子群全局最优解中的最优值，且λ按下面取值。
（10）
在该方法中，有从粒子群和主粒子群，从粒子群按简化的PSO优化算法进化，主粒子群按（8）式进化。ci表示学习因子，Mtbesti，Mg分别为局部最优解和全局最优解，Mtc为中心离子的最优解。右边第三项和第四项同时考虑了主粒子群的全局最优位置和粒子中心位置对搜索结果的影响，实现粒子间的信息共享与合作。右边第5项表示m-1个从粒子群的最优解对主粒子群进化的影响。中心粒子靠近全局最优解但不完全等价于全局最优解，且中心粒子最有可能找到最优解，在该方法中充分考虑了二者对算法的影响，每次迭代都找到的是最优解来指导整个粒子群的进化[10]。这样，从粒子群按简化PSO方法进化时可以保证粒子在更大的空间范围进行搜索，从而保证粒子的多样性。而主粒子群始终追逐主自身当前最优位置、中心粒子位置以及从粒子群全局最优解，保证了其收敛性，快速找到最优解，从而可以兼顾算法开采范围和精度。
3.2改进的PSCO方法步骤
Step1：确定群体规模n，（a1，a2…，an），初始化从粒子群数目（M1，M2…Mm-1）和主粒子群Mm，最初权重值ωinit，设定算法总的迭代次数iter总。
Step2：对各个从粒子群按简化的PSO进行寻优，评价每个粒子的适应值；每次迭代完成后比较每个粒子群的全局最优值，选出最优解设为pg保留。
Step3：按（9）求主粒子群的中心位置，并按（10）和（8）式更新主粒子群位置。
Step4：将每个粒子的适应值与其经过最好的位置Mtbesti作比较，如果较好，将其作为最好的位置。否则，更新Mtbesti。
Step5：将更新后的每个粒子的Mtbesti与全局极值Mg比较。如果较好，将其值保留。否则，更新Mg；
Step6：如果达到结束条件，执行步骤8，否则，转向步骤7；
Step7：将迭代次数加1，并返回步骤2；
Step8：输出Mg，算法结束。
3.3改进PSCO方法训练SVM
PSCO算法简单，所需代码和参数少，容易实现。再者，它在一定搜索空间从不同位置同时找出问题的最优解，收敛能力强。将PSCO算法应用于训练SVM，可以很好解决二次规划问题。
由SVM的数学模型可知，需要求解的是支持向量系数a1，（i=1，2，…m），自适应函数为：（11）
根据PSO算法和SVM的要求，粒子的初始位置应满足条件和0≤ai≤C（i=1，2，…n）。PSO在优化前期收敛速度很快，但在优化后期收敛速度变慢，收敛精度低。本文提出一种多粒子群协同优化算法，在算法中把整个粒子群划分为m-1个从粒子群和1个主粒子群，主粒子群不但要根据自身的经验进化，同时要考虑其中心粒子的位置和从粒子群全局最优解中的最优值进化。这样，可以保证搜索的多样性从而增强其全局搜索能力，找出最优的支持向量系数，从而提高SVM的训练速度和性能。用PSCO训练SVM的过程如下：
Step1：按3.2的方法对粒子群进行初始化，设置当前迭代数iter=1；
Step2：对每个粒子，按式（8）计算各粒子的适应度，更新相应的Mtbesti和Mg；按式（9）计算中心粒子位置Mtc，并根据上面的步骤5更新粒子的位置；
Step3：iter=iter+1，如果达到结束条件，则Mg即为SVM的训练结果。否则返回第2步重复上述过程；
Step4：根据更新的各粒子的适应值，计算支持向量系数ai（i=1，…m）；
Step5：计算决策函数：
。
4实验结果与分析
实验中用的数据库是采用实验室30个（15男15女）人脸图像和语音数据库。同一组中每人6张人脸图像，为256×256的彩色正面脸像图，3张作为训练样本，三张作为测试样本。采用WINDOWS自带的录音软件录音，采样频率11025HZ，16bit量化，普通环境下，他们进行录音，每名录音人员用普通话随机朗读刊物进行录音，每个人选择6句话（大约40秒）进行训练，测试语音长度3秒。数据分三次采样，每次间隔半个月左右，每次所录数据一部分用于训练，一部分用于识别，两者不重叠。对得到的语音数据去静音，预加重1-0.97z-1，加窗（Hamming窗，帧长32ms，帧移16ms），每帧提取12维的MFCC倒谱系数（不包括0阶）及其一、二阶差分系数，形成36维的语音特征矢量序列。在实验中，粒子数都取为20，实验独立运行20次，最大迭代次数为400，c1=c2=c2=c4=2，惯性权重ω设置为0.7。在实验中我们选择径向基函数，在RBF中惩罚系数C为100，参数σ=1.3。图1给出了在不同人数情况下，单独采用语音、人脸及融合人脸和语音特征进行识别的识别率。同时对比了直接采用SVM进行分类和采用改进PSCO方法训练SVM进行混合模式识别的结果。
由图1可以看出，将语音和人脸特征融合进行识别时，识别率明显高于单个特征时的识别率。随着说话人数的增加，各种方法识别率都有所下降，但总体来说用改进的PSCO算法训练SVM时识别效果较好，这就说明了采用PSCO算法对支持向量机参数进行寻优，使训练的SVM具有较高的分类正确率。
图1用不同方法在不同说话人数下识别率
5结论
本文就人脸和语音两种生物特征技术，实现了人脸和语音特征层的融合。从PSO陷于局部极值的原因入手，提出了一种训练SVM的PSCO算法，在该算法中将整个种群分为若干从粒子群和一个主粒子群，从粒子群仍然按简化的PSO优化算法进化，而主粒子群借鉴自身经验和中心粒子位置和所有从离子群全局最优解中的最优值进行进化，在保证其搜索多样性的同时提高了其收敛速度和精度，增强其全局优化能力，并将其用来训练SVM实现了语音和人脸特征层的融合。实验结果表明，采用改进PSCO训练SVM对语音和人脸特征进行身份识别时，相对单个特征识别，可以大大提识别率。
参考文献：
[1]OgormanL.Comparingpasswords，tokens，andbiometricsforuserauthentication[J].IEEE，2003，91（11）：2019-2040.
[2]许立，赵犁丰.一种基于支持向量机的多生物特征融合身份识别方法研究[J].电子设计工程.2013，21（6）：86-89.
[3]R.C.Eberchart，J.Kennedy，Anewoptimizerusingparticleswarmtheory，in：Proceedingsofthe6thInternationalSymposiumonMicromachineandHumanScience，Nagoya，Japan，1995，pp.3943.
[4]李爱国，多粒子群协同优化算法[J].复旦学报（自然科学版）.2004，5（43）：923-925.
[5]BenNiu，YunlongZhu，XiaoxianHe，HenryWu，Amulti-swarmcooperativeparticleswarmoptimizer[J]，AppliedMathematicsandComputation185（2007）10501062.
[6]YuLiu，ZhengQin，ZhewenShi，JiangLu.Centerparticleswarmoptimization[J]，Neurocomputing，2007，70：672679.
[7]安军，穆钢，徐炜彬.基于主成分分析法的电力系统同调机群识别[J].电网技术，2009，33（3）：25-28.
[8]黄泉龙.基于PCA的人脸识别研究[D].西安电子科技大学，2012.
[9]曾阳艳.基于支持向量机的人脸识别方法研究[D].湖南大学，2010.
[10]刘嘉，骆瑞玲，李明.基于一种新的特征提取的语音辨识[J]，科学技术与工程，2009，9（2）：460-463.
[11]赵松，张志坚，张培仁.增强的典型相关分析及其在人脸识别特征融合中的应用[J].计算机辅助设计与图形学学报，2009，21（3）：394-399.
[12]胡旺，李志蜀.一种更简化而高效的粒子群优化算法[J].软件学报，2007，18（4）：860-868.
作者简介：骆瑞玲（1980-），女，讲师，硕士研究生，主要研究方向：生物身份识别，模式识别。
生物多样性的特征篇4
【关键词】曲菌病；支气管扩张；体层摄影术，x线计算机
肺曲菌病属于非侵袭性曲菌病，常继发于肺结核、肺癌空洞或支气管扩张的囊腔内。寄生于空洞性病变的曲菌球的报道较多，而支气管扩张合并曲菌病的报道较少。本文收集12例支气管扩张合并曲菌病，就其ct表现结合病理分析，旨在提高对该病的诊断水平。
1资料与方法
1.1一般资料收集1998年6月～2005年6月收治支气管扩张合并曲菌病12例，男8例，女4例，年龄27～63岁。除1例经体检发现无明显症状外，余均有临床表现，如发热（3例）、咯血（6例）、咳嗽/咳痰（10例）等，其中有结核病史患者9例。
1.2检查方法胸部ct常规平扫，部分病例加做高分辨率ct（hrct）病灶薄层扫描，hrct采用philipsmx8000螺旋ct，层厚2mm，螺距0.625。全部病例均经病理证实，其中手术11例，纤维支气管镜1例。
2结果
2.1ct诊断结果ct诊断符合率91.7%（11/12），误诊1例，误诊率8.3%。
2.2ct表现
2.2.1赘生物扩张支气管腔内均见赘生物（图1），呈球形或椭圆形，大小1.5～5cm，密度均匀（5/12）或不均匀（7/12），偶见钙化（1/12），10例赘生物边缘光整，2例边缘毛糙。
2.2.2新月征和裂隙征赘生物与空腔之间残存的含气透亮带，形似新月，称之为新月征（图2）；赘生物内部不规则的裂隙样透光区称为裂隙征，在hrct，裂隙征表现更具特征性（图3）。本组91.7%（11/12）见上述征象。本组病例中有1例结核病史患者，仅做ct常规扫描，表现为球形病灶，边缘点样钙化，周围卫星灶，未见典型新月征而误诊为结核球。
2.2.3空腔及空腔周围扩张的支气管边界清晰，壁厚＜3mm，外缘光滑，未见棘突、毛刺及分叶，与空洞性病变明显不同。9例结核病史患者病灶周围见斑点状、纤维条索样卫星灶。
3讨论
3.1ct检查技术常规ct扫描观察到典型新月征、气环征及球形病灶随而改变时诊断不难。缺乏上述典型征象时则需与肺内球形病灶鉴别，此时应加做hrct，大幅降低容积效应的影响，可能发现赘生物内部密度不均并见裂隙样透光区，特别是在腐生型肺曲菌病塞满扩张的支气管腔的病例中。该征象具有一定的特征性，病理常表现为豆腐渣样堆积病灶（图4）。
3.2关于ct表现ct对单纯性支气管扩张症的诊断具有极高准确性，结核性支气管扩张国内较常见，常由于反复感染而表现为蜂窝状，管壁增厚。当支气管扩张合并曲菌病时ct表现复杂，需要与空洞性病变鉴别。扩张的支气管腔内寄生曲菌病时，即使直径达5cm，管壁外缘仍然光滑、连续，未见结节、棘突及分叶。结合hrct，管壁内缘有时也光滑可见，甚至偶见气环征。空洞则为实性病灶内部坏死物质经引流支气管排出所致，表现多样［1］。空洞的壁与扩张的支气管管壁准确鉴别是正确诊断的前提。肺曲菌病的病原菌常为熏烟色曲菌，多寄生在人的上呼吸道，某些慢性病患者及长期应用抗生素和激素类药物致免疫功能低下者多发本病。曲菌常寄生于肺部慢性坏死病灶的空洞或空腔内，菌丝体在其内繁殖生长，与纤维蛋白和黏膜细胞形成曲菌球。肺曲菌病影像学表现的文献报道较多，对于新月征有多种提法，如空气新月征、海蚌含珠征等［2～4］，是指寄生在慢性空腔或空洞的赘生物与空腔或空洞之间形成的含气透亮影。赘生物常因重力影响位于空腔或空洞的底部，新月征常弯口向下，特别是随而改变的曲菌球更是如此［5］，该征象具有特征性。支气管扩张合并曲菌病时，多见支气管黏液栓塞征，当扩张的管腔直径＞1.5cm时，部分赘生物并非均匀密度的整体，其内部见不规则的裂隙样透光区。ct发现扩张的支气管腔内赘生物内部裂隙样透光区，具有重要诊断价值。本文样本收集有限，有待进一步研究。
【参考文献】
1吴恩惠.医学影像诊断学.北京：人民卫生出版社，2004,121-122.
2卜庆丰，张杰.肺曲菌病的ct诊断.中国医学影像学杂志，2003，11（6）：474-475.
3严代全，刘秀华，刘志刚，等.肺曲菌球的ct及胸片表现.实用放射学杂志，2004，20（3）：227-229.
生物多样性的特征篇5
【关键词】身份鉴别；生物特征识别；标准化
网络信息化时代的一大特征就是个人身份的数字化和隐性化。如何准确鉴定一个人的身份，保护信息安全是当今信息化时代必须解决的一个关键性社会问题。目前，我国的各种管理大部分使用证件、磁卡、IC卡和密码，这些手段无法避免伪造或遗失，密码也很容易被窃取或遗忘。这些都给管理者和使用者带来很大不方便。生物特征身份鉴别方法可以避免这些麻烦。因此，这一技术已成为身份鉴别领域的研究热点。
所谓生物特征识别技术就是，通过计算机与各种传感器和生物统计学原理等高科技手段密切结合，利用人体固有的生理特性和行为特征，来进行个人身份的鉴定。生理特征与生俱来，多为先天性的；行为特征则是习惯使然，多为后天性的。将生理和行为特征统称为生物特征。
并非所有的生物特征都可用于个人的身份鉴别。身份鉴别可利用的生物特征必须满足以下几个条件：第一，普遍性：即必须每个人都具备这种特征。第二，唯一性：即任何两个人的特征是不一样的。第三，可测量性：即特征可测量。第四，稳定性：即特征在一段时间内不改变。当然，在应用过程中，还要考虑其他的实际因素，比如：识别精度、识别速度、对人体无伤害、被识别者的接受性等等。现在常用的生物特征有：人脸识别、虹膜识别、手形识别、指纹识别、掌纹识别、签名识别、声音识别等。下面将分别介绍各种生物特征识别技术：
一、生物识别技术介绍
常用的生理特征有脸像、指纹、虹膜等；常用的行为特征有步态、签名等。声纹兼具生理和行为的特点，介于两者之间。
（一）基于生理特征的识别技术
1.指纹识别。指纹识别技术是通过取像设备读取指纹图像，然后用计算机识别软件分析指纹的全局特征和指纹的局部特征，特征点如嵴、谷、终点、分叉点和分歧点等，从指纹中抽取特征值，可以非常可靠地通过指纹来确认一个人的身份。
指纹识别的优点表现在：研究历史较长，技术相对成熟；指纹图像提取设备小巧；同类产品中，指纹识别的成本较低。其缺点表现在：指纹识别是物理接触式的，具有侵犯性；指纹易磨损，手指太干或太湿都不易提取图像。
2.虹膜识别。虹膜识别技术是利用虹膜终身不变性和差异性的特点来识别身份的，虹膜是一种在眼睛中瞳孔内的织物状的各色环状物，每个虹膜都包含一个独一无二的基于水晶体、细丝、斑点、凹点、皱纹和条纹等特征的结构。虹膜在眼睛的内部，用外科手术很难改变其结构；由于瞳孔随光线的强弱变化，想用伪造的虹膜代替活的虹膜是不可能的。目前世界上还没有发现虹膜特征重复的案例，就是同一个人的左右眼虹膜也有很大区别。除了白内障等原因外，即使是接受了角膜移植手术，虹膜也不会改变。虹膜识别技术与相应的算法结合后，可以到达十分优异的准确度，即使全人类的虹膜信息都录入到一个数据中，出现认假和拒假的可能性也相当小。
和常用的指纹识别相比，虹膜识别技术操作更简便，检验的精确度也更高。统计表明，到目前为止，虹膜识别的错误率是各种生物特征识别中最低的，并且具有很强的实用性，386以上计算机CCD摄像机即可满足对硬件的需求。
3.视网膜识别。人体的血管纹路也是具有独特性的，人的视网膜上面血管的图样可以利用光学方法透过人眼晶体来测定。用于生物识别的血管分布在神经视网膜周围，即视网膜四层细胞的最远处。如果视网膜不被损伤，从三岁起就会终身不变。同虹膜识别技术一样，视网膜扫描可能具有最可靠、最值得信赖的生物识别技术，但它运用起来的难度较大。视网膜识别技术要求激光照射眼球的背面以获得视网膜特征的唯一性。
视网膜技术的优点:视网膜是一种极其固定的生物特征，因为它是“隐藏”的，故而不易磨损，老化或是为疾病影响；非接触性的；视网膜是不可见的，故而不会被伪造。缺点是:视网膜技术未经过任何测试，可能会给使用者带来健康的损坏，这需要进一步的研究；对于消费者，视网膜技术没有吸引力；很难进一步降低它的成本。
4.面部识别。面部识别技术通过对面部特征和它们之间的关系（眼睛，鼻子和嘴的位置以及它们之间的相对位置）来进行识别，用于扑捉面部图像的两项技术为标准视频和热成像技术：标准视频技术通过视频摄像头摄取面部的图像，热成像技术通过分析由面部的毛细血管的血液产生的热线来产生面部图像，与视频摄像头不同，热成像技术并不需要在较好的光源，即使在黑暗情况下也可以使用。
面部识别技术优点是：非接触性的。缺点是：要比较高级的摄像头才可有效高速地扑捉面部图像；使用者面部的位置与周围的光环境都可能影响系统的精确性，而且面部识别也是最容易被欺骗的；另外，对于因人体面部的如头发，饰物，变老以及其他的变化可能需要通过人工智能技术来得到补偿；对于采集图像的设备会比其他技术昂贵得多。这些因素限制了面部识别技术广泛地运用。
5.掌纹识别。掌纹与指纹一样也具有稳定性和唯一性，利用掌纹的线特征、点特征、纹理特征、几何特征等完全可以确定一个人的身份，因此掌纹识别是基于生物特征身份认证技术的重要内容。目前采用的掌纹图象主要分脱机掌纹和在线掌纹两大类。脱机掌纹图象，是指在手掌上涂上油墨，然后在一张白纸上按印，然后通过扫描仪进行扫描而得到数字化的图象。在线掌纹则是用专用的掌纹采样设备直接获取，图象质量相对比较稳定。随着网络、通信技术的发展，在线身份认证将变得更加重要。
掌纹识别一般用作整体分离后的同一认定。有将其用做批量商品的防伪，以防止成箱的商品内有部分被“调包”，以部分赝品充真。也有将其用于通道口安全防范系统。
6.手形识别。手形指的是手的外部轮廓所构成的几何图形．手形识别技术中，可利用的手形几何信息包括手指不同部位的宽度、手掌宽度和厚度、手指的长度等。经过生物学家大量实验证明，人的手形在一段时期具有稳定性，且两个不同人手形是不同的，即手形作为人的生物特征具有唯一性，手形作为生物特征也具有稳定性，且手形也比较容易采集，故可以利用手形对人的身份进行识别和认证．
手形识别是速度最快的一种生物特征识别技术，它对设备的要求较低，图像处理简单，且可接受程度较高。由于手形特征不像指纹和掌纹特征那样具有高度的唯一性，因此，手形特征只用于认证，满足中/低级的安全要求。
7.红外温谱图。人的身体各个部位都在向外散发热量，而这种散发热量的模式就是一种每人都不同的生物特征。通过红外设备可以获得反映身体各个部位的发热强度的图像，这种图像称为温谱图。拍摄温谱图的方法和拍摄普通照片的方法类似，因此，可以用人体的各个部位来进行鉴别，比如可对面部或手背静脉结构进行鉴别来区分不同的身份。
温谱图的数据采集方式决定了利用温谱图的方法可以用于隐蔽的身份鉴定。除了用来进行身份鉴别外，温谱图的另一个应用是吸毒检测，因为人体服用某种后，其温谱图会显示特定的结构。
温谱图的方法具有可接受性，因为数据的获取是非接触式的，具有非侵犯性。但是，人体的温谱值受外界环境影响很大，对于每个人来说不是完全固定的。目前，已经有温谱图身份鉴别的产品，但是由于红外测温设备的昂贵价格，使得该技术不能得到广泛的应用。
8.人耳识别。人耳识别技术是20世纪90年代末开始兴起的一种生物特征识别技术。人耳具有独特的生理特征和观测角度的优势，使人耳识别技术具有相当的理论研究价值和实际应用前景。从生理解剖学上，人的外耳分耳廓和外耳道。人耳识别的对象实际上是外耳在外的耳廓，也就是人们习惯上所说的“耳朵”。一套完整的人耳自动识别系统一般包括以下几个过程：人耳图像采集、图像的预处理、人耳图像的边缘检测与分割、特征提取、人耳图像的识别。目前的人耳识别技术是在特定的人耳图像库上实现的，一般通过摄像机或数码相机采集一定数量的人耳图像，建立人耳图像库，动态的人耳图像检测与获取尚未实现。
与其它生物特征识别技术比较人耳识别具有以下几个特点：（1）与人脸识别方法比较，耳识别方法不受面部表情、化妆品和胡须变化的影响，同时保留了面部识别图象采集方便的优点，与人脸相比，整个人耳的颜色更加一致、图像尺寸更小，数据处理量也更小。（2）与指纹识别方法比较，耳图象的获取是非接触的，其信息获取方式容易被人接受。（3）与虹膜识别方法比较，耳图像采集更为方便。并且，虹膜采集装置的成本要高于耳采集装置。
9.味纹识别。人的身体是一种味源，人类的气味，虽然会受到饮食、情绪、环境、时间等因素的影响和干扰，其成分和含量会发生一定的变化，但作为由基因决定的那一部分气味——味纹却始终存在，而且终生不变，可以作为识别任何一个人的标记。
由于气味的性质相当稳定，如果将其密封在试管里制成气味档案，足足可以保存3年，即使是在露天空气中也能保存18小时。科学家告诉我们，人的味纹从手掌中可以轻易获得。首先将手掌握过的物品，用一块经过特殊处理的棉布包裹住，放进一个密封的容器，然后通入氮气，让气流慢慢地把气味分子转移到棉布上，这块棉布就成了保持人类味纹的档案。可以利用训练有素的警犬或电子鼻来识别不同的气味。
10.基因（DNA）识别。DNA（脱氧核糖核酸）存在于一切有核的动（植）物中，生物的全部遗传信息都贮存在DNA分子里。DNA识别是利用不同的人体的细胞中具有不同的DNA分子结构。人体内的DNA在整个人类范围内具有唯一性和永久性。因此，除了对双胞胎个体的鉴别可能失去它应有的功能外，这种方法具有绝对的权威性和准确性。不象指纹必须从手指上提取，DNA模式在身体的每一个细胞和组织都一样。这种方法的准确性优于其他任何生物特征识别方法，它广泛应用于识别罪犯。它的主要问题是使用者的伦理问题和实际的可接受性，DNA模式识别必须在实验室中进行，不能达到实时以及抗干扰，耗时长是另一个问题。这就限制了DNA识别技术的使用;另外，某些特殊疾病可能改变人体DNA的结构，系统无法对这类人群进行识别。
（二）基于行为特征的生物识别技术
1.步态识别。步态是指人们行走时的方式，这是一种复杂的行为特征。步态识别主要提取的特征是人体每个关节的运动。尽管步态不是每个人都不相同的，但是它也提供了充足的信息来识别人的身份。步态识别的输入是一段行走的视频图像序列，因此其数据采集与脸相识别类似，具有非侵犯性和可接受性。但是，由于序列图像的数据量较大，因此步态识别的计算复杂性比较高，处理起来也比较困难。尽管生物力学中对于步态进行了大量的研究工作，基于步态的身份鉴别的研究工作却是刚刚开始。到目前为止，还没有商业化的基于步态的身份鉴别系统。
2.击键识别。这是基于人击键时的特性如:击键的持续时间、击不同键之间的时间、出错的频率以及力度大小等而达到进行身份识别的目的。上世纪80年代初期，美国国家科学基金和国家标准局研究证实，击键方式是一种可以被识别的动态特征。
3.签名识别。签名作为身份认证的手段已经用了几百年了，而且我们都很熟悉在银行的格式表单中签名作为我们身份的标志。将签名数字化是这样一个过程：测量图像本身以及整个签名的动作——在每个字母以及字母之间的不同的速度、顺序和压力。签名识别易被大众接受，是一种公认的身份识别的技术。但事实表明人们的签名在不同的时期和不同的精神状态下是不一样的。这就降低了签名识别系统的可靠性。
（三）兼具生理特征和行为特征的声纹识别
声音识别本质上是一个模式识别问题。识别时需要说话人讲一句或几句试验短句，对它们进行某些测量，然后计算量度矢量与存储的参考矢量之间的一个(或多个)距离函数。语音信号获取方便，并且可以通过电话进行鉴别。语音识别系统对人们在感冒时变得嘶哑的声音比较敏感；另外，同一个人的磁带录音也能欺骗语音识别系统。
（四）不同生物特征识别技术的比较
各种生物特征识别技术各有其优缺点，在下表中，将各种生物特征识别技术的性能进行了一个简单的比较。
二、生物特征识别技术的标准化工作
随着IT的发展，人们获取生物特征的方法也越来越多，而且可获取的生物特征种类也在不断增加。但不管生物特征识别的手段如何、获取何种生物特征，对于某一个具体的人，其相应的生物特征是确定的，因此通过多种手段获取的生物特征之间应该存在信息的共享和交换。为达到信息交互，采用统一的准则评价生物特征识别和特征信息，需要制定生物特征识别标准。
目前，生物特征识别的国际标准化工作主要由ISO/IECJTC1负责，而近期对此项工作的关注主要源于9．11恐怖袭击事件。美国为首的发达国家为防止和打击恐怖活动，提出了基于生物特征识别的国防土安全，并提出在SC17和SC27的基础上建立，在JTC1下面组建生物特征识别标准化分技术委员会，即SC37。SC37自2002年6月成立以来，一直保持着快速的标准制定速度。从当前SC37的标准制定情况可以看出在生物特征识别领域，当前最急需的是用于信息共享和信息交换的数据格式标准，其他接口、测试、轮廓类标准现在的重点还处于概念性标准研制阶段。
三、生物特征识别技术的发展趋势
（一）多生物特征识别融合
各种生物特征识别技术都有其一定的适用范围和要求，单一的生物特征识别系统在实际应用中显现出各自的局限性，如有些人的指纹无法提取特征，患白内障的人虹膜会发生变化等等，统计显示迄今为止，还没有一个单生物特征能达到完美无错的要求。因此，生物特征识别领域出现了一种新方向，即多种生物特征识别技术结合使用。将数据融合方法用于身份鉴别，结合多种生理和行为特征进行身份鉴别具有低错误拒绝率、特征变化的适应性强，安全可靠性高等优点，进一步精化了识别率，提高鉴别系统的可靠性。
（二）实时性要求
生物特征识别系统要求大量的计算，这其中包括图像的预处理、特征提取与识别分类等。具有实时的快速计算能力是达到系统特定性能要求的关键。实现的方法基本上有两条途径：一是在软件上改进即采用高效快速算法；二是在硬件上实现。
（三）生物特征识别技术与传统技术相结合
传统的用来识别身份的IC卡和生物特征识别技术的结合使用，具有广泛的应用前景。智能IC卡利用其自身的存储、计算功能，将人的生物识别特征存储在卡内，可以现场进行脱机认证，既提高了效率，又节省了联网在线查询的成本，有效地避免了“认卡不认人”的现象，以防由于卡的丢失及密码泄露而带来的损失。
四、结语
“执生命密匙，启身份之锁”。全球生物特征识别技术市场迅速增长，生物识别领域的应用也日渐普及，已逐渐渗透到社会生活的各个方面，发展前景一片大好。
【参考文献】
[1]张敏贵，潘泉，等．多生物特征识别[J]．信息与控制，2002，31（6）.
[2]于瑞华，洪卫军．生物特征识别技术及其应用[J]．智能建筑与城市信息，2004，（8）.
[3]夏鸿斌，须文波，刘渊．生物特征识别技术研究进展[J]．计算机工程与应用，2003，（20）.
[4]侯鸿川．面部温谱图身份识别技术探讨[J]．中国人民公安大学学报（自然科学版），2005，（3）.
[5]杨俊，景疆．浅谈生物认证技术——指纹识别[J]．计算机时代，2004，（3）.
生物多样性的特征篇6
1、概述生物识别技术，又称为生物特征识别技术，是通过计算机与生物传感器、生物统计学等高科技手段紧密结合，利用人体固有的生理特征和行为特征识别身份的技术。该技术被称为数字时代的安全卫士。在实际应用中，生物特征识别通过特定的设备进行特征取样测量，转化成数字代码；对代码取样后形成特征模板；用特征模板与实际个体取样进行比对；根据比对结果是否匹配来决定接受或拒绝该用户。常用于识别的生物特征有指纹、人脸、掌纹、血管纹路、DNA等；行为特征有签名、语音、步态等。
2、生物识别技术的特点与应用优势生物特征是与生俱来的，与传统身份识别方式相比，生物识别技术具有以下优势：
（1）能够进行身份识别。传统身份认证识别采用用户名+口令验证的方式来验证用户身份。生物特征同样可以完成身份识别的功能。
（2）生物特征具有唯一性，防伪性好，难以被伪造或盗用。传统身份识别技术中的用户名和密码会因为信息泄露而带来身份认证漏洞。生物特征则是个人特有的，极难被仿造或盗用。
（3）携带方便，不会遗忘或丢失。传统身份识别技术采用口令验证或实物验证，两者都有遗忘和丢失的风险。而生物特征是人类的体貌和行为特征，携带方便，也不存在丢失和遗忘的风险。
（4）用户使用体验好，不容易被损坏。传统身份识别技术依赖数据库记录用户名和密码，常因为字符输入错误而被拒识；IC卡一类的实物验证技术则有因损坏而被拒识的风险。生物特征大大降低了此类风险。即使是容易受到手指表层皮肤破损而影响验证的指纹识别也可以通过存储多个手指的指纹来达到顺利验证身份的目的。此外因为生物识别技术使用友好度高，用户体验好。
3、常用生物识别技术的特性分析在众多的生物特征中,最常使用的用户接受度较高的是指纹识别、人脸识别和签名识别。指纹识别是应用最早、应用面最广的生物特征识别技术。早在几千年前人们就已经发现了指纹的特点，开始使用指纹进行身份的识别。指纹识别主要是利用指纹记录仪和计算机等电子设备，通过人类手指表层皮肤上交替出现的脊和谷进行指纹图像的读取、提取指纹特征、制成特征模板，再通过模式匹配，最终实现身份的自动识别。每一个人都有自己独特的而且终身不会变化的指纹。指纹识别技术可靠性高，识别简便，是一项成熟的生物特征识别技术。在应用面上也体现出无与伦比的优势，目前国内外指纹识别应用已经覆盖了公安刑侦领域、公共安全领域等。由于指纹识别技术是将输入的指纹和数据库中预存的指纹模板进行比对从而验证身份，因此要求指纹信息数据库的容量足够大，并且要不断更新。人脸识别技术是近年来迅速发展的生物识别技术一种生物识别技术。人脸识别技术涉及了计算机视觉、人工智能、感知学习和模式识别技术等科学领域。人脸识别是通过摄像机读取人类脸部特征信息，分析现实人脸的空间图像映射到机器空间的过程，分析人类脸部共有特征和个体人脸特征之间的关系，形成人脸图像模板，最终实现人脸自动识别。人脸识别技术具有方便、直接、友好等特点，在使用者接受度方面表现极好。但是人脸图像信息的数据量巨大，为了提高人脸识别的运算速度，必须对原始图像数据进行压缩，这就有可能降低识别率，造成一定的误识率和拒识率。签名识别是通过分析使用者签署自己名字的方式来进行身份鉴别。签名识别与指纹识别、人脸识别不同，它属于人类行为识别技术。签名识别分成在线验证和离线验证两种形式。离线验证是使用纸张上的字迹通过扫描仪等电子设备转化成数字图像再与数据库中模板信息比对；在线验证则通过手写板或压敏笔等传感器设备记录签名过程中的各项动态特征数值（写字速度、力度、角度、加速度等）。签名的动态特征是难以模仿的，因此签名的在线验证方式比离线验证方式要更加可靠。此外签名识别与人们平时的签字行为极为相似，因此具有很高的用户接受度。
二、生物识别技术在电子商务中的应用
伴随电子商务的发展，解决电子商务中的安全问题和寻找更加可靠方便的身份认证方式成为进一步发展电子商务的新需求。另一方面，随着全球信息化的发展，生物识别技术在技术发展和市场培育上都日趋完善，人们对生物识别技术的认知度和认可度也不断提高。全球生物识别技术产业化发展程度在不断扩大。2002年11月，中国科学院计算机技术研究所承担的“面像检测与识别核心技术”项目获得突破性成果，该系统能够在1/10~1/20秒之内自动检测到人脸，并且在1秒内完成身份识别。2003年阿拉伯联合酋长国宣布启用基于虹膜认证技术的针对被驱逐外国人的国界控制系统。2006年北京农村商业银行在国内试点使用指纹识别认证，用户可以通过指纹识别认证进入银行系统，自助完成各项操作。2007年中国建设银行和中国邮政储蓄银行分别在全国营业网点内推广应用柜员指纹身份认证系统。2008年北京奥运会，奥运村使用了基于人脸识别的酒店门禁管理系统。2010年波兰BPSSA银行宣布引入采用生物识别技术的自动取款机。国际民航组织确定从2010年起，其所有的成员国和地区必须使用基于人脸识别的机读护照，此项规定已经成为国际标准。此外日本三菱银行开发了基于手指静脉的认证系统用于金库管理。欧美国家将生物认证技术广泛用于医院病人资料库管理、政府信息中心出入境管理、小学生信息管理等多个领域。由此可以期待，在不远的将来，基于生物特征识别技术的更加平民化的电子商务应用走入我们的生活，带来更加安全更加便利的使用体验。
三、生物识别技术对电子商务的影响趋势
现代社会生活各方面都需要可靠方便的身份认证识别技术，尤其是在电子商务领域内，目前电子商务的运营过程中不乏因为过程监控不够周密而出现的货物丢失、冒领，并由此引发纠纷事件。未来，基于生物识别技术的身份认证识别能够覆盖电子商务的全领域，彻底解决电子商务运营过程中的身份认证问题。
1、在电子商务领域内的全领域覆盖电子商务在运行过程中涉及了买卖双方的身份认证、订单信息认证、支付安全认证、物流运输安全认证等多项认证。其流程之繁琐，认证技术运用频率之高是其他行业所无法比拟的。可靠便利的生物特征识别认证技术能够确保电子商务系统的正常运转。未来，电子商务的买卖双方可以通过生物特征认证技术证明自己的身份；通过生物特征认证和数字签名的双因子认证确定订单的真实有效，并完成相应的支付；物流公司的物流派送人员通过指纹验证确认接收到需要派发的货物；最终收货人通过提供带有生物特征信息的签收信息表明身份，确保货物安全送达。由此，生物特征技术确保了电子商务安全领域内的安全性、可用性、可控性、保密性和不可否认性，保障电子商务系统正常有序运行。
2、多项生物特征融合应用从目前的应用看来生物识别技术虽然前景良好，但仍存在有漏洞。例如，利用塑胶可塑性的特点采集指纹应对指纹验证系统；利用3D打印技术欺骗静态人脸识别验证系统。多项生物特征的融合使用就是生物特征识别技术的多因子验证。这种对多项生物特征的采集、融合、联合验证的新型理论和技术就是生物特征识别的未来发展趋势。该项技术能够对所采集的生物特征信息进行多方面、多级别的处理，得到更加完备的数据特征信息，从而完成精准度更高的身份认证，为安全可靠的身份认证技术的实施奠定了基础。
四、结论
【生物多样性的特征(6篇) 】相关文章：
转正工作总结范文(整理10篇) 2024-05-21
数学教研组教学总结范文(整理10篇) 2024-05-20
幼儿园大班的工作总结范文(整理4篇 2024-05-15
班主任家访工作总结范文(整理4篇) 2024-05-15
慢病工作总结范文(整理7篇) 2024-04-28
学习委员工作总结范文(整理10篇) 2024-04-23
语文教师工作总结范文(整理6篇) 2024-04-17
生态环境的建议(6篇) 2024-06-02
生物多样性的特征(6篇) 2024-06-02
生物多样性的认识(6篇) 2024-06-02