生物基本特征范文

生物基本特征范文第1篇

关键词： 生物基本课型特征 新授课 习题课 复习课 实验课

一、新授课

新授课是最基本的课型，只有解决和处理好这一课型，才能顺利地展开其他课型。新授课有如下特征。

（一）新颖性。学生对新鲜的事物有极大的兴趣，所以在新授课上较容易调动起他们的积极性。我们可以创设问题情境，把问题作为教学出发点，设置悬念，激发学生的学习兴趣和求知欲，形成认知冲突，让学生明确学习目标，让学生感觉到在已知和未知之间存在一定的距离，从而在“似曾相识，似懂非懂”中进入学习状态。

（二）感知性。要使学生准确理解新知识，教师就必须将新知识的产生过程，以及和旧知识点的联系等呈现给学生，让学生听、看、思考，对新知识有深刻的和理解性的记忆。教师要为发现新知识创造最佳心理环境，启发学生独立思考而不是直接告诉结论。如学习揭开光合作用之谜内容时，分析范・海尔蒙特的实验时，教师提问：范・海尔蒙特忽视了哪个因素对小柳树生长的影响？从而引出空气。接着分析普利斯特莱的实验，教师提出问题：后来多个科学家重复了他的实验都没有成功，为什么？学生通过观察图片和小组讨论得出是光。接下来就顺利引出扬英根豪斯的实验。教师引导：被叶片吸收的光能转化到哪里去了呢？进而过渡到萨克斯的实验，引导学生分析实验原理和过程，得出光能一部分转化为淀粉等有机物里的能量。这时教师要对上述实验进行总结，引导学生发现植物在光合作用过程中吸收了水和二氧化碳，放出了氧气，那么氧气中的氧来自谁呢？让学生阅读教材进入鲁宾和卡门的实验，教师在此要给学生介绍放射性同位素标记技术。然后教师可以让学生尝试写出光合作用的总反应式，并提醒标明反映的场所和条件。在整个过程中主要是学生个人的自身活动，议、析、解、结――这个环节是授新课的中心和高潮阶段。

（三）发展性。教师让学生在感知、理解的基础上，通过练习巩固新知，通过巩固克服遗忘，对所学知识做到举一反三，凡是这一类的都能总结归纳出来，运用自如。

二、习题课

第一，该课型应体现学生的学习活动是在进行“解决问题中学习”。教师要引导学生学会审题，把题目的文字叙述准确地转化为图表、换成生物符号的表达形式，进而分析题目的已知条件（尤其要注意隐含的已知条件），寻找问题的实质。

第二，习题课的教学过程应着力展现解题思维的全过程，充分发掘生物教材中没有具体表述的能力、智力因素，注意对解题策略、思维方法、解题技巧等进行分类、归纳、评价。同时还要注意的是习题课不要一味讲成批评课，既要讲失误所在，又要讲成功之由；尤其对有独特见解的学生要大力表扬，使所有学生在不同方面尝到成功的快乐。

三、复习课

复习课是最难上的一种课，因为学生对复习课的学习热情下降，没有了学习新课程的新鲜感。因此，如何激发学生的学习热情，成为上复习课的老师感到棘手的并必须深入思考的问题。我认为复习课有如下特征：

（一）整合知识，形成网络体系。复习课应该重点引导学生把所学的知识点按不同的层次，整理成知识网络，形成网中有点，点中有网，让知识系统化，清晰化。教师应把一节或一章线、面上的部分或全部知识加以串联、提炼、比较和分类，让使学生充满混乱的知识能“站起来”、“排好队”，理清它们的关系。教师讲只要引出内容的主线和设计教学思路即可，这条线可时常让其断开，把连接的任务交给学生，但要把学生的思路打开，一方面让学生找出自己在知识的连接上已掌握的地方和以前的遗漏点，另一方面通过学生的回答可让教师及时了解他们在哪方面存在问题，如何采取策略。

（二）突出复习课的重难点。复习课应有鲜明的针对性，对知识环节中的重点内容和学生学习过程中的典型错误、盲点有的放矢，有重点地复习，而不能面面俱到，忽略了学生的易错点。另外在复习重难点内容时，教师要善于设置情境，将问题具体化、生动化，调动学生的学习兴趣。教师在教学中要多用：启发式讲解、自学式阅读和钻研、小组讨论，适当的时候改变复习形式让学生对实验材料进行更改，对结论进行探究等复习形式。

例如：在复习DNA的粗提取、提纯和鉴定时，我是这样设计的：先设置以下问题：（1）如果把鸡血换成猪血，就会出现什么样的结果呢？（2）如果把鸡血换成辣椒或蒜黄还能加蒸馏水让细胞破裂释放出DNA吗？如果不可以，那么怎么办？写出实验方法、实验现象和结论。然后让学生根据老师提供的各种仪器，分组实验，这样就会让全体学生积极主动地参与到知识形成的过程，使他们从亲身体验中巩固知识，提高能力。这样上复习课，改变了以往学生被动接受式的学习方式，使学生真正成为学习的主人，提高了复习效率。

（三）培养和提高运用知识解决实际问题的学习能力，突出复习方法指导，揭示知识规律。

四、实验课

我认为对生物实验改革，应当放在整个生物甚至理科课程与教学改革的大背景下，有目的、有计划地加以思考。下面我总结了生物实验及其教学改革的一些新特征。

生物基本特征范文第2篇

关键词：生物化学；说课；DNA复制；基本特征

中图分类号：G642 文献标识码：B 文章编号：1002-7661（2014）18-002-01

说课是教师将自身现有的知识储备经过再加工，设计出一套易于接受、理解的方案，通过课堂教学传授给学生，达到传递知识的初衷。设计方案主要为了让学生能充分利用短暂且有限的课堂教学，理清知识，整合体系。之于教，这是提升的途径；之于学，这是反刍的过程。

生物化学与分子生物是一门基础性学科，主要研究生命物质的结构及功能、物质代谢及其调控和遗传物质的传递（分子生物学）三部分。对于医学院校学生，修学生物化学与分子生物学这门课程，有助于整体性、概括性的理解生命体，进一步探讨疾病、亚健康和健康间异同点，指导临床实践中的诊断、治疗。

一、说教材

1、教学内容及作用

《DNA复制的基本特征》是“十二五”普通高等教育本科部级规划教材《生物化学与分子生物学》（人民卫生出版社）第十四章第一节的内容。本节是遗传信息的传递部分，关于复制特征的总领性概括，是学习分子生物学的开始。就知识体系而言，承接构成生命的物质、机体代谢及其调控两部分学习之后，围绕中心法则展开对生命的探索。

接触任何知识，搭建整体框架尤为重要。DNA复制作为遗传信息传递的基础，其特征是分子生物学部分的总概。首先了解一般性、基础性规律，有助于知识从共性到个性的迁移；有助于理论从浅显到深入的探讨，有助于教学从灌输式到启发式的转变。

2、教学目标

学习的目标：根据遗传信息的传递（分子生物学）学习特点，围绕中心法则逐步展开。掌握DNA复制的三大基本特征，同时着重强调遗传的保真性。

教学的目标：通过基本特征的讲授，启发学生发散思维，整合知识体系。将DNA复制的基本特征与之后学习的RNA的生物合成、蛋白质的生物合成进行联系；与之前学习的核酸相关知识进行整合。教会学生自主学习的方法，培养学生自主学习的能力。梳理知识、体系间巧妙的相关性，建立一套适宜的思维体系。

3、教学重难点

课程的教学对象是中医院校二年级学生，已经对生物体内的化学组成，健康与疾病问题有了相关了解。鉴于本部分内容从微观分子水平阐述遗传物质的传递，掺杂较多新名词、新概念且需要一定的空间思维想象，学生理解上存在一定难度。通过对教学内容的全面分析，结合教学大纲要求，以复制叉为主线，串联讲解重难点。

二、说教法

根据教学要求及具体讲授专业情况，将本章节（第十四章第一节《DNA复制的基本特征》）安排为1课时（40min）。教学内容设计为：新课导入（5min），主要内容教学（30min），归纳总结（5min）。整体采用“总―分―总”的模式推进。

首先引导学生对已学知识回顾、总结，将《生物化学》大致分述为三部分，前两部分已完成学习，而后接触到遗传物质传递（分子生物学）部分相对较为微观、抽象，联系中学阶段已接触到的重要概念――“中心法则”进行讲解。其次通过“中心法则”叙述的DNA、RNA、Protein引出三条主线，而本次课程讲授DNA的生物合成。最后利用“复制叉”串联第一节DNA复制基本特征。

三、说学法

课堂上主要采用课件加板书形式呈现教学内容。利用学科特点（从实验归纳出结论）从经典实验入手，学习DNA复制的三个基本特征。同时，利用“复制叉形象的记忆，达到课后复述、应用目的。

四、说教学过程

1、引入（5min）

回顾中学阶段“中心法则”内容，构建基本学习框架，即DNA、RNA及蛋白质相关内容。本课时以DNA复制的基本特征为主。通过引导学生对相关经典实验回顾、分析，梳理DNA复制基本过程，导出“复制叉”概念。

2、讲授新课（30min）

围绕“复制叉”，以课件加板书的形式呈现其图例。依次结合常用实验技术（同位素标记、示踪，密度梯度离心，放射自显影等），从经典实验中得出相关结论。教学过程以启发式为主，给予学生充分的时间思考，理性推导，自我总结。从原核体系入手，由简到繁，将相关结论推及真核体系。全过程充分调动学生积极性，避免“填鸭式”，增加讲授趣味性。

3、归纳总结（5min）

DNA复制的基本特征是复制过程的综合提炼，利用“复制叉”这一重要概念将全过程串联，便于学生记忆的同时，也能拓展涵盖相关知识，如冈崎片段、前导链、后随链等。

参考文献：

[1] 查锡良.药立波.生物化学与分子生物学学[M]. 北京：人民卫生出版社，2013

[2] 唐炳华. 生物化学[M]. 北京：中国中医药出版社，2012

[3] 林 凡.高冬.王一峥.等.生物化学“糖代谢”说课设计方案[J].卫生职业教育，2013，13：54-55

生物基本特征范文第3篇

（一）具有共同的物质基础和结构基础。

物质基础：蛋白质和核酸

结构基础：除病毒外具细胞结构

（二）都有新陈代谢。

生物体与外界环境之间要发生物质和能量交换。

（三）都有应激性。

（四）都有生长、发育和生殖

（五）都有遗传和变异的特性.

（六）都能适应和影响一定的环境（如：地衣）。

生物是指具有动能的生命体，也是一个物体的集合。而个体生物指的是生物体，与非生物相对。

生物基本特征范文第4篇

生物医学的快速发展，产生了大量的生物医学数据。这些生物医学数据有的是以结构化的形式存在于数据库中，例如基因序列、基因微阵列实验数据和分子三维结构数据等；有的生物医学数据以非结构

化的形式被记载在各种生物医学文献中。从生物医学文献中发掘出隐含的生物医学知识，是生物医学信息抽取的重要意义所在。生物医学命名实体识别是生物医学信息抽取的一项重要基本任务之一，它

主要是从医学文献中发现基因、蛋白质、DNA、RNA等生物实体。生物医学命名实体识别的研究具有一定的艰巨性，主要是因为生物文献中实体命名不规范、相同的词或者短语表示不同类别命名实体等，

给研究带来了一定的困难。

目前，生物医学实体识别的方法主要有基于字典、基于规则和基于机器学习的方法。生物医学命名实体识别研究初期，最常使用的是基于字典的方法。如Krauthammer等[1]利用DNA和蛋白质序列比较工具

BLAST识别生物医学命名实体。上述方法的优点是简单实用，但由于新的生物医学命名实体不断出现，所以基于字典的方法对于自由文本的生物医学命名实体识别效果不佳。Olsson等[2]提出了基于规则

的方法识别生物医学命名实体，F值达到了67%。与基于词典的方法比较，基于规则方法的识别性能有所增强，但它需花费大量人工劳动、且可移植性差。基于机器学习的方法可以判别生物医学命名实体

数据库中未包含的实体，方法较为灵活。该方法对训练数据规模、质量以及特征选取等方面的因素具有很强依赖性，所以，此方法对于生物医学命名实体识别性能提高的研究具有很强挑战性。本文将采

取有效的机器学习算法，结合多种策略，以期提高生物医学命名实体识别的识别性能。

1算法

目前主要应用在生物医学命名实体的机器学习方法有多种。文献[3～6]中分别提出基于隐马尔可夫模型、决策树、支持向量机、最大熵等方法，这些方法把词性、词形等特征融入到机器学习模型中，利

用训练得到的学习模型从生物医学文本集合中识别出指定类型的名称。虽然取得了一定成果，却也具有一定的不足，如识别性能不高、多种条件约束、识别策略单一化等。条件随机域机器学习算法在自

然语言处理领域中有着非常显著的优势，目前已成功应用到词性标注、语块识别和新闻领域的命名实体识别中，且表现出了非常好的效果。该模型的特性表明它非常适用于生物医学领域的命名实体识别

研究。鉴于此，本文采用条件随机域算法对生物医学命名实体识别进行研究。条件随机域（ConditionalRandomFields，CRFs）是Lafferty等人于2001年提出来的[7]。它是计算具有无向图G结构的随机变

量集合在给定随机变量集合o下的条件概率P（s|o）。将CRFs应用于生物医学命名实体识别中，则o表示一个句子的单词序列，s表示相应的状态序列，标注的过程就是根据已知的单词序列推断出最有可能

的状态序列，即P（s|o）的最大值。本文实验使用了一阶线性CRF，如下式：（公式略）。条件随机域模型允许在观察序列上的任意依赖关系，并且特征不需要一定是一个完整的状态或观察值，可以用较

少的训练数据训练出模型，所以说，CRFs拥有了一般的最大熵模型的所有优点。

2实验

2.1特征选择

生物医学命名实体识别中常用的特征有以下几种，一是局部特征，包括文本符号本身的特征和文本符号局部的上下文特征及其周围的词或符号的特征；二是全文特征，即文本符号在整个篇章中的上下文

特征；三是外部资源特征，比如说使用一些外部资源词典等。本文研究中，使用了如下特征：（1）单词本身：把单词本身作为一个识别特征。（2）词形特征：由于生物医学命名实体一般含有数字、大

写字母和特殊符号等，将这些简单的表面特征定义为词形特征。本实验将大写字母都用‘A’替换，数字用‘0’替换，非英语字符用‘-’替换，小写字母用‘a’替换。（3）标准化拼写特征：某些同一

类的生物医学命名实体，它们拼写方式很类似，如：IL-2andIL-4。用简单的方法标准化所有类似的词。如Kappa-B规范化为‘Aaaaa_A’，再将连续的相同的字符缩短为一个字符，即为‘Aa_A’。这样做

能够将拼写相似的生物医学命名实体提取的特征保持一致。（4）词性特征：生物医学命名实体的大写字母特征对其识别性能贡献不大，并且生物医学命名实体多是描述性的名称而且名称很长，所以，词

性特征对识别生物医学命名实体边界很有帮助。本系统使用了GENIAtagger2.0.2[8]词性标注器，GENIAtagger使用了WallStreetJournal语料和PennBioIE语料训练，因此GENIAtagger在生物医学领域文本

中词性标注具有较高性能。（5）语块特征：系统使用GENIAtagger2.0.2进行语块标注作为特征。（6）关键词特征：利用统计方法在训练集中统计出高频的生物医学命名实体关键词，将这些词是否出现

作为特征。（7）别名特征：将已识别出的生物医学命名实体存放在一个列表中，当系统遇到一个候选词时，生物医学命名实体识别算法就被激活，动态决定该候选词是否是前面已经识别出来的生物医学

命名实体列表中词的别名。别名特征属于全文特征。（8）特征联合：将相邻位置的特征进行联合，得出新的特征，有助于识别长距离词。本实验选择窗口的大小为（-1，+1）。（9）字典特征：使用了

一些字典资源作为特征加入特征向量空间，有CommonWord词典、Species词典、Tissue词典和EndingsofChemicals词典[9]等。

2.2缩写词识别

现在最常用的生物医学文献库是MEDLINE(MEDLARSONLINE)，它是由美国国家医学图书馆于1966年开始建立的，收录的文献总量超过1500万条。据了解，MEDLINE上42.8%以上的摘要有缩写词，平均5～10篇

摘要有一个新出现的缩写词，并且缩写词出现的增长率逐渐升高。很多缩写词具有高度歧义性，它的形成没有任何规律，所以，提高缩写词的识别率对生物医学命名实体的识别研究至关重要。通常，缩

写形式经常和它的扩展形式一起出现，并通过括号连接，通常有两种形式：（1）longform（shortform），（2）shortform（longform）。实际当中大部分是第1种形式，当括号中的词超过两个时，就认#p#分页标题#e#

为是第2种形式。在含有括号的句子中，采用文献[10]中的缩写词识别算法，先识别候选词中的全称词，即上述中的longform，要求全称词必须和缩写词在同一个句子当中。若判断括号中是缩写词，从句

子中去掉括号及里面的缩写词，在分类器识别之后，将在原来的位置恢复括号及里面的缩写词。如果扩展形式识别为生物医学命名实体，则将缩写词和它的扩展形式分为一类。

2.3其它识别策略

为进一步提高系统识别性能，本文在识别阶段还采取如下策略：（1）利用括号对该方法通过检测两个相互匹配的圆括号，方括号和双引号是否被识别为同一个生物医学命名实体来进行处理，如果是将它

们视为同一个实体，如果不是，不做处理。（2）对and/or连接的生物医学命名实体进行处理。如果由and/or连接的两个生物医学命名实体修饰的是同一个名词，则把它们合并成一个实体。（3）利用启

发式语法结构。在生物医学文献中，有些语法结构对生物医学命名实体的存在及其类别具有提示作用，能起到很大的启发作用。如twodiscretecomplexesNFX1.1andNFX1.2，可以推断“NFX1.1”和

“NFX1.2”属于protein类别，因为它们都是“complexes”，而“complexes”是protein类别的高频后缀词。（4）过滤掉一些不相关词。过滤掉一些不相关词，看似物理单位的形式，如：kg、min、ml

等；看似人名的形式，例如：Milleretal.等。

2.4结果及讨论

本文实验使用的语料是JNLPBA2004[11]，其中训练语料为2000篇，测试语料为404篇。实验结果由精确率（P）、召回率（R）和F测度（F）评价，且使用全部匹配模式进行评价。JNLPBA测评要求识别出

protein、DNA、RNA、celltype和cellline五类生物医学命名实体。本文设置了这样实验，首先利用选取的特征，训练实验数据得到CRFs模型，得到了66.09%的F测度，加入缩写词处理办法，系统识别性

能有了些提高，F测度达到68.61%，再加入其它识别策略，系统识别性能又有了提高，F测度达到70.52%。如表1所示，第1行baseline是初始的CRFs模型识别性能；第2行是加入缩写词得到的识别性能，F

测度比baseline提高了2%多，第3行进一步利用本文的其他识别策略，F测度提高了近2%。中列出了本文实验系统和JNLPBA专题会议相关系统比较的结果，该方法取得了较好的效果。从实验可以看出，利

用本文选取的特征，达到66.09%的F测度，说明选取的这些特征对生物医学命名实体识别研究是有效的特征。利用缩写词、括号对等识别策略提高了识别性能，主要是因为这些识别策略可以帮助识别CRFs

模型未识别的生物医学命名实体，还可以帮助CRFs模型调整类型标注错误，将错误识别出来的候选词过滤掉，使得本文实验取得了很好的效果。

3结束语

生物基本特征范文第5篇

在语言学领域，隐喻是一种隐掉了比喻词的比喻，由本体和喻体构成。在认知领域，隐喻由修辞意义转化成了认知意义：隐喻中的本体和喻体分别对应不同的事物，通过熟悉的事物对陌生的事物进行解读，产生新认知并激发新奇感和认同感。隐喻是由本体和喻体的相似性来实现的，或者说相似性是隐喻运用的认知基础。在符号学领域，代表事物的符号分为形式和意义。产品作为一种符号通过其形式和意义影响人的行为和情感。这里把相似性分为形式相似和意义相似，因此事物间的相似关系就可以转化为形式相似或意义相似。图1a为丰子恺的作品《瞻瞻底车（二）脚踏车》，蒲扇的圆形和脚踏车的轮毂圆形具备形式相似性，产生了生动的隐喻关系和艺术关系。图1b为丰子恺的漫画《大树被砍伐》，大树被砍伐后的新树枝的蓬勃生长状态，与当时敌后如火如荼的抗日发展形势就具有意义相似性。这里意义是文化沟通后的意象特征，是意象性联想后达到的心理认同，意义是抽象的存在，因此，基于符号的相似性建立隐喻关系，生成设计创意，可以形成一种设计思维方式，见图2。图2中，隐喻包含的喻体和本体可以通过符号的形式相似性和意义相似性建立关联，形成事物之间的隐喻关系，构成新概念和新认知，产生新产品创意。生成新产品创意意味着2个过程：一是产品背后的“文化”沟通，二是产品意象的生成。前者是认知的前提，后者是认知的结果。新产品创意是基于文化理解的产品意象的相似，是产品文化特征的心理诉求和审美。

2基于隐喻和符号的产品创意操作流程

通过艺术的感性进行相似发掘，是对原本看来无关的事物进行关联的创造性过程。基于隐喻和符号的产品创意操作流程，见图3。任何产品都具有自身的属性特征，构成一个属性特征集。隐喻的本体实际上是源于产品属性特征的，基于产品属性特征的本体依据符号学理论可分为形式和意义。隐喻的喻体是通过形式描写和意义描写获得的，这里描写是一个创造性的解读过程，通过描写可以把不同领域的事物进行相似关联，使喻体具备创新特征。从基于形式描写获得的喻体中抽取出形式与基于本体的形式进行形式相似性匹配，得到形式特征；从基于意义描写的喻体中抽取出意义与基于本体的意义进行意义相似性匹配，得到意义特征。然后，通过验证的形式特征和意义特征组合就构成了新产品创意设计方案。基于隐喻和符号的创意流程可分为4个具体操作阶段：第一阶段：对产品属性特征进行形式描写和意义描写。基于确定的产品定位和设计目标，运用特征描写来描述产品的属性特征，重点进行形式描写和意义描写。描写是一个创造的过程，是整个创意的发动者。第二阶段：定义隐喻本体和隐喻喻体。依据产品属性确定本体，将本体分解成形式和意义；从依据形式描写确定的喻体中抽取形式；从依据意义描写确定的喻体中抽取意义。第三阶段：相似性匹配。将抽取出形式与基于本体的形式进行形式相似性匹配，得到形式特征；将抽取出意义与基于本体的意义进行意义相似性匹配，得到意义特征。第四阶段：验证。由于相似匹配是一种艺术感知，具备模糊性，因此需要对形式特征和意义特征进行产品属性特征验证，符合要求则组合形成新产品创意方案，不符合要求则重新选取喻体匹配，直到通过验证。

3基于应用的新产品创意案例验证

创意设计方法应用案例《晾or亮》见图4，是基于隐喻的形式相似和意义相似的新产品创意的典型过程。在第1阶段，对产品属性特征进行形式描写和意义描写。根据照明灯具的产品属性特征，确定灯具的清洁是一个重要的产品属性，“清洁干净”成为获取的形式描写；光明是灯具的象征意义，“光明”成为获取的意义描写。在第2阶段，定义隐喻本体和喻体。以灯具的基本结构和功能作为隐喻本体，其形式为灯具的基本结构：包括灯座（吊顶安装）、光源、灯罩，其意义为照明。定义隐喻喻体：基于形式描写确定衣物清洗后晾晒作为喻体，抽取出晾晒的状态作为形式；基于意义描写确定晾晒为喻体，抽取“晾”作为意义。在第3阶段，相似性匹配。将晾晒的状态与本体进行形式相似性匹配，灯座得到晒衣架的形式特征，灯罩得到可拆卸的飘逸形式特征；将“晾”与照明进行意义相似性匹配得到“亮”的意义特征。在第4阶段，验证。对形式特征和意义特征进行验证：衣物的晾晒状态符合产品本体的结构；“晾”与“亮”谐音暗合，符合产品本体的照明意义，验证通过，将其组合形成新产品的创意方案。基于形式相似的要素对应关系见图5，基于意义相似的要素对应关系见图6。案例设计表明，基于隐喻和符号的设计流程中，存在3个激活创新的点：第一是在产品属性特征的描写阶段，对产品进行深入地挖掘和描写，不同的描写激活不同的创新；第二是在喻体选择阶段，基于相似性选取适合且新鲜的特征激活主观能动性创新；第三是喻体与本体的相似性匹配，形式特征的塑造是喻体形式与本体形式的创新融合，意义特征的认同建立在文化理解和沟通的创新上。

4结语

生物基本特征范文第6篇

随着信息技术的发展，电子商务中金融信息化程度越来越高，信息安全的重要性也同步提升。在互联网中信息安全技术最重要的应用是电子支付，而基于计算机视觉的生物特征识别技术深刻地改变着人们的支付方式和支付习惯。作为一种新兴的、有前景的在线电子商务技术，基于生物特征识别的支付得到越来越广泛的关注和应用。考虑到生物特征识别技术对经济发展的重要作用，其安全性和可靠性必须得到严格和稳定的保障。在安全领域，身份识别一直是研究的热点。由于人体的生物特征具有采集简便、个体差异显著的特性，在进行个人身份识别时具有较好的安全性和可靠性，因此在电子商务中可以利用人体生物特征进行在线支付及消费行为的确认。在互联网中，各支付主体之间的认证是电子商务的一个核心问题[1]，而终端认证是电子支付首先要面对的问题。考虑到电子支付的特殊性，需要支付终端具有尽可能简便的认证，并降低对支付设备的依赖性。本文提出一种交互式多生物特征识别方法，从第三方支付平台的角度研究其在电子商务中的应用。主要利用客户和支付终端的交互完成用户身份验证、消费确认以及支付签名。该方法借鉴了现有的生物识别技术如人脸识别[2~4]、鼻子识别[5~7]、耳朵识别[8~10]、指关节纹识别[11，12]、指纹识别[13，14]等，并对这些方法进行改进和整合，实现了多重安全的支付，而交互式支付从第三方平台的角度同时为消费者和商家提供支付保障。

2基于多生物特征识别的身份认证

目前研究的生物特征主要包括人脸、指纹、掌纹、虹膜、血管、指关节纹等。从数据采集方式看，人脸识别是较为容易的一种，受到众多电商青睐。在进行个体身份识别时，首先需要获取人物脸部生物特征。其中存在一些不确定因素，人物的年龄、胖瘦、高矮、形态、表情、胡须、皱纹、发型、穿戴都会影响人脸特征，甚至外部光线也会对人脸有影响，从而降低人脸识别的准确性。人脸的很多显著器官如鼻子、耳朵等在一生中形状相对稳定，且不容易受到外在干扰，因此在本文中将耳朵和鼻子作为身份识别的多生物特征的一部分。其次是指关节纹生物特征，其比掌纹特征更明显，也不易受到外在干扰，因此识别更简易和可靠，本文将其作为第三重生物特征。在识别时，这3个区域图像的数据量总和比人脸图像的数据量更少，因此其平均识别时间要比脸部识别时间少得多。

2.1多生物特征识别算法

在识别算法上，主要借鉴Gabor滤波器在鼻子、耳朵和指关节纹识别上的良好特性[15]，核函数和FDA（Fisherdiscriminantanalysis）在非线性判别中的优异表现以及带限相位相关算法在计算内容独立性方面的稳定发挥，设计了基于鼻子—耳朵—指关节纹的多重识别算法模式。首先提取鼻子、耳朵和指关节纹的感兴趣区域（regionofinterest，ROI），采用Gabor滤波器对图像进行Gabor滤波处理。其次，对滤波后的图像进行对比度增强处理，利用带限相位算法调整图像频谱范围，利用位移校准法对图像进行校准、微调和裁剪[15]。最后，对校准后的图像进行基于阈值的匹配和识别。作为第一重生物特征的鼻子，需要区别耳朵和指关节纹的特别处理。在特征提取中，需要事先建立测试样本及训练样本。对训练样本和测试样本分别利用核函数将鼻子的Gabor小波特征非线性地映射到核空间，再通过计算类间和类内离散度矩阵，进而求解Fisher基向量。并将上述训练样本和测试样本的Gabor小波特征分别投影到Fisher基向量，最后计算得到两类特征的距离，并进行基于距离的分类判别。

2.2身份识别

基于多生物特征识别模式的身份认证分别进行鼻子、耳朵、指关节纹的生物特征识别，根据鼻子、耳朵、指关节纹的特征强度和识别可靠度，予以三重生物特征不同的权重，最终的识别结果计算方法为：首先观察3种生物特征识别的结果是否完全一致，若完全一致，则用户身份确定；若不一致，再观察耳朵和指关节纹识别的结果是否一致，若一致，则取耳朵和指关节纹的识别结果；若3种生物特征识别的结果各不相同，取鼻子生物特征识别的结果作为身份识别结果。

2.3身份认证

在电子商务中，身份认证主要通过第三方支付平台的支付终端进行。支付终端采集用户的鼻子、耳朵、指关节纹图像，并将其传送到第三方支付平台的支付服务器端进行身份识别。支付服务器上存放用户个人生物特征库，根据多生物特征识别算法进行用户的身份识别。将其与注册账户进行比对，确定用户账户存在且有效，从而完成用户的身份认证。身份认证后，用户继续在第三方支付平台的支付终端中进行支付活动。在电子商务中，支付是最后也是最关键的一步，需要严格控制其安全性和可靠性。因此本文主要研究第三方支付平台上进行的交互式支付及消费确认机制。

2.4多生物特征融合的SVM模型

为了对多生物特征识别进行效果验证，本文首先构建了一个多生物特征融合模型，如图1所示，这里采用的生物特征包括人脸和虹膜。在各种生物特征中，人脸识别是人类最自然和最容易接受的身份识别方法，在很多电子商务中得到了成功应用；而虹膜识别则具有较高的准确率。这两种生物识别都有各自的局限。参考文献[16，17]在不同层论证了人脸和虹膜的融合识别。在分类器的选择上，本文考虑了SVM（supportvectormachine，支持向量机）。SVM是建立在统计学习理论的VC维理论和结构风险最小原理基础上的机器学习方法，求解办法是将分类问题转化为二次规划问题。作为一种二分类器，其基本思想是在样本空间中构造出最优分类超平面，并使其达到最大的泛化能力[18]。多特征SVM模型的处理过程为：首先，分别对人脸与虹膜图像进行预处理及特征提取，得到人脸特征向量与虹膜特征向量。而后将两种特征向量进行串行组合，得到融合特征向量。最后，将融合特征向量经过标准归一化处理，利用SVM进行分类识别。假设人脸特征提取的特征向量，xi={x1i,x2i,x3i,…,xmi},i=1,2,…,s（s是样本数量）；虹膜提取的特征向量yi={y1i,y2i,y3i,…,yni}；融合特征向量是由xi与yi串接得到的向量zi={z1i,z2i,z3i,…,zki}，由该向量作为最终的实验数据库。上述特征向量中m,n,k是样本的维度。对该模型进行验证，实验运行工具为MATLAB，使用了LibSVM工具箱，分类方法采用one-against-one，二次规划采用了改进的序列最小优化（sequentialminimaloptimization,SMO）算法[19]，工作集个数为2，对样本及其Lagrange乘子进行更新和迭代计算，对满足约束优化条件的目标决策函数进行优化。该方法工作集小，迭代数据快，因此在大规模训练情况下二次规划的求解效率能显著提升。多生物特征识别的具体实现过程与生物特征不同的特征提取方法有关，人脸和虹膜预处理和特征提取的方法不同，提取出来的特征在分布和数量级上也会有所不同，直接融合可能会对识别结果有影响。为了排除这种特征数量级非均衡性对特征融合识别结果的影响，识别前需对融合特征做归一化处理。这里采用两个特征提取方法进行识别验证。方案1PCA+WT。算法过程如下。步骤1人脸处理。将以行向量的形式表示每一张人脸图像，得到原始样本集。再利用PCA（principalcomponentanalysis）提取人脸图像的特征向量，实验中选取前20个主分量，即特征向量X的维数是20维，作为第一组样本。步骤2虹膜处理。对虹膜图像进行预处理，得到64dpi×512dpi大小的归一化虹膜图像。再进行TripleWT（wavelettransform），计算7个通道的均值和方差作为特征值，最后得到14维的特征向量Y，作为第二组样本。步骤3特征融合处理。将步骤1和步骤2得到的人脸和虹膜样本中的特征向量一一对应进行串行连接，得到34维融合特征向量，并进行归一化处理。步骤4将得到的标准数据集分为训练集和测试集，用SVM法进行训练测试。方案2Fisherface+Gabor。算法过程如下。步骤1人脸处理。对原始样本集利用Fisherface方法[21]对人脸图像进行特征提取，选择适当的投影空间得到16维的特征向量X，作为第一组样本。步骤2虹膜处理。对预处理后的归一化虹膜图像通过Gabor滤波器[20]，选择中心频率和相位角度不同的12个Gabor滤波通道，提取各通道的均值和方差作为特征值，得到24维的特征向量Y，作为第二组样本。步骤3同方案1的步骤3和步骤4。

2.5多生物特征识别性能验证

本文以ORL人脸数据库和CASIA虹膜图像库为实验对象。在两个库中都按50dpi×50dpi规模选取原始图像，对其一一制定配对得到实验图像库。在不同数量的训练集和测试集下对单一生物特征和多生物特征融合识别，对经典分类算法（K-nearestneighbor,KNN）、神经网络（neuralnetwork,NN）、SVM3种分类识别方法进行了性能比较。实验结果见表1（其中训练集和测试集为归一化后的数据）。从表1可以看出，多生物特征识别准确率要超过单一特征识别准确率，随着训练样本数量增加，所有识别方法的识别率也会逐步提高。此外，SVM在对比的几种分类器中，识别效果更好。从验证结果看，多生物特征识别具有较高的识别性能，可以用于各种身份识别和认知的应用场合。基于多生物特征识别模式的身份认证进行融合生物特征识别，并通过第三方平台进行身份认证。支付终端采集用户的人脸及虹膜图像，并将其传送到第三方支付平台的支付服务器端进行身份识别。支付服务器上存放用户个人生物特征库，根据多生物特征识别算法进行用户的身份识别。将其与注册账户进行比对，确定用户账户存在且有效，从而完成用户的身份认证。

3交互式表情扫脸

人的形态尤其是面容很容易随着时间而变化，这是人脸识别技术必须克服的一个难点，目前的技术可以做到在个体常规化妆、发型变化、一定程度下胖瘦变化、老化时进行身份识别。但如果变化过于剧烈，单一的扫脸模式将无能为力。此时可以借助其他生物特征辅助，比如扫脸和指纹验证相结合。对于识别难度较大的情况可以采用多种生物识别方式组合的方式。即便如此，扫脸支付仍然存在人脸照片和人脸视频的假冒问题，是人脸识别进入商用的一个技术难点。近期国内外已经有若干家电子商家或实体商家利用扫脸技术来完成支付，他们大多采用“面对面”式刷脸或者功能仅限于密码输入的方式，对于用户身份的准确识别以及消费行为的确认等方面考虑得还不够深入。例如支付宝的扫脸技术“smiletopay”仅用于支付密码，但其对于用户身份的确认还存在诸多盲点。本文对第三方平台在线支付问题的思路不同于其他电子商务只将扫脸用于支付，本文侧重于利用交互式表情扫脸进行消费行为的第三方确认，明确将指纹和交互式表情扫脸结合起来完成支付。此外，本文将用户身份认证和用户支付操作的确认和签名分开。身份认证利用鼻子—耳朵—指关节纹多生物特征完成认证，避免单一模式下产生的失误。在用户进入支付环节后，为进一步加强可靠性和安全性，利用交互式表情扫脸和指纹识别来完成。这种模式一方面可以避免人脸照片和人脸视频的假冒，另一方面也可作为支付纠纷发生时的支付依据。支付终端在交互式表情扫脸中需要用户进行表情配合，即进行用户和支付终端的交互，比如在当前情景中系统随机给出头/脸部动作及表情要求，支付者配合完成该过程，从而进行支付前的再次确认。这种利用应用情景模式配合扫脸和系统提示动作的模式可以有效防止视频或者照片的欺骗行为。最后，利用表情操作进行脸部表情签名。支付者按照预先设置的签名表情完成相应动作之后完成签名。交互式表情扫脸签名的优点是对支付者身份的不可伪造性和对支付行为的不可抵赖性。为了确保可靠性，除需交互式表情扫脸签名，支付终端还需要有传统的密码机制作为补充。多种支付方式的存在为用户提供了一种简便和安全的支付选择。在异地消费活动中，若客户手机、钱包、信用卡丢失，无法进行移动支付、现金支付和信用卡支付，通过交互式表情扫脸进行身份的快速识别和认证，在支付前进行基于表情的消费签名，从而在第三方支付终端完成可靠的消费活动。

4交互式多生物特征识别技术在电子商务中的应用

在互联网中进行的电子商务和支付活动中，买卖双方不能面对面完成交易，这使得认证问题成为电子商务和支付的核心问题。基于第三方支付的认证过程主要包括以下支付主体：顾客、WPKI（wirelesspublickeyinfrastructure）商户（产品或服务的提供者）、银行[21]、第三方支付平台。其中第三方支付平台主要包括支付网关、支付服务器、支付终端等，如图2所示。在第三方支付平台，支付服务器主要完成顾客的生物特征身份信息的存储和用户身份验证、支付确认处理等。用户在支付前首先需在服务器端建立客户多重生物特征库，用以对客户生物特征进行采集和预处理。支付网关主要完成基于线下信任的商户认证，首先它在中间服务平台（如商区或社区）对商户进行初级认证的基础上对中间服务平台进行第二级认证。通过线下预认证机制与线上交互认证进一步强化线上支付主体与现实之间的联系。支付终端完成顾客基于多重生物特征的身份认证和交互式消费确认。为了解决第三方支付平台沉淀资金风险隐患，并简化第三方支付终端认证过程，取消了第三方支付平台设立的中间账号，以系统的第三方授权及确认付款功能来为交易双方提供信用担保。通过预先签订的客户和付款账号所在银行中间的授权支付协议，在支付终端完成基于生物特征识别的身份认证后进行支付确认时，第三方支付平台代表付款人直接通知付款银行，无需付款人提供账号和密码而能直接利用跨行清算系统自动完成顾客与商家的支付交易。通过第三方支付平台省却了支付方、商家和银行中间繁琐的认证过程，并简化了用户在支付终端的支付操作。交互式多生物特征识别的支付及消费确认机制将从两方面着手，首先是顾客身份的认证，采用多重生物特征识别的安全认证模式来实现，其次是顾客对支付行为的确认和支付签名。顾客身份认证中所使用的多重生物识别机制如上文所述。而在顾客支付行为中，需要配合顾客的表情和与终端的互动来完成，侧重于利用扫脸进行消费行为的第三方确认，将指纹和扫脸结合起来完成支付和签名。在出现消费行为的支付纠纷或者在一些应用中需要用户产生不可抵赖的凭证时，可将扫脸的视频作为支付凭证，扫脸的作用更像电子签名。这种电子表情签名结合指纹模式产生的互动效果更稳定、更安全。第三方支付平台通过建立“预认证”和在线交互激活、表情签名认证模式来实现终端认证的简化。预认证主要采用分层模型解决第三方支付平台和商家、中间服务平台、公共服务域之间的认证和信任问题以及第三方平台上的支付者（顾客）的个人账户信息。该过程采集并预处理支付者的个体生物特征，建立用户生物认证账户和商家账号的个人服务域。用户认证前必须先建立公共服务域。公共服务域由支付服务中心、跨行支付系统、商业银行构成。该服务域级别越高，可信度越高，且能简化支付协议和流程的设计。其中支付服务中心提供商业银行账户的寻址服务。可根据商家信息、用户手机信息与各银行账号的绑定关系，将用户手机号和商户信息转换成商业银行的账户信息。认证中利用支付服务中心账户寻址和管理手段确保商家和付款客户双方的不可否认性，从而降低相关的支付风险。跨行支付系统实现各个银行的跨行支付与清算。该服务域省却了银行、用户、商家相互之间的直接联接，从而避开支付时繁琐的认证过程。在线支付预认证分层模型如图3所示。交易过程中，支付终端首先利用鼻子—耳朵—指关节纹多生物特征对用户进行身份识别。在预认证基础上，通过指纹识别与交互式表情扫脸结合进行在线支付前确认及支付签名。

5结束语

生物基本特征范文第7篇

传统的身份认证方法主要借助体外物来实现身份的鉴定，包括标识物品和标识信息，前者如证件、信用卡、驾照等，后者如用户名和密码等。一旦证明身份的标识物品和标识信息被盗或遗忘，其身份就容易被他人冒充或取代。基于生物特征的身份认证则利用了人体固有的生理和行为特征来进行个人身份的认证或鉴定，比如：指纹、声音，人脸、虹膜、笔迹、步态等。由于基于生物特征的身份认证主要是通过生物传感器、光学、声学、计算机科学和统计学原理等高科技手段的密切结合来实现的，因而它与传统的身份认证方法相比：（1） 更具安全性：生物特征基本不存在丢失、遗忘或被盗的问题；（2） 更具保密性：用于身份认证的生物特征技术很难被伪造；（3） 更具方便性：生物特征具有随身“携带”的特点以及随时随地可用的特点。

基于生物特征的身份认证技术在信息安全领域具有重要的地位，可广泛用于政府、军队、银行、社会福利保障、电子商务、安全防务。伴随着其应用的发展,该领域的研究越来越深入，许多国家将其作为重大基础战略技术加以研究。“9·11”事件后，基于生物特征的身份认证技术更是受到美国、日本、欧洲各国的高度重视，愈加显示出它的价值，以美国为例，基于这项技术的产业规模已经达到数十亿美元。美国通过立法明确要求在国家安全领域采用这一技术。国际民用航空组织日前也要求其所属188个成员国和地区从2004年底开始将生物特征加入个人护照中。

一般而言，能够用来认证身份的生物特征应该具有以下特点：（1） 广泛性：每个人都应该具有这种特征；（2） 唯一性：每个人拥有的特征应该各不相同；（3） 稳定性：所选择的特征应该不随时间变化而发生变化；（4） 可采集性：所选择的特征应该便于获取。然而，在实际的应用中，并不是所有能够满足上述四个特点的生物特征就可以用来进行身份认证的。通常，还需考虑如下几个主要指标：性能指标，所选择的生物统计特征能够达到多高的识别率；效率指标，对于资源的要求，包括时间复杂度和空间复杂度两个方面；安全性指标，系统是否能够防止被攻击；可接受性及非侵犯性指标，用户是否愿意接受所选择的生物特征；同时还要考虑具体应用领域的特点等等。基于对这些指标的考虑，目前诸多应用中，在众多的生物特征中声音、指纹、人脸三种生物特征被广泛选择采用。

基于声纹的身份认证

人的语音，包含了语义信息和说话人信息，其中包含说话人信息的成份被称作“声纹”，利用声纹进行身份认证的方式被称为声纹识别(Voiceprint Recognition, VPR)或说话人识别(Speaker Recognition)。一般有两类，即说话人辨认(Speaker Identification)和说话人确认(Speaker Verification)。前者用以判断某段语音是若干人中的哪一个所说的，是“多选一”问题；而后者用以确认某段语音是否是指定的某个人所说的，是“一对一判别”问题。不同的任务和应用会使用不同的声纹识别技术，如缩小刑侦范围时可能需要辨认技术，而银行交易时则需要确认技术。基于声纹的身份认证又可分为与文本有关和与文本无关两种情形，前者是指在进行身份认证时，输入语音必须按指定文本内容进行发音并被用来构建系统模型；而后者在进行身份认证时，输入语音与训练时所采用的语音无关。

国际上开展基于声纹的身份认证研究已经有近40年的历史，研究单位包括大学、专门的研究机构以及大公司等，如：德克萨斯仪器公司、麻省理工学院、贝尔实验室等。国内开展相关研究较早的单位有北京大学、中科院声学所、清华大学、中科院自动化所等。一些基于声纹的身份认证系统产品也相继推出，如：ITT公司开发的SpeakerKey系列产品，Keyware公司开发的VoiceGuardian，Sensory公司开发的Voice Direct364及DSP芯片，T－NETIX公司开发的SpeakEZ产品等等。

1．基于声纹的身份认证系统框架

一个典型的基于声纹的身份认证系统框图如图1所示[1]。(注：参考文献[1]~[29]请见本刊网站。）

不论是说话人辨认技术还是说话人确认技术，都需要先对说话人的声纹进行建模，这就是所谓的“训练”或“学习”过程。

基于声纹的身份认证一般包括两个阶段：训练阶段和认证阶段。在训练阶段，根据输入的训练语音数据建立说话人的声纹模版库；在认证阶段，则根据身份声明的说话人的语音，通过某种距离测度进行认证判决。

2．方法概述

(1) 特征提取 为了更有效地表征说话人的信息，研究者们已经提出了若干语音特征，但遗憾的是目前还未找到专门反映说话人信息的语音特征，在进行说话人识别时采用的特征还基本上是语音识别中所采用的特征，如线性预测系数(LPC)、倒谱系数、美标度倒谱(MFCC)、感知线性预测等。大多数研究者的研究结果表明，美标度倒谱特征在语音识别和说话人识别等典型的语音信号处理问题中具有良好的性能，因此，该特征成为目前最常用的语音特征。

(2) 声纹身份认证基本方法 基于声纹的身份认证方法主要有以下几种：①动态时间规整[2]：动态时间规整是一种谱模式匹配方法，它可以解决语速变化问题。②长时平均法[3]：该方法对说话人身份的表征是通过将语音特征在长时间上进行平均来实现。但是这种方法缺乏对短时特征的描述。③矢量量化法[4]：矢量量化通过某种聚类规则对说话人的特征建立模型，该模型通常为一系列包含若干码字的码本，对每一个特定的说话人有一个码本。该方法对短时语音特征能够进行很好的描述。④人工神经网络[5]： 对说话人特征的提取还难以形成公认的规则，因此利用善于从大量数据中寻找规律的人工神经网络方法，也是一类可取且有效的方法。⑤隐含马尔可夫模型[6]：隐含马尔可夫模型能够有效地捕捉谱特征中的统计变化，同时也很好地描述了短时语音特征以及语音中的时间变化，因此具有很好的性能，成为一种被广泛采用的与文本有关的说话人识别方法。⑥高斯混和模型[7]：高斯混和模型可被认为是隐含马尔可夫模型的单一状态的特殊情形，对于与文本无关的身份认证，该方法能够达到很好的效果。

上述若干方法都或多或少地有各种衍生方法和改进方法，也存在将若干种方法的融合起来进行身份认证的情形，这些尝试都是以提高身份认证准确率为目的的，其中一些尝试取得了很好的效果，比如人工神经网络与隐含马尔可夫模型的结合方法等等。

3．当前基于声纹的身份认证研究中存在的问题

基于对前人研究的归纳，Furui在1997年指出，在基于声纹的身份认证中存在如下几大类问题[8]：①如何借鉴人类在在利用声纹进行身份 认证时所采用的机制，②如何处理语音的长时变化、短时变化以及语音声学特征的变异，③如何将基于声纹的身份认证技术与其它身份认证技术进行融合。

4．基于声纹身份认证的应用

基于声纹的身份认证几乎可以应用到人们日常生活的各个角落，而通过电话线进行身份认证是其独有的特色。基于声纹身份认证的主要应用领域如下：（1）信息领域：如在自动总机系统中；(2)银行、证券：鉴于密码的安全性不高，可用声纹识别技术对电话银行、远程证券交易等业务中的用户身份进行确认；(3)公安司法：对于各种电话勒索、绑架、电话人身攻击等案件，基于声纹的身份认证技术可以在一段录音中查找出嫌疑人或缩小侦察范围；同时，该技术还可以在法庭上提供身份确认的旁证；(4)军事和国防：基于声纹的身份认证技术可以察觉电话交谈过程中是否有关键说话人出现，继而对交谈的内容进行跟踪(战场环境监听)；在通过电话发出军事指令时，可以对发出命令的人的身份进行确认(敌我指战员鉴别)；(5)保安和证件防伪：如机密场所的门禁系统；(6)其它。

基于人脸的身份认证

基于人脸的身份认证就是利用计算机对给定的静止图像或者动态图像序列进行分析，从中提取出有效的识别信息，基于已有的人脸数据库来“辨认”或者“确认”一个或多个人身份的一项技术。

人的面孔各异，世界上没有长得一模一样的两个人，即使是双胞胎，用人类学方法测量也可发现差异。因而，基于人脸的身份认证技术是一项具有潜力的身份认证技术。基于一系列评价指标如抗干扰性、精确度、代价、性能等，研究人员对6种主要的身份认证技术：人脸、声纹、指纹、手掌、虹膜、签名进行了综合比较，基于人脸的身份认证技术具有最高的得分[9]，见图2。

基于人脸的身份认证技术研究始于20世纪60年代末期。到了20世纪90年代后期以来，一些商业性的基于人脸的身份认证系统逐渐进入市场。作为一种非接触式的、容易隐蔽使用的识别技术，基于人脸的身份认证技术成为当今国际反恐和安全防范最重要的手段之一。

1.基于人脸的身份认证系统框架

一个典型的人脸识别系统框架如图3所示。

人脸图像数据的获取 图像数据可以是包含人脸图像的静态图像，也可以是动态视频序列，一般可以通过摄像机、照相机、扫描仪等输入设备获得。

图像或视频序列中人脸图像的检测、定位 首先在图像中检测到人脸，然后根据人脸比较稳定的特征如眼睛进行特征点定位。人脸检测在自动人脸识别中占有非常重要的地位，直接影响到识别分类的结果。复杂背景条件下实时的自动人脸检测是人脸识别领域非常重要的一个课题。

人脸图像的预处理 为了更加有效地提取人脸特征，消减环境光照等变化对人脸识别结果的影响，需要对人脸图像做预处理，这些预处理过程一般包括图像的旋转、光线矫正、直方图均衡等过程。

人脸识别特征的提取 提取能够有效区别于其他人的识别特征，为下一步的识别做好准备。

人脸图像的匹配与分类—身份认证 得到人脸的特征模式之后，将模式送入设计好的分类器，最后得到分类的结果。

2.方法概述

（1）检测定位 人脸检测可以被看作是一个两类的模式识别问题，一个图像区域被分类为人脸或者非人脸。常用的人脸检测方法大致有：

基于知识的方法：这些基于规则的方法将人脸的结构知识进行编码。这些规则通常描述了人脸特征之间的关系。这些方法主要用来进行人脸定位。其代表方法如基于规则的多分辨率方法等。

特征不变法：这些算法的目的在于找到一些不受姿式、视角、光照条件影响的结构特征，并用这些结构特征来定位人脸。其代表方法如：针对面部特征的边缘分组方法；针对纹理的人脸模式空间灰度级独立矩阵方法；针对肤色的高斯混合方法以及将肤色、人脸尺寸、人脸外形等多特征的融合方法等。

模板匹配方法：几种标准的人脸模式被存储起来用于描述整体的人脸或者人脸的各个构成部分。通过计算输入图像和存储的模式之间的相关性来进行检测。这些方法用在人脸定位和人脸检测中。其代表方法如外形模板方法及可变外形模板方法等。

基于外观的方法：与模板匹配不同的是，可以捕捉人脸外观具有代表性的可变性的模型(或模板)是从一组训练图像中学习来的。这些学到的模型被用于检测。其代表方法如：本征脸方法、基于分布方法、神经网络方法、支撑向量机、统计系综学习方法(其典型代表AdaBoost方法)、原始贝叶斯分类器、隐马尔可夫模型、信息论方法等。这类方法现基本成为人脸检测方法的主流方法。

（2）预处理 人脸图像的预处理工作包括两部分内容：人脸图像的几何归一化和人脸图像的灰度归一化。

人脸图像的几何归一化是指根据人脸检测的结果将图像中的人脸变换到相同的位置和尺寸。一般是根据人脸图像上器官的位置如眼睛、嘴、鼻子等进行的，归一化后的图像可以完整的保留眼睛、鼻子和嘴的部分。

人脸图像的灰度归一化是指对分割、定位后的人脸图像灰度值进行调整，以尽可能地减小成像环境差异、光照方位、角度不同带来的负面影响。通常是通过光照补偿等方法实现的。

（3）人脸身份认证基本方法 基于人脸的身份认证涉及到诸多的技术和方法，这些方法大致可归类为两种模式：基于图像灰度分布的方法(appearance-based scheme)和基于模型的方法(model-based scheme)。

基于图像灰度分布分析的人脸身份认证主要思想是人脸图像被表示为一个向量，可看作是高维空间中的一个点，其核心问题是如何通过统计技术分析这些在高维空间中的表征人脸图像的矢量以及分析矢量空间本身。基于外观模式的人脸身份认证又包括线性分析方法和非线性分析方法两类。

线性分析方法主要有：

（1）主成份分析方法(PCA－Principal Component Analysis)：通过正交变换得到从高维图像空间到低维子空间的变换矩阵[10]，该变换是一种最优正交变换。这些正交基又被称作“特征脸”[11][12]，这种方法被称作基于特征脸的方法。该方法是一种简单、快速、实用的基于代数特征的人脸识别方法，保留了人脸部件之间的拓扑关系，也保留了各器官部件的信息，得到广泛的应用。但它对光照、视角的变化影响比较大，因此对预处理、归一化的要求比较高。

（2）独立成份分析方法(ICA－Independent Component Analysis)[13]：该方法与主成份分析方法非常类似，唯一不同的是各成份的分布不服从高斯分布。

（3）线性判别分析方法(LDA，Linear Discriminant Analysis)[14][15]：该方法是模式识别领域里非常有效的降维手段之一，其基本思想是：充分利用训练样本集的类别信息，定义了类内扩散矩阵和类间扩散矩阵，策略就是使类内扩散矩阵尽量小，类间扩散矩阵尽量大，以此达到降维、分类的目的。近年来，衍生出许多改进的或扩展的LDA算法，如多类问题LDA方法、 Foley-Sammon最佳鉴别矢量集以及UODV算法等。

线性分析方法在将高维矢量映射为低维矢量时，其变换矩阵是线性的。然而，人脸图像实际上非常复杂，很难用线性模型对其进行完全的刻画和表示，因此，相应的非线性方法得到了很好的研究。常见的非线性方法有：基于核的主成份分析方法(KPCA－Kernel PCA)[16]，其主要思想是基于某选定的核函数，构造从输入空间到特征空间的一个非线性映射。此外，典型的非线性方法还有：ISOMAP[17]，LLE[18]等。

基于模型的人脸身份认证技术与基于外观的人脸身份认证技术不同，其主要目标是致力于构建能够表征人脸变化特性的模型，在设计模型时，人脸的先验知识被高度利用。主要代表方法有：基于特征的弹性模板匹配方法 (Feature-based Elastic Bunch Graph Matching)[19]、二维可变人脸模型(2D morphable face model)[20]以及三维可变人脸模型(3D morphable face model)[21]等。

3．当前基于人脸身份认证研究中存在的问题

基于人脸的身份认证研究经历了几十年的研究，研究者也提出了诸多经典算法用以提高系统的性能，然而，它仍然是一个存在诸多挑战的课题。主要存在问题可以归结如下：（1）姿态：人脸的图像会随着相机和人脸的相对姿式的不同而改变(正面，45度，侧面，俯视)。（2）结构成份的有或无：一些脸部特征比如胡子和眼镜不会在所有的人脸中出现，而且这些构成部分本身在尺寸外形颜色上也具有很大的不确定性。（3）面部表情：人脸的外观常常受到其表情的直接影响。（4）遮蔽：人脸有可能部分的被其它物体所遮蔽。在一张多人的图像中，一些脸可能部分的被其它的脸所遮蔽。（5）图像旋转：人脸图像会随着相机光轴的旋转而不同。（6）成像条件：拍摄照片的时候，光线(谱段，光源分布和光强)和相机特性(传感器性能，镜头)都会影响一张脸的外观。

其中姿态变化 (包括姿势、表情、遮挡物等)和不同光照条件是基于人脸身份认证技术的两大主要挑战问题。近年来该领域的诸多研究致力于解决这些问题。比如：在解决光照影响的研究中，主要形成了三类方法：不变特征法、光照变化建模和人脸图像归一化方法。总而言之，尽管基于人脸身份认证技术取得了长足的进展，其性能仍然不够令人满意[22]。

4．基于人脸身份认证的应用

人脸自动识别技术在商业领域及安全领域都有着广泛的应用。主要包括：（1）证件识别：如居民身份证、驾驶执照、护照等，将证件上的照片与持证人核对，这方面的应用已经开展了起来。（2）银行等安全部门的身份验证：无须密码，直接把交易人与银行里的人脸数据库核对，依此来确定人的身份，这方面应用的安全性要求较高，应用还不广泛。（3）海关、机场等部门的监控系统：计算机实时处理由监控设备传回的视频序列，将其中的人脸图像与数据库中的或罪犯图像比对，及时发现恐怖、犯罪分子。随着近两年恐怖主义事件的频频发生，这方面的应用在美国的机场、海关已经发挥了一定的作用。（4）公安刑事侦察：将嫌疑犯与公安人脸数据库中的罪犯、通缉犯等核对，对案件的侦破有一定的辅助作用，分布式公安人脸数据库人脸识别系统将有非常好的应用前景。（5）新一代的人机交互界面：使机器与人的交互更自然，直接。（6）人脸识别还有很多应用，如现在比较热门的基于内容的图像与视频数据库检索分类、公司或小区的自动门卫系统、远程电视会议、远程教育等，随着人脸识别研究的进一步深入，它的应用领域会越来越大。

基于指纹的身份认证

基于指纹的身份认证技术是20世纪60年代兴起的、利用计算机来进行自动指纹识别的一种方法。作为生物特征身份认证技术的一种，它具有其它特征识别所不可比拟的优点：（1）指纹具有唯一性：每个人的指纹基本上是独一无二的，两人之间就算他们是双胞胎也不可能存在着相同的指纹。在60亿人中不会找到一对特征完全相同的指纹。（2）指纹具有稳定性：每个人的指纹是相当固定的，很难发生变化。（3）指纹具有携带方便性：它是每个人天生具有的，所以获取指纹样本较方便。 一个人的十指指纹皆不相同，这样，可以方便地利用多个指纹构成多重口令，提高系统的安全性。所以，自动指纹识别是一种更为理想的身份确认技术。

1．基于指纹身份认证的基本过程

与其它身份认证方法类似，基于指纹身份认证过程也是一类典型的模式识别过程，它包括两个部分：登记过程和认证过程。

2．方法概述

(1) 指纹图像预处理—纹增强 在指纹认证过程中，尽管任一手指均可用于指纹登记，但通常采用拇指、食指或中指来登记，这是因为拇指纹路较清晰，而食指和中指比较灵活的缘故。同时，登记的指纹最好是纹路清晰、特征点明显、没有破损或疤痕。

在实际的自动指纹身份认证系统中，总是出现指纹图像质量偏低的情形，因而，指纹图像增强的研究成为指纹特征提取过程的一个关键所在。为了提高质量偏低指纹图像的处理效果和效率，研究者们提出了多种指纹增强算法，如Willis等人提出的指纹增强算法 [23]，Lin Hong等人提出将Gabor滤波器用于指纹图像增强[24]等等。

(2) 特征提取 根据指纹的总体形状和细节，指纹的特征分为两类：总体特征和局部特征(细节特征)。其中总体特征包括：基本纹路图案(环型、拱型、螺旋型)、核心点、三角点、式样线、纹数等；局部特征指的是指纹上的节点。通常有6种类型的指纹节点：脊断点、分歧点、分叉点、孤立点、短纹、环形点。除了类型特性以外，节点还有如下三种特性：方向、曲率、位置。

根据需求的不同，还可以把人的指纹特征分为永久特征和非永久特征。其中永久特征在人的一生中永远不会改变，如基本纹路图案、核心点、三角点、脊断点、分叉点、纹数、纹路曲率等；而非永久特征主要是在后天环境下形成的，如孤立点、短纹、疤痕以及由疤痕而造成的断点等等。

两枚指纹经常具有相同的总体特征，但它们的局部特征却不可能完全相同。因此，一般而言，基于指纹的身份认证系统大多是根据细节点的数目、类型和位置等信息来实现身份的认证。这使得准确可靠的检测细节特征对于基于指纹的身份认证具有非常重要的意义。近年来，许多研究者对此展开了较深入的研究，如：Srinivasan等人提出了一种通过检测纹线方向直方图的检测方法[25]；Bazen等人提出一种用纹线方向变化梯度的检测方法[26]等。

(3) 匹配及识别 指纹识别系统的核心步骤是指纹匹配，基本包括如下几类：细节点匹配、脊线匹配以及指纹特征向量匹配等。一般来说，指纹匹配首先是进行指纹的校准，然后进行匹配点对的计算。指纹识别的研究在近几年里也取得很大的进展，提出了许多较好的方法，如目前最常用的FBI方法：它利用脊线末梢与脊线分支点来进行指纹鉴定和点模式匹配。此外，Hrechak等人提出了通过结构匹配的指纹识别方法[27]；Isenor等人提出用图匹配的方法来进行指纹匹配[28]；Miklos等人提出的三角匹配算法[29]等等。

为了寻求待识别图像相对于模板图像的最佳平移参数和旋转角度，研究者将曲线拟合技术引入指纹匹配过程中，通过对纹线拟合度的分析来进行指纹识别。此外，由于噪声干扰和特征点提取方法不完备等不利因素的影响，特征匹配需要解决由此引起的一系列问题，如特征数目不等、几何畸变以及伪细节点的出现等等。针对这些问题，研究者们分别提出利用Delaunay三角形化进行特征点空间剖分的特征匹配方法，多模板细节点融合方法等等。

在对当前指纹识别的现状及趋势进行深入分析的基础上，研究者们提出了基于细节点匹配，综合多种匹配方法的指纹识别思想。这一思想被认为是提高指纹识别系统可靠性的一种非常有效的途径。

3．基于指纹身份认证的应用

基于指纹的身份认证技术历史悠久，发展成熟，其应用领域也非常广泛，主要包括：（1）刑事侦破：这是指纹身份认证技术最早的应用领域。（2）门禁系统：指纹身份认证技术和产品较多应用于门禁系统。（3）金融证券：由于金融业务涉及资金以及客户的经济机密，为保证资金安全，保护银行客户及银行自身的利益，在业务管理和经营过程中，利用指纹身份认证技术越发显现出其必要性。（4）户籍管理：可以为加强政府行政准确度和行政管理力度提供可靠的质量保证。（5）员工考勤：员工考勤的公正、合理、科学、有效逐步成为企业或公司面临的现实课题，这首要强调的是身份认证的准确性。（6）其它如计算机及网络，社会保险，移动通信等等领域。

发展趋势

基于生物特征的身份认证技术经历了几十年的研究和探索，基本形成由利用单一的生物特征到综合多种生物特征来进行身份认证的发展趋势。

由于各种生物特征的识别方式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。目前，生物特征识别领域出现了一种新的方向，即多种生物特征识别技术结合使用。如德国知名的法兰富尔协会研发了一种多重模板识别系统，DCS AG公司采用这一专利开发了身份识别系统BiolD。BiolD利用目前日渐普及的数字摄像头，将一个人的面貌、声音以及嘴唇运动三种生物特征相结合，在一秒钟内快速完成识别。由于在识别过程中同时采用了动态、静态这两种特征，当其中的一种生物特征变动时，多重模板识别系统还能依据其它两项生物特征进行识别。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，从而进一步精化了识别率。提高鉴别系统的精度和可靠性，成为身份鉴别领域发展的趋势。

虽然目前中国生物识别研究的总体水平与国际先进水平尚存在一定差距，但研究步伐大体上跟国际同步，并在虹膜、指纹、声纹、人脸、掌纹、笔迹识别等领域颇具特色，达到世界先进和领先水平。为了推动国内生物认证技术的发展，不久前，作为国内生物认证技术研究单位之一的中科院自动化研究所，以模式识别国家重点实验室为核心，成立了国内第一个生物特征识别技术的专业认证与测评机构——“生物特征认证与测评中心”，结束了国内生物认证领域没有评测机构的历史。

在以计算机技术和生物技术为主流科技的知识经济崛起时代，身份认证有了来自生物体自身的密匙，横跨这两大科技领域的生物特征识别技术正愈益显示出其旺盛的生命力和远大前景。

生物基本特征范文第8篇

针对中国地鼠基因表达谱数据维数高和样本小的特点，提出一种基于支持向量机(SVM)的分类特征基因选取方法。该方法利用改进的Fisher 判别(FDR)基因特征计分准则剔除分类无关基因，提出由空间距离和功能距离组成的新距离作为相似性度量的标准进行冗余基因的剔除，采用SVM作为分类器检验特征基因的分类性能。实验结果表明，该方法有效地剔除了分类无关基因和冗余基因，选取的特征基因满足对中国地鼠正确分类的最小基因数。

ス丶词：

特征选取；支持向量机；分类器；基因表达谱；中国地鼠

ブ型挤掷嗪牛 TP391.4

文献标志码：A

英文标题

Feature gene selection for Chinese hamster classification based onsupport vector machine

び⑽淖髡呙

YANG Junli1, LIU Tianfu2

び⑽牡刂(

1.Department of Computer Teaching, Shanxi Medical University, Taiyuan Shanxi 030001, China;

2. Laboratory Animal Center, Shanxi Medical University, Taiyuan Shanxi 030001, China

英文摘要

)

Abstract:

Concerning the gene expression profile of Chinese hamster feature, such as highdimension and small sample, a method of feature selection for Chinese hamster classification based on Support Vector Machine (SVM) was proposed in this paper. The method used improved FDR gene feature score criterion to remove the genes irrelevant to the classification. A new distance composed by space distance and function distance was proposed as the criterion of comparability to remove redundant genes. A SVM was used as classifier to validate the classification performance of the feature genes selected. The experimental results show that this method effectively removes the irrelevant and redundant genes, and selected the feature genes that meet the needs of least feature genes which classify accurately on Chinese hamster.

英文关键词

Key words:

feature selection; Support Vector Machine (SVM); classifier; gene expression profile; Chinese hamster

0 引言

中国地鼠因其染色体大、条数少、易于识别等特点［1］，广泛应用于细胞遗传学、辐射遗传学、实验肿瘤和分子生物学等众多领域，在医学和生物学实验研究中占有重要的地位。但由于中国地鼠的生物性状、基因组等基础资料报道甚少，国内对于中国地鼠的分类学研究尚处在形态学分类阶段［1］。随着基因表达谱技术的出现与不断发展，利用基因序列中的基因表达谱数据建立分类模型，已成为生物分类学研究的一种重要的分类方法。而分类特征基因的提取和选择方法又是建立分类模型的一个重要环节，直接影响着分类器的设计和性能。因此，如何选取生物序列中的特征基因，成为特征基因提取与生物分类器研究的核心内容。目前，常用的特征基因选取方法主要有因子分量分析、启发式搜索、支持向量机（Support Vector Machine, SVM）、线性判别分析等，在实际应用中，也常将多种方法结合起来使用［2-6］。

中国地鼠的基因表达谱数据集具有高维数和小样本的特点，而高维数及其所包含的高噪声和信息冗余等因素会降低分类器的分类性能。本文针对中国地鼠基因表达谱数据的特点，设计了基于支持向量机的中国地鼠分类特征基因的选取方法。实验表明，该方法有效地剔除了分类无关基因和冗余基因，选取的特征基因对中国地鼠的分类结果与传统的形态分类结果一致，同时保证了对中国地鼠正确分类的最小基因数。

1 特征基因的预选

1.1 极端基因的过滤

极端基因是指偏离群体分布，具有过大的变异性表达异常的基因［2］。极端基因可以通过设置判别阈值进行识别，判别阈值根据整个基因表达数据的分布百分位点或一定的标准差范围来确定。

1.2 冗余基因的预过滤

对于基因表达数据中的负值和极小值，由于没有生物意义，因此需要剔除。在计算基因表达数据的信号强度比率值时，如果参考样本信号强度很小，就可能造成单个异常大的峰数据，当参考样本信号强度很大时，又可能出现单个异常小的谷数据，通常这些数据由噪声引起，也需要剔除。最后就是对缺失数据的处理，可将缺失数据项的行向量或列向量直接去掉。

2 基于改进的FDR特征基因选择

中国地鼠基因表达谱数据的每个样本中都记录了所有可测基因的表达水平，然而只有特征基因才包含样本的类别信息，大部分与样本类别无关的基因称为“无关基因”或“噪声基因”［3］。在衡量基因分类能力的问题上，Mika等人［4］提出了Fisher判别（Fisher Discriminant Ratio, FDR）基因特征计分准则，即

FDR(gi)=(μ+i－μ－i)2(σ+i)2+(σ－i)2В1）

其中：μ+i表示基因 gi 在正类样本中的表达水平均值，μ- i表示基因 gi 在负类样本中的表达水平均值，σ+i表示基因 gi 在正类样本中的标准差，σ- i表示基因 gi 在负类样本中的标准差。由式(1)可知，如果基因 gi 在正类和负类中表达水平均值相同或相近，则被作为噪声基因剔除；如果该基因在两个类中的表达水平标准差差异较大时，说明它在标准差很小的类别中具有近似一致性的基因表达，则该基因很可能是此类别的特征基因［5］。因此，在衡量基因分类能力的问题上，还应该考虑基因表达水平分布方差不同对样本分类的贡献。为此本文将式(1)进行了修订，修订后的基因特征计分准则可表示为：

FDR(gi)=14(μ+i－μ－i)2(σ+i)2+(σ－i)2+12ln(σ+i)2+(σ－i)22σ+iσ－iВ2）

由式(2)知，修订后的基因特征计分准则由两部分组成：第一项体现了基因在两个类中分布均值的差异对样本分类的贡献；第二项体现了分布方差对样本分类的贡献。按照此记分准则对训练集中的每个基因进行计分，分值越大说明基因分类能力越强；然后按计算出的分值大小顺序对基因进行排序，并根据分类器的准确率选择前面一定数量的基因作为结果。

┑2期

杨俊丽等：基于支持向量机的中国地鼠分类特征基因选取

┆扑慊应用 ┑31卷

3 冗余基因的剔除

基因之间存在着调控和相互作用的关系，这在基因表达谱中反映为不同基因在表达水平上存在着一定程度的相关性［6］，即相似性。通过衡量基因之间的相似性，将相似基因中信息较少的基因去除，可有效地减少特征基因的数量。在实际应用中，常采用特征向量之间的距离作为相似性度量的标准。

本文在计算特征向量之间的距离时，将基因间的距离分为空间距离和功能距离两个部分，即

Е莫ij=δ sij+δ fijВ3）

其中：δs ij为空间距离，δf ij为功能距离。本文采用欧氏距离［7］计算特征向量间的空间距离，欧氏距离表示为

Е莫sij=∑dk=1(xik－xjk)2В4）

功能距离包括减少具有相同功能基因间的距离和增加不同功能间的距离，即：

Е莫fij=－FiFTj， i=j

1－FiFTj，其他 В5）

如果基因i具有功能F或者功能未知，则Fi取值为1；否则取值为0。如果特征向量间的距离小于给定的阈值，就认为它们是共表达的，阈值根据分类器的准确率来确定。

4 基于SVM的特征基因分类性能检验

本文采用支持向量机(SVM)作为分类器检验特征基因的分类能力。SVM是建立在统计学习理论基础上的一种机器学习算法［8］，具有很强的泛化能力。SVM的优点是能够处理高维数据，分类精度高，且抗噪能力强［9］。因此，SVM在基因功能预测和基因分类方面非常有效。设训练样本个数为n，训练样本形式为{(x1，s1)，(x2，s2)，…，(xn，sn)}，对于两类问题si∈{1, -1}，xi∈{0, 1}。对于多类问题可转化为两类问题处理。SVM的判别函数［10］表示为：

f(x)=sgn[∑Ni=1aisiK(x,xi)+b]В6）

其中:N为支持向量的个数，K (x,xi)为核函数。本文采用的核函数为径向基核函数（Radial Basis Function, RBF）［11］。

K(x,xi)=exp(－x－xi2σ2)В7）

式(6)可表示为：

f(x)=sgn∑Ni=1aisiexp(－x－xi2σ2)+bВ8）

由于训练集中没有互相矛盾的样本点，因此该判别函数对训练集的准确率可达到100%，据此来确定错误惩罚常数CШ秃瞬问σ2。

5 仿真实验

5.1 实验数据描述

实验数据为山西医科大学实验动物中心饲养的中国地鼠近交系，它是我国目前唯一庞大的中国地鼠群体，已被英国收入“实验动物国际索引”［12］。“山医群体近交系中国地鼠”［1］分为A、E两家系，从A家系中随机抽取28个样本，其中包括18个训练样本和10个测试样本；从E家系中随机抽取22个样本，其中包括15个训练样本和7个测试样本。整个数据集的结构如表1所示。

表格(有表名)

表1 训练样本和测试样本数

类别训练样本数测试样本数

A家系1810

E家系157

5.2 实验结果与分析

对训练集样本进行特征基因预选后得到892个基因，利用改进的FDR计分准则计算其分类信息分值，具体分布情况如图1所示。

分区

图片

图1 基因分类信息分值分布情况

由图1可知，分值越大，基因数量越小。按基因的分值分别选取分值高的前25个、50个和100个基因作为特征基因，然后将这些基因表达谱数据送入SVM分类器，进行分类能力的检验，实验结果如表2所示。

表格(有表名)

表2 SVM分类器分类结果

特征基因数Cσ2ё既仿/%

1001B0000.02100.0

505000.02100.0

255000.0298.6

由表2可知，随着选取的特征基因数的减少，样本的准确率也随之下降。为了选择具有最小基因数并保持最高分类准确率的特征基因集，取C=500，σ2=0.02，选分值高的前50个基因作为特征基因，此时的分类准确率已达到100%，则该50个基因已经具备了完整的分类信息。接下来对这50个特征基因中可能存在的冗余基因进行剔除。本文采用空间距离和功能距离组成的新距离作为相似性度量的标准，当距离小于给定的阈值时，就认为它们是共表达的。图2给出了不同阈值对选择基因分类性能的影响。

图片

图2 阈值对基因选择的影响

由图2可知，对于不同的基因数目g在阈值(│摹(0.8, 0.9))的范围内基本都达到最高的准确率，这说明阈值过高或过低都不能得到最好的基因选择结果。当阈值δ=0.85时，得到对原始样本分类准确率保持100%的最小基因数，因此，去冗余分析后最终得到32个分类特征基因。

6 结语

针对中国地鼠基因表达谱数据的特点，设计了一种分类特征基因选取的方法。该方法首先进行了特征基因的预选；然后利用改进的FDR基因特征计分准则对特征基因进行初选；最后采用由空间距离和功能距离组成的新距离作为相似性度量的标准进行冗余基因剔除。本文在特征基因选取的各阶段，均采用支持向量机作为分类器来检验选取的特征基因的分类能力，并以能正确分类作为标准选取最小特征基因数。实验表明，该方法选取的特征基因对中国地鼠的分类正确率达到100%，并满足了对中国地鼠正确分类的最小基因数。

げ慰嘉南:

［1］

宋国华, 岳文斌, 刘田福.中国地鼠线粒体Cyt b基因测序及其分子进化［J］.中国实验动物学报, 2008, 16(2): 142-147.

［2］

VALENTINI G, DIETTERICH T G. Biasvariance analysis of support vector machines for the development of SVM based ensemble methods［J］. Journal of Machine Learning Research, 2004, 5(12): 725-775.

［3］

李颖新, 阮晓钢.基于支持向量机的肿瘤亚型分类特征基因选取［J］.计算机研究与发展, 2005, 42(10): 1796-1801.

［4］

MIKA S, RATSCH G, WESTON J, et al. Fisher discriminant analysis with kernels［C］// IEEE Signal Processing Society Workshop of Neural Networks for Signal Processing IX. Washington, DC: IEEE Computer Society, 1999: 41-48.

［5］

李泽,包雷,黄英武,等.基于基因表达谱的肿瘤分型和特征基因的选取［J］.生物物理学报, 2002, 18(4): 413-417.

［6］

黄德双.基因表达谱数据挖掘方法研究［M］.北京：科学出版社, 2009.

［7］

RUIZ A, LOPEZdeTERUEL P E. Nonlinear kernelbased statistical pattern analysis［J］. IEEE Transactions on Neural Networks, 2001, 12(1): 16-32.

［8］

VAPNIK V N. Statistical learning theroy［M］. New York: Wiley Interscience, 1998.

［9］

SOLLICH P. Bayesian methods for support vector machines: Evidence and predictive class probabilities［J］. Machine Learning, 2002, 46(1-3): 21-52.

［10］

KEERTHI S S, SHEVADE S K, BHATTACHARYYA C. A fast iterative nearest point algorithm for support vector machine classifier design［J］. IEEE Transactions on Neural Networks, 2000, 11(1): 124-136.

［11］

WILLIAMSON R C, SMOLA A J, SCHOLKOPF B. Generalization performance of regularization networks and support vector machines via entropy numbers of compact operators［J］. IEEE Transactions on Information Theory, 2001, 47(6): 2516-2532.

生物基本特征范文第9篇

关键词：身份鉴别；人体生物特征；发展趋势

1． 引言

信息化高速发展的一大特征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得一个关键性社会问题。生物特征身份鉴别技术是身份鉴别领域的一个研究热点。生物特征识别技术是指利用人体固有的生理特征或行为特征来进行个人身份鉴别认证的技术。生物特征识别技术包括采用人体固有的生理特征（如人脸、指纹、虹膜、静脉、视网膜）进行的身份认证技术和利用后天形成的行为特征（如签名、笔迹、声音、步态）进行的身份认证技术。与传统的身份鉴定手段相比，基于生物特征识别的身份鉴定技术具有如下优点：（1）不会遗忘或丢失；（2）防伪性能好，不易伪造或被盗；（3）“随身携带”，随时随地可用。正是由于生物特征身份识别认证具有上述优点，基于生物特征的身份识别认证技术受到了各国的极大重视。

2.  生物特征识别技术的现状及发展趋势

目前，常用的生物特征识别技术所用的生物特征有基于生理特征的如视网膜、人脸、指纹、虹膜，也有基于行为特征的如笔迹、声音等。下面就这些常见的生物特征识别技术的特点及其发展趋势进行讨论研究。

2.1．视网膜识别

人体的血管纹路也是具有独特性的，人的视网膜表面血管得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，即视网膜四层细胞得最远处。如果视网膜不被损伤，从三岁起就会终身不变，如同虹膜识别技术一样，视网膜扫描可能具有最可靠，最值得信赖得生物识别技术，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得唯一性。

视网膜技术的优点：视网膜是一种及其固定得生物特征，因为它是隐藏的，故而不易磨损，老化；非接触性得；视网膜是不可见得，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。

2.2.人脸识别

人脸识别作为一种基于生理特征的身份认证技术，与目前广泛应用的以密码、IC卡为媒

介的传统身份认证技术相比，具有不易伪造、不易窃取、不会遗忘的特点；而人脸识别与指纹、虹膜、掌纹识别等生理特征识别技术相比，具有非侵犯性、采集方便等特点。因而人脸识别是一种非常自然、友好的生物特征识别认证技术。

人脸识别技术包括图像或视频中进行人脸检测、从检测出的人脸中定位眼睛位置、然后提取人脸特征、最后进行人脸比对等一系列相关的技术。

为了评测基于面部图像的人脸识别算法的性能。美国ARPA和ARL于1993年至1996年建立了FERET数据库，用于评测当时的人脸识别算法的性能。共举行了三次测试FERET94、FERET95、FERET96。FERET测试的结果指出，光照、姿态和年龄变化会严重影响人脸识别的性能。

FERET的测试结果也表明了基于面部图像的方法的缺点。人脸是一个三维非刚体，具有姿态、表情等变化，人脸图像采集过程中易受到光照、背景、采集设备的影响。这些影响会

降低人脸识别的性能。

为了克服姿态变化对人脸识别性能的影响，也为了进一步提高人脸识别性能，20世纪90年代后期，一些研究者开始采用基于3D的人脸识别算法。这些算法有的本身就采用三维描述人脸，有的则用二维图像建立三维模型，并利用三维模型生成各种光照、姿态下的合成图像，利用这些合成图像进行人脸识别。2000年后，人脸识别算法逐渐成熟，出现了商用的人脸识别系统。为了评测这些商用系统的性能，也作为FERET测试的延续，美国有关机构组织了FRVT2000、FRVT2002、FRVT2006测试。测试结果表明，人脸识别错误率在FRVT2006上下降了至少一个数量级，这种性能的提升在基于图像的人脸识别算法和基于三维的人脸识别算法上都得到体现。此外，在可控环境下，虹膜、静态人脸和三维人脸识别技术的性能是相当的。此外，FRVT2006还展现了不同光照条件下人脸识别性能的显著提高，最后，FRVT2006表明人脸自动识别的性能优于人。值得一提的是，清华大学电子工程系作为国内唯一参加FRVT2006的评测的学术机构，其人脸自动识别性能优于人类。FRVT2006为人脸识别后续的研究指明了方向，人脸识别中光照、年龄变化依然对人脸识别性能有很大影响，二维人脸识别的性能不比三维人脸识别差。

人脸识别得优点：非接触性的。缺点是：要是比较高级得摄像头才也有效地扑捉面部图像；使用者面部的位置与周围得光环境都可能影响系统的精确性，而且面部识别容易受欺骗；

对于采集图像的设备会比其他技术昂贵得多。

2.2. 指纹识别

指纹识别技术是指通过比较不同人指纹中的特征点不同来区分不同人的身份。指纹识别技术通常由三个部分组成：对指纹图像进行预处理；提取特征值，并形成特征值模板；指纹特征值比对。指纹图像预处理的目的是为了减少噪声干扰的影响，以便有效提取指纹特征值。常用的预处理方法有图像增强、图像平滑、二值化、图像细化等。

特征提取的目的就是从预处理后的指纹图像中，提取出能够表达该指纹图像与众不同的特征点的过程。最初特征提取是基于图像的，从图像整体中提取出特征进行比较，但该方法的精度和性能较低。现在一般采用基于特征点的方法，从图像中提取反应指纹特性的全局特征（如纹形、模式区、核心区、三角点、纹数等）和局部特征（如终结点、分叉点、分歧点、孤立点、环点等）。得到特征点后就可以对特征点进行编码形成特征值模板。指纹特征值比对就是把当前获得的指纹特征值与存储的指纹特征值模板进行匹配，并给出相似度的过程。

    指纹识别的优点:技术相对成熟；成本较低。缺点是：具有侵犯性；指纹易磨损，手指太干或太湿不易提取图像。

2.3. 虹膜识别

虹膜相对而言是一个较新的生物特征。1983年，Flom与Safir申请了虹膜识别专利保护，使得虹膜识别方面的研究很少。1993年，Daugman发表了关于虹膜自动识别算法的开创性工作，奠定了世界上首个商业虹膜自动识别系统的基础。随着Flom和Safir专利在2005年的失效和CASIA及ICE2005中虹膜数据集的提供，虹膜识别算法的研究越来越蓬勃。I CE2006首次对虹膜识别算法性能进行了测试。虹膜识别中需要解决如下两个难点问题：一是虹膜图像的获取，二是实现高性能的虹膜识别算法。

3.  结论

本文讨论了一些常用的生物特征识别技术的技术特点及发展趋势。随着各国对生物特征识别技术的越来越重视，生物特征识别技术必将获得更快的发展。

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]杨俊，景疆.浅谈生物认证技术——指纹识别[J].计算机时代，2004,(3）.

[3]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）.

生物基本特征范文第10篇

【关键词】植物识别 图片辅助模糊识别 关键字匹配 植物信息检索APP

一、研究背景

1.1国内外植物识别技术概述

植物识别是植物学研究基础技术之一，在此前已有相关人士基于分形特征对植物进行相关的识别。传统的植物识别主要通过人工采样和对比，需要耗费大量的人力物力，效率低下，且无法在艰苦环境作业，也难以大面积实施。目前为止最主要的植物识别方法是基于计算机图像的识别以及人工查阅植物检索表根据特征进行识别。

借助计算机的图像处理技术可以完成植物的外观特征的分析，通过提取大量数据特征进行聚类分析获得结果，在国内，黄得发了农业生物特征识别系统一植物叶片识别系统（BSA-RSPL），他提出了一种基于图像分析及数字形态特征的植物分类识别方法。同时，也有专业人士采用计算机模式识别方法，即在一定量度或观测基础上把待识模式划分到各自的模式类中去，主要是利用计算机等装置对物体、图像、图形、语音、字形等信息进行自动识别，即用计算机实现人的模式识别能力。但通过图片识别植物的方法受到叶片状态，叶子新鲜程度，叶片受损程度等多方面因素影响，另外根据算法的不同，采用计算机技术进行图形研究的误差，并不能可靠的识别植物种属。

另外一种植物识别技术是通过手动翻阅查询植物检索表等书籍来进行植物识别，这也是最常见且使用最为广泛的植物识别方式，检索表的编制最早是根据法国人拉马克（Lamarck，1744-1829）的二歧分类原则，将要编制的检索表中需容纳的所有植物，选用一对以上显著不同的特征，分成两类；然后又从每类中再找出相对的特征再区分为两类；如此下去，直到所需要的分类单位（如科、属、种等）出现。它一般是以花、果、叶等生殖器官特征为检索依据，因其特征表现稳定，检索结果准确可靠。该识别方式往往需要使用者积累一定的植物知识，有较高的植物识别认知能力，对检索表查询方式足够熟练才可使用，而对于普通植物爱好者而言，对植物检索知识的欠缺和携带书籍的不便给植物识别带来了较大的困难。

目前电子的植物检索表以及相关电子植物识别资源处于起步阶段，植物特征的繁杂以及多样性为未知植物的检索和识别产生了很大困难，目前基于植物特征识别的方法还停留在手动书籍查阅识别，计算机图像识别，以及大数据库分类识别等方面，植物识别方面迫切需要一个简单便捷的识别工具来替代现有植物识别方法。

1、移动平台概述

采用安卓APP开发技术，以Eclipse为开发平台，基于JAVA环境，开发出简便易行，易于操作的植物模糊识别APP。安卓操作系统具有完全的开放性以及系统可移植性，安卓的JAVA程序运行环境，它的可靠性和安全性都较好，它可以保证编译器能够发现方法并调用错误、杜绝了内存的非法访问；在JRE之上运行Eclipse，然后在Eclipse中安装一个名为ADT的安卓开发工具插件，接着就可以使用SDK进行安卓应用开发了。

我们使用安卓自带的SQlite数据库进行数据的存储，将植物划分为大类，每类建立一个数据库表，每种植物对应一

因此，临床开展肝脏抗病毒感染，需重点视患者的年龄及病程的增加而可作为判断患者肝脏炎症水平的重要指标。对临床放弃行肝脏穿刺患者可将其ALT、年龄（P

2、基于植物特征识别的APP客户端开发的意义

经人们研究发现，在任何时间，植物特征之间的差异性使植物成为更独立的个体，这使得根据植物特征进行植物的识别成为了可能，将植物特征字符串化优势在于可以有效克服信息的冗余性，数据库应用技术可以对植物特征进行查询和选择，结合相应的数据库查找和字符串匹配算法，进行植物特征的查询和分类，字符串匹配算法对性能要求较高，植物特征在小样本情况下，通过不同字符进行组合，实现有序的字符串，采用精确，多模式字符串匹配进行研究，使用通俗易懂的字符串来概括植物的特征，用计算机执行字符串匹配功能来代替繁琐的植物检索表查询，该方法在植物识别领域上做出了一个跨越式的进步。同时将植物种类按照树形结构排列，运用数据结构中树的查找算法，并结合图片辅助更直观更清楚地观察植物的器官和特征，从而完成对未知植物的识别。

二、北京市园林植物志APP项目概述

2.1 APP概述

本项目旨在开发一种通过选择植物外在特征进行植物识别的手机移动应用软件，从而使非专业者能够更加简单的认识身边植物，最终通过APP呈现出来的、为本地植物建立系统的查询网络。当使用者想要获取陌生植物的基本信息时，通过进入该特征识别app界面，并选择其植物特征，通过专业、非专业（植物分类）物种型态描述术语，来确定身边的未知植物，对相应植物有详细介绍，如叶片形状，齿纹等，通过多步骤选择特征最终识别出该植物。使软件筛选出符合要求的植物并显示各自图片，通过比较图片，让使用者得知自己看到的植物的基本信息。并设计易用友好的APP及其UI，使得该app兼容于各种类型移动终端。建立本地植物的数据库，鉴于植物具有地区性，我们将以北京地区植物为先例，日后进一步扩大到华北、华东，直至全国。

一方面，这个软件可以为学习植物的广大学生提供一个认知身边植物的良好平台；另一方面，随着构建“美丽中国”的提出，国家更加重视园林建设，人民的生活与园林植物的距离也越来越小，对植物的认知有一定的需求，此移动软件可以随时随地让人们了解自己身边的植物。

2.2研究对象

APP所选的植物，主要有常绿乔木，落叶乔木，常绿灌木，落叶灌木以及落叶藤本等五类。这是根据北京市主要园林植物识别手册进行筛选分类的，从其中筛选出较为常见和特征明显的大致30种植物作为样本，对花期，果期等进行详细总结。根据其在北京地区的常见程度及特征识别难易，我们选取了北京地区公园，校园，及开放空间等园林绿化最常用的植物，如：白皮松，银杏，悬铃木，国槐，榆叶梅，连翘，棣棠等。

2.3分类依据

APP所选的植物拥有2～3处明显特征，便于检索，使得检索的正确性得到提高（这是植物检索最基本的一步，其他较难分辨树种，我们将在后期将其完善）。并根据从整体到局部，从大类到小类的方法进行划分。整理出树冠，树干树皮，树枝，叶，花，果实等方面的特征，再逐一细分；其中以叶片特征最为繁杂，叶片特征主要分为叶片着生方式、叶片形状、叶脉、叶色、叶基、叶柄、气孔带和气孔线、叶枕、叶厚，叶硬度、横断面、叶子长度、叶子粗细度、几针几束、叶缘、叶端、叶背、叶表、质地等分类。将植物的特征详细的分类并按照一定的数据结构填充到数据库中，并对植物的特殊特征加以标，注这些特征可以唯一确定一种植物，这使得数据库冗余性大大降低。植物特征的整理是和实地的考察检验相结合，通过对实地植物特征的拍照与观察，查阅相关资料，根据表现稳定，性状明显的特征进行整理，有效提高了识别结果的可信度。

三、北京市园林植物志APP客户端设计方案

3.1需求分析

APP主要面向园林，林学，植物学专业的同学以及其他对植物认知有兴趣的人群，满足他们对植物认知搜索识别方面的需求。

3.2信息架构

APP的基本架构是数据层，业务层以及表现层。数据层数据以SQLite录入，汇集乔木，灌木，藤本表；同时录入每种植物所对应的特征和局部或整体图片。业务层采用简单SQL语句查询每条植物记录，并输出。表现层显示查询出的植物部分或整体图片，供使用者筛选。

APP的主要功能为植物检索，植物识别，用户管理这三个主要功能，植物检索是根据植物中文名或拉丁文名检索植物相关信息并显示；植物识别依据用户所选择的特征与图片观察相结合方法辨识一种未知植物；用户管理功能主要显示用户浏览记录，所掌握的植物信息以及相关科普网站推荐。

2.最终效果演示

（图6―10）

生物基本特征范文第11篇

关键词：会计信息质量特征 会计信息质量要求 会计理论 哲学思想

一、“会计信息质量特征”与“会计信息质量要求”的关系

（一）“会计信息质量”的内涵从某种意义上讲，会计信息就是会计主体的一种“产品”。而作为产品，其质量越高对消费者的影响就越大（林钟高，2001）。会计信息也有质量，即会计信息质量，它对会计信息使用者的意义就如同产品对消费者一样重要。尽管中文语义学中关于质量的定义与国际标准化组织（ISO）的定义有一定的区别，但它们在本质上是一致的，质量就是指产品或工作等的优劣好差程度。人们都称赞、认同优质产品或工作，如 “美好的东西在质不在量”（伊索）；“宁肯少些，但要好些”（列宁）等。因为优质产品或工作能更好地满足人们现实和潜在的需求，而关于质量的反面教材或许更值得人们深思，如2008年的“三鹿”奶粉事件，发人深省。既然质量是指产品或工作的优劣好差程度，那么“会计信息质量”可以理解为会计信息的优劣好差程度。事实上，会计信息的质量越优，对会计信息使用者进行决策的影响就越大，随之会计信息使用者也就越多，财务会计报告的目标也才能较好地得以实现。而低劣质量的会计信息就算提供了，其用途对会计信息使用者来说并不明显，甚至这样的会计信息提供得越多越有害，要实现财务会计报告的目标就更不可能了。

（二）会计信息质量要求与会计信息特征的关系 2006年，新的《企业会计准则――基本准则》（以下简称为“新基本准则”）中的第二章标题为“会计信息质量要求”，而会计专家和学者一般将其说成 “会计信息质量特征”。对于“会计信息质量要求”，《2010年度注册会计师全国统一考试辅导教材――会计》（以下简称“《2010年注会教材》”）认为，会计信息质量要求是对企业财务报告（财务会计报告）中所提供会计信息质量的基本要求，是使财务报告（财务会计报告）中所提供会计信息对投资者等使用者决策有用应具备的基本特征。对于“会计信息质量特征”，葛家澍（2003）认为，会计信息质量特征就是对会计信息应具有的质量标准所做的具体描述或要求，也是对会计信息质量进行评判的最一般和最基本的依据，它具体了会计信息为实现会计目标应具备的质量规定。吴水澎（2000）认为，会计信息质量特征就是会计信息所应达到或满足的基本质量要求，它是会计系统为达到会计目标而对会计信息的约束。陈国辉（2007）认为，会计信息质量特征，顾名思义就是会计信息所应达到或满足的基本要求。上述论述可知，会计信息质量特征中的“特征”似没有中文语义学中“特征”的基本含义，因为中文语义学中的“特征”主要是指反映一个（种）事物特点的标志。如果仔细对比上述两段“会计信息质量特征”与“会计信息质量要求”的有关概念，就会发现“会计信息质量特征”和“会计信息质量要求”这两个概念常互相以“要求”和“特征”作为解释语，即“会计信息质量特征是……的要求”或 “会计信息质量要求是……的特征”，可见两者本质上没有区别。

（三）“会计信息质量要求”在我国的发展趋势就“会计信息质量特征”和“会计信息质量要求”这两个名称而言，后者顾名思义的效果要容易一些，因为如果按照“特征”的中文语义学上的含义来推论，会计信息质量特征应该是指反映会计信息质量特点的标志，然而推论的解释反而有些晦涩难懂。新基本准则和《2010年注会教材》采用“会计信息质量要求”这一提法便于理解，对会计初学者和部分会计信息使用者尤其如此，有可能成为趋势。因此，我国考虑到会计初学者入门的方便，面对初学者的基础会计类教材应采用“会计信息质量要求”这一名称，尽量不采用从国外引入的“会计信息质量特征”这种名称。但鉴于“会计信息质量特征”已经成为许多会计专家和学者约定俗成的名词，会计理论类专著和教材几乎均用这一名词，并且美国、英国、国际会计准则委员会等也采用类似术语，如美国采用“会计信息的质量特征”、国际会计准则委员会采用“财务报表的质量特征”、英国采用“财务信息的质量特征”，虽名称不同但意思基本相同。为了说明有关问题，所以本文仍暂时采用了“会计信息质量特征”这一提法。

二、会计信息质量特征所蕴含或引申的哲学思想探讨

（一）可靠性 依据新基本准则第十二条：企业应当以实际发生的交易或者事项为依据进行会计确认、计量、记录和报告，如实反映符合确认和计量要求的各项会计要素（会计报表要素）及其他相关信息，保证会计信息真实可靠、内容完整。可靠性所蕴含或引申的哲学思想有以下方面。（1）物质是第一性的，意识是第二性的。世界的本原是物质。物质决定意识，意识是物质发展的产物和人脑对物质的反映。（2）坚持一切从实际出发和理论联系实际，是要达到实事求是。实事求是是指从实际对象出发，探求事物的内部联系及其发展的规律性，认识事物的本质。实事求是是辩证唯物主义和历史唯物主义的基本原理的集中体现和高度概括，是马克思主义的精髓。（3）《2010年注会教材》在阐述可靠性时指出，包括在财务会计报告中的会计信息应当是中立的、无偏的。如果企业在财务会计报告中为了达到事先设定的结果或效果，通过选择或列示有关会计信息以影响决策和判断的，这样的财务会计报告信息就不是中立的。这说明要按照客观世界的本来面目认识世界而不附加任何外部的主观成分。

（二）相关性 依据新基本准则第十三条：企业提供的会计信息应当与财务会计报告使用者的经济决策需要相关，有助于财务会计报告使用者对企业过去、现在或者未来的情况作出评价或者预测。相关性所蕴含或引申的哲学思想表现在以下方面。（1）世界是普遍联系的。联系的观点是唯物辩证法的总特征之一。联系是指一切事物、现象之间及事物内部诸要素之间的相互依赖、相互制约、相互影响、相互作用。（2）事物的联系具有客观性、普遍性、多样性和条件性。人们要善于分析事物的具体联系，确立整体性、开放性观念，从动态中考察事物的普遍联系。（3）《2010年注会教材》在阐述相关性时指出，相关的会计信息应当能够有助于会计信息使用者评价企业过去的决策，证实或者修正过去的有关预测，因而具有反馈价值。相关的会计信息还应当具有预测价值，有助于会计信息使用者根据财务会计报告所提供的会计信息，预测企业未来的财务状况、经营成果和现金流量。这说明人能够进行抽象思维，透过事物的表面现象，把握事物的本质及其规律。意识既有对当前的反映，又有对过去的追溯和对未来的预测。

（三）可理解性 依据新基本准则第十四条：企业提供的会计信息应当清晰明了，便于财务会计报告使用者理解和使用。可理解性所蕴含或引申的哲学思想体现为以下方面。（1）客体的特性制约着主体的认识。于海江（1999）认为，人类的生活来源取之于自然界客体，而且人类本身就是自然界长期发展进化的结果。人类的认识活动从根本上说也是来自于自然界，回归于自然界的。（2）真理、认识、信息等都不是完全绝对的，而是绝对和相对的统一。没有绝对的清晰明了，只有相对的清晰明了。（3）《2010年注会教材》在阐述可理解性时指出，会计信息毕竟是一种专业性较强的信息产品，在强调会计信息的可理解性要求的同时，还应假定会计信息使用者具有一定的有关企业经营活动和会计方面的知识，并且愿意付出努力去研究这些信息。这说明主体自身的条件也制约着认识。认识不仅受主体的肉体状况制约，而且受主体的精神状况制约。主体条件对认识的影响作用表明，提高主体的素质，对于提高认识能力和认识水平具有十分重要的意义。（4）为了更好地认识客观规律，按客观规律办事，必须发挥主观能动性。客观规律是隐藏在事物内部的本质的必然联系，要认识它并不是轻而易举的。在实践中按客观规律办事也不是一帆风顺，总要克服各种各样的困难和阻力。不论是认识客观规律，还是利用客观规律去改造世界都需要充分发挥主观能动性。

（四）可比性 新基本准则要求企业提供的会计信息应当具有可比性。同一企业不同时期发生的相同或相似的交易或者事项，应当采用一致的会计政策，不得随意变更。不同企业发生的相同或者相似的交易或者事项，应当采用规定的会计政策，确保会计信息口径一致、相互可比。可比性所蕴含或引申的哲学思想体现在以下方面。（1）形式逻辑要求人们在同一思维过程中，对同一事物不能同时既肯定它又否定它，不能既肯定它是这个的同时又肯定它是那个，思想必须保持前后一致，否则就要犯自相矛盾的逻辑错误。（2）逻辑矛盾亦称“自相矛盾”，是指同一个主体作出的互相矛盾或互相反对的判断。逻辑矛盾是一种思想上的矛盾，是思想混乱的表现，是违反思维规则的结果，是思维发展的障碍。（3）矛盾不仅普遍存在，而且同类事物、系统或过程的矛盾有其相同性，即共性。共性存在于个性之中。（4）时间是物质运动过程的持续性、顺序性，是物质运动过程的顺序更替和前后联系的表现。（5）满足会计信息的可比性要求，并非表明企业不得变更会计政策，如果按照规定或者在会计政策变更后可以提供更可靠、更相关的会计信息，可以变更会计政策。这说明人们在做事、想问题时，要根据事情的不同情况采取不同措施，不能一概而论。

（五）实质重于形式依据新基本准则第十六条：企业应当按照交易或者事项的经济实质进行会计确认、计量、记录和报告，不应仅以交易或者事项的法律形式为依据。实质重于形式所蕴含或引申的哲学思想体现在以下方面。（1）“实质”与“形式”并不是一对哲学范畴。“形式”是哲学专用术语，但“实质”不是，“实质”的同义词“本质”才是。然而，“本质”是与“现象”相对应的，而“现象”不等于“形式”，“本质”与“形式”也不是一对哲学范畴。“形式”是与“内容”相对应的，如果“内容”与“实质”或“本质”密切相关，才便于发现“实质”与“形式”的关系。（2）根据《辞海》与《现代汉语词典》对“实质”、“本质”和“内容”的解释，“实质”与“本质”是“孪生兄弟”，几乎可以通用，只不过“本质”属于哲学范畴。“实质”与“本质”密切相关。《现代汉语词典》对“内容”的解释是事物内部所含的实质或存在的情况。其出现了“实质”一词，可见“实质”与“内容”有千丝万缕的联系。当然，“实质”与“内容”之间关系的密切程度要弱于“实质”与“本质”。归根到底，“实质”、“本质”、“内容”并无多大差别，三者在一定程度上均反映了事物本身所固有的，决定事物性质、面貌和发展的根本属性。（3）从哲学视角看，“内容”决定“形式”，“形式”反作用于“内容”。总的说来，“内容”居于主要的、决定的地位。一个事物具有这样或那样的“形式”，归根到底只能由“内容”来说明；而“内容”的变化决定着“形式”迟早也要跟着发生相应的变化。也就是说， “内容”比“形式”更为重要，即“内容重于形式”。

（六）重要性 依据新基本准则第十七条：企业提供的会计信息应当反映与企业财务状况、经营成果和现金流量等有关的所有重要交易或者事项。重要性所蕴含或引申的哲学思想体现在以下方面。（1）矛盾存在于一切事物中，并且贯穿于事物发展过程的始终。在复杂事物自身包含的多种矛盾中，每种矛盾所处的地位对事物发展所起的作用是不同的，总有主次、轻重之分，其中必有一种矛盾与其它诸种矛盾相比较而言，处于支配地位，对事物发展起决定作用，这种矛盾就叫做主要矛盾。（2）人们在观察和处理任何事物或过程的诸种矛盾时，必须善于以主要精力从多种矛盾中找出和抓住主要矛盾，提出主要的任务，从而掌握工作的中心环节。抓住了主要矛盾，就抓住了解决问题的关键，就为解决其他矛盾创造了根本条件。

（七）谨慎性 依据新基本准则第十八条：企业对交易或者事项进行会计确认、计量、记录和报告应当保持应有的谨慎，不应高估资产或收益及低估负债或费用。谨慎性所蕴含或引申的哲学思想体现在以下方面。（1）现实性与可能性是对立统一的关系。现实性是指已经产生出来的有内在根据，合乎必然性的存在。可能性是事物发展过程中所包含的预示事物发展前途的趋势。把握这一对范畴的方法论意义，就要求人们立足现实，展望未来，注意分析事物发展的各种可能，发挥主观能动性，做好应对不利情况的准备，争取实现好的可能。（2）《2010年注会教材》在阐述谨慎性时指出，在市场经济环境下，企业的生产经营活动面临着许多风险和不确定性，如应收款项的可收回性、固定资产的使用寿命、无形资产的使用寿命、售出存货可能发生的退货或者返修等。这说明首先，物质是运动、变化和发展的。恩格斯指出，运动就被理解为存在的方式与被理解为物质的固有属性来说，它包括宇宙中发生的一切变化和过程。其次，风险和不确定性是客观存在的。袁初明（2009）认为，从哲学的角度来看，风险是自然、社会自身因素或人类行为在时间和空间维度上可能引发的对人类具有不确定性的负面后果。不确定性有些是事物本身具有的属性，有些则是由于人类认识能力不足而造成的行为后果的不可预知性，可以把不确定性分为本体论不确定性和认识论不确定性。应树立风险意识，研究风险规律，提高驾驭风险的能力。

（八）及时性依据新基本准则第十九条：企业对于已经发生的交易或者事项，应当及时进行会计确认、计量、记录和报告，不得提前或者延后。及时性所蕴含或引申的哲学思想体现在以下方面。（1）物质的存在及其运动都具有一定的空间和时间。时间是物质运动过程的持续性、顺序性，是物质运动过程的顺序更替和前后联系的表现。（2）时间是一维的。它总是朝着由过去、现在和将来的一个方向流逝。时间的这种一去不复返性，即不可逆性，是由事物发展过程绝对不会重复的性质决定的。（3）时间的客观性，是指时间不依赖于人们的意识而客观存在。时间的客观性，要求做任何工作，都不能不考虑时间问题。（4）及时就是抓紧时间和时机，只有及时才能把握机会，满足相关需要。及时的核心在于把握“时”，“时”总是与具体的实践相联系。

三、会计信息质量特征完善策略分析

（一）构建财务会计概念框架，明确会计信息质量特征地位 FASB、IASC和ASB等对会计信息质量的要求都是以财务会计概念框架的形式出现的，而我国目前还没有建立明确的财务会计概念框架。由于会计信息质量特征是财务会计概念框架的重要组成部分，担当着承上启下的角色，上述问题不解决将会严重影响我国会计信息质量特征的地位与作用。会计理论界已经认识到建立我国财务会计概念框架以及完善会计信息质量特征体系的重要性和紧迫性。应继续加快构建财务会计概念框架，逐步取代现行的企业会计准则。要在财务会计概念框架中，明确会计信息质量特征的地位，将其作为一项重要的内容独立成章，并阐明会计信息质量特征与会计目标以及实现该目标的各种手段之间的关系。葛家澍（2009）认为，一旦离开会计信息质量特征，会计目标是难以完成运行的主要作用的。所以，在概念框架中最重要的概念是目标，仅次于目标的是会计的一系列信息质量特征。

（二）建设会计信息质量特征体系，改善会计信息质量现状从内容上看，目前我国会计信息质量特征已经比较丰富，在数量上与国外有关国家或组织已经相差无几。但从形式上看，显然与国外有关国家或组织有一定差距。如我国会计信息质量特征缺乏层次，没有对首要特征、主要特征、次要特征等进行说明，这给会计工作者和会计信息使用者带来操作上的不便。有人会认为，我国会计信息质量特征列在前面的是首要特征或主要特征，排在后面的是次要特征，这种说法虽然有一定道理，但仍然不能说清具体的首要特征与次要特征，以及它们之间的关系等问题。因此，应在充分学习和借鉴国外有关国家或组织已有经验的基础上，注意会计国际化与本土化的有机融合，利用和发挥后发优势，构建立足我国国情的会计信息质量特征体系。要明确首要特征、主要特征、次要特征、限制因素等及其它们之间的关系，使企业有章可循且便于操作。并且，不仅应关注会计信息内容的质量特征，而且要考虑会计信息披露的质量特征，为改善我国会计信息质量的现状作出贡献。随着会计改革的不断深入，我国会计信息质量特征体系将更加成熟和完善。

*本文系江苏省2009年度优秀研究生课程《会计理论》建设基金（项目编号：苏教研（2009）10号文（编号：17））；江苏省现代教育技术研究“十一五”规划课题 “信息化条件下特色专业建设的理论与实践研究”（项目编号：2009－R－13557）和“基于企业信息化的成本会计学精品课程建设理论与实践研究”（项目编号：2010－R－17298）；江苏省高等教育教改立项研究课题“信息化条件下工科院校会计特色专业建设的理论与实践研究”（项目编号：苏教高（2009）27号文（编号：126））；江苏科技大学研究生教育教学改革研究与实践项目立项课题“工科院校研究生《会计理论》特色教材建设的理论与实践研究”（项目编号：104080301）的阶段性成果

参考文献：

［1］上海市高校《马克思主义哲学基本原理》编写组：《马克思主义哲学基本原理（第6版）》，上海人民出版社1980年版。

［2］本书编写组：《马克思主义哲学基本原理概论（2009年修订版）》，高等教育出版社2009年版。

［3］于海江：《客体的定义及其特征》，《江西社会科学》1999年第1期。

［4］袁初明：《发展风险的哲学审视》，《中共中央党校博士学位论文》2009年。

［5］林钟高：《会计信息价值论》，东北财经大学出版社2001年版。

［6］葛家澎、刘峰：《会计理论――关于财务会计概念结构的研究》，中国财政经济出版社2003年版。

［7］吴水澎：《中国会计理论研究》，中国财政经济出版社2000年版。

生物基本特征范文第12篇

[关键词] 生物特征识别 数字签名 电子商务 身份安全认证

一、引言

在电子商务应用日益广泛的今天，从某种角度看，身份认证技术可能比信息加密本身更加重要。它是网络安全和信息系统安全的第一道屏障，是在信息安全时代备受关注的一个研究领域。

目前的应用主要是以“用户ID+口令＋数字证书”来进行用户的身份认证。从根本上说这种身份认证不能解决访问者的物理身份和电子身份的一致性问题，即无法确认通过身份认证的访问者即获授权者。

启发于人的身体特征具有不可复制的特点，人们开始把目光转向了生物识别技术。人的指纹、虹膜、视网膜等都具有惟一性和稳定性的特征，为实现更安全、方便的用户身份认证提供了有利的物理条件。

用户最关注的问题是因特网的网络安全性和保密性。保障网络中数据传输的安全性通常需要借助信息安全功能来实现。在开放系统中对具有重要价值的信息或私密信息进行通信时，可使用数字签名等密码技术进行加密。

生物识别技术代表着用户身份认证技术的未来，有着广阔的应用前景。如果将生物特征识别技术和数字签名技术有机地结合在一起，可以提供一种更加安全、便捷的用户身份认证技术。

二、生物特征识别技术

生物特征识别技术是通过计算机与光学、声学传感器和生物统计学原理等高科技手段结合，利用人体固有的生理特性来进行个人身份的鉴定。其核心在于如何获取这些生物特征，并将之转换为数字信息，存储于计算机中，利用可靠的匹配算法来完成验证与识别个人身份的过程。

1.指纹识别――成熟的身份认证技术

在网络环境下的身份认证系统中，应用指纹作为身份确认依据是理想的。

第一，理论上，每个人的指纹是独一无二的。

第二，指纹样本便于获取，易于开发识别系统，实用性强。

第三，指纹识别中使用的模板而是由指纹图中提取的关键特征，使系统对模板库的存储量较小。也可以大大减少网络传输的负担，便于支持网络功能。

第四，指纹识别是生物特征识别中研究最早、技术最成熟、应用最广泛的技术，有着坚实的市场后盾。

指纹识别具有很高的实用性、可行性。随着固体传感器技术的发展。指纹传感器的价格正逐渐下降，在许多应用中基于指纹的生物认证系统的成本是可以承受的。

指纹识别原理和过程如下：首先，通过指纹读取设备读取到人体指纹图像，并对原始图像进行初步的处理，使之更清晰。然后，指纹辨识算法建立指纹的数字表示――特征数据。特征文件存储从指纹上找到被称为“细节点”(minutiae)的数据点，也就是那些指纹纹路的分叉点或末梢点。这些数据称为模板（至今仍然没有一种模板的标准，也没有一种标准的抽象算法，各厂商自行其是）。最后，通过计算机把两个指纹的模板进行比较，计算出它们的相似程度，得到两个指纹的匹配结果。

2.虹膜和视网膜――更准确、更可靠的身份认证技术

虹膜是一种在眼睛中瞳孔内的织物状各色环状物，每一个虹膜都包含一个独一无二的基于像冠、水晶体、细丝、斑点、结构、凹点、射线、皱纹和条纹等特征的结构。世界上两个指纹相同的几率为1/109，而两个虹膜图像相同的几率是1/1011，虹膜在人的一生中均保持稳定不变。因此，利用虹膜来识别身份能够成为独一无二的标识，其可靠性超过了指纹识别。

从直径11mm的虹膜上，Dr. Daugman的算法用3.4个字节的数据来代表每平方毫米的虹膜信息，一个虹膜约有266个量化特征点，而指纹识别技术只有40多个特征点。266个量化特征点的虹膜识别算法在众多虹膜识别技术资料中都有讲述，在算法和人类眼部特征允许的情况下，Dr. Daugman指出，通过他的算法可获得173个二进制自由度的独立特征点。这在生物识别技术中，所获得特征点的数量是相当大的。

关于虹膜的特征提取方面较有成效的主要有Daugman的利用多分辨率Gabor滤波器提取虹膜纹理的相位信息；Wildes的基于4种不同决策标准的拉普拉斯金字塔提取虹膜纹理特征；Boles和Boashash的基于小波变换过零检测虹膜识别算法以及中科院采用Gabor滤波和aubechies-4小波变换相结合的纹理分析方法。

虹膜技术上有一些地方有待完善；当前的虹膜识别系统只是用统计学原理进行小规模的试验，而没有进行过现实世界的惟一性认证的试验；目前图像获取设备相当昂贵。

视网膜是一些位于眼球后部十分细小的神经（一英寸的1/50），它是人眼感受光线并将信息通过视神经传给大脑的重要器官，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。

在20世纪30年代，通过研究就得出了人类眼球后部血管分布惟一性的理论，进一步的研究的表明，即使是孪生子，这种血管分布也是具有唯一性的，视网膜的结构形式在人的一生当中都相当稳定。所以，同虹膜识别技术一样，视网膜扫描可能是最可靠、最值得信赖的生物特征识别技术。视网膜扫描设备可以从使用者的视网膜上可以获得400个特征点，创建模板和完成确认。由此可见，视网膜扫描技术的录入设备的认假率低于0.0001%。但拒假率（FAR，指系统不正确地拒绝一个已经获得权限的用户）比较高，相信在进一步的研究中可以大大降低。

因为对视网膜难于采样，也无标准的视网膜样本库供系统软件开发使用，这就导致视网膜识别系统目前阶段难以开发，可行性较低。

与指纹识别技术的主要步骤以及原理相似，虹膜识别与视网膜识别一般包括图像采集、图像处理、特征提取、保存数据、特征值的比对和匹配等过程。

图 生物识别系统原理

综上所述，指纹识别是最容易实现的；而虹膜识别与视网膜识别受到某些限制，目前除了一些高端应用外很难普及应用，但其有着巨大的技术优势和潜在的商业价值，必将是下一代生物特征识别技术的发展方向。

三、基于生物特征识别和数字签名技术的电子商务身份认证系统解决方案

1.方案设计要求

要确保基于指纹特征的用户身份认证系统的整体安全性，必须对基于指纹特征的网络身份认证方案设计一个安全的身份认证协议。良好的身份认证协议应该满足以下几个要求：

(1)能够准确识别被认证对象的身份；

(2)能够明确重要事件的责任人，并实现签名，避免事后抵赖；

(3)能够保障数据在存储和传送时的安全。

2.基于生物特征和数字签名技术的电子商务身份安全认证系统结构

基于秘密信息的身份认证协议：保证通信认证可以防止第三方的重放攻击，但由于客户端密钥存储和管理存在问题。基于生物特征的身份认证：能解决口令窥视和密钥管理难等问题，但很难阻止第三方的重放攻击。因而，笔者提出了综合前述的生物特征识别技术和数字签名后得到的电子商务身份认证系统的解决方案。

在网络环境下(B/S结构），用户（客户端）如果要访问远程服务器所管理的信息资源，在获得相关资源访问权限之前，必须通过生物特征身份认证，所有的信息资源访问权限都在身份认证系统（服务器端）管理之下，未通过身份认证的用户不能访问信息资源。当模板内置于服务器时，通过客户端的生物特征获取仪器获得用户的生物特征信息，该信息被加上数字签名后传送到服务器，在服务器首先校验签名是否有效，再与预先注册的模板进行比较，并完成身份认证。

3.身份认证步骤与协议

在生物认证系统中，为了保证生物特征值这不被非法用户所获得，采用数字签名技术。我们在此对协议中采用的符号做如下定义：A为用户，AS为认证服务器，KUAS为认证服务器公钥，TAS为认证服务器的时限，NA为A的现时数据，FA为A的生物特征值，IDA为A的标识。还需说明的是这里采用的是单向认证协议。基本协议如下：

(1)A用自己标识的签名向认证服务器AS请求认证。使用签名技术能有效地阻止一个虚假认证服务器对用户A的欺骗性连接。因为只有合法的认证服务器才保存有用户的公钥，从而能验证这个签名来获得IDA来为下面的认证过程来使用。

(2)认证服务器产生时限TAS，现时数据NA，并将自己的公钥KUAS、NA和时限TAS用用户A的公钥KUA加密后返回给客户端的A用户。

(3)客户端A接受到认证服务器公钥、时限和现时数据NA，同时在客户端的生物特征传感器读取用户的生物特征图像，并获得特征FA，把元组{TAS，NA，FA}用认证服务器的公钥KUAS加密后发送给认证服务器。

(4)认证服务器AS通过生物特征信息数据库进行比对，若匹配则A的身份通过认证。

这个方案与现时使用的认证体制基本类似，所以电子商务交易系统不必作重大改变。但因为引入了生物特征识别，安全性可以获得有效的加强。

四、结束语

在信息化日趋成为主流的今天，电子商务的业务已随着互联网的普及而飞速发展，与此同时，电子商务的安全性也成为业界的一个热点研究方向。本方案设计将基于生物特征的身份认证技术和数字签名相结合应用于电子商务，加强系统安全性，具有一定的研究和实用意义。

参考文献：

[1]DAUGMAN J G. High confidence visual recognition of persons by a test of statistical independence[J]. Tran Pattern Analysis and Machine Intelligence. 1915(11): 1148-116

[2]MA Li, TAN Tieniu, WANG Yunhong. Efficient iris recognition by characterizing key local variations[J]. IEEE Transactions on Image Processing, 2004,13(6)739-750

[3]BOLES W W, BOASHASH B. A human identification technique using images of the iris and wavelet transform[J]. IEEE Transon Signal Processing. 1998,46(4): 1185-1188

[4]WILDS R P. Iris recognition: an emerging biometric technology[A]. Proceedings of the IEEE[C].Sanjuan Puertorico, 1997

[5]孟浩徐翠平：虹膜识别算法的研究[J].哈尔滨工程大学学报，2006,27(3): 400-403

[6]祝连庆穆婕马龙:虹膜识别技术的研究[J]. 仪器仪表学报，2006,26(6): 753-755

[7]叶炜李恒华田捷:生物识别技术在网上银行认证安全体系的应用[J].计算机工程，2003, 29(11): 192-194

生物基本特征范文第13篇

《生物的特征》是学习生物学的第一节课，这样安排的目的是使学生从生活经验和认知水平出发，学生只有了解了什么是生物，生物具备哪些特征，才能为进一步学习生物打下坚实的基础，并以此激发学生学习生物的兴趣，所以，本课在教材中占有十分重要的地位。

【三维目标】

知识目标：

1.知道什么是生物，能区分生物与非生物。

2.举例说明生物具有的基本特征。

能力目标：

通过观察和比较，对生物的基本特征进行归纳和概括。

情感、态度、价值观目标：

增强热爱大自然、保护大自然的情感，更加热爱生活，珍爱生命。

【重点和难点】

重点：生物的基本特征。

难点：植物的营养、呼吸、排出废物。

【教学方法】

本节课利用多媒体来组织和引导学生观察、分析、讨论、归纳和总结，在教学中要充分调动学生的积极性和主动性，发挥其主体作用。

【教学策略】

在教学中要运用多种教学方法和手段，教师有针对性地引导，学生开展观察、比较、质疑等活动，充分地调动学生主动学习的积极性，从而突破教学的重难点。

【教学过程】

情景导入：

教师利用多媒体展示一幅美丽的图片。

教师提出问题：图片中哪些是生物？哪些是非生物？

学生观察后，说出观察的结果。生物和非生物有什么区别？生物具有哪些特征呢？从而引入课题。

讲授新课：

[观察比较――辨别生物与非生物]

一、观察是科学探究的一种基本方法

在日常生活中，你一定认识不少生物。如果要了解这些生物的主要特征，要将两种生物区分开来，这就需要对生物进行观察。那么，在观察的过程中需要注意哪些问题呢？请你阅读教材中的相关内容，尝试进行归纳和总结。

二、什么是生物

教师展示生物和非生物的实物。教师引导学生分析哪些物体是生物，哪些物体是非生物，并引导学生归纳总结什么是生物，通过分析达成共识：具有生命现象的物体是生物，不具有生命现象的物体不是生物。

[结合实例――感知生物的特征]

三、生物的特征

1.生物的生活需要营养。

分析：请同学们说一说，你是否经常吃小食品？家长愿意让你吃这些小食品吗？

2.生物能进行呼吸。

学生表演动作：用手捏住鼻孔，闭上嘴。

几秒钟后感觉到憋闷，说明人能进行呼吸。

3.生物能排出身体内产生的废物。

回顾：当人运动之后会出汗，汗液流到口中，你的感觉如何？

观看：尿液的颜色，这种颜色说明了什么？

4.生物能对外界刺激作出反应。

动作表演：教师请一名学生来到讲桌旁，让学生把手伸到教师面前，教师拿一根织毛衣用的竹针，当用这根针去扎学生的手时，学生马上把手缩回。这种现象说明了什么？

5.生物能生长和繁殖。

穿衣表演：课前让两名学生各找出一件上小学时穿过的漂亮的衣服，在课堂上让这两名学生穿上。

学生观察、分析：衣服小了，这说明了什么？

描述：当青年人结婚之后，家庭成员的数量会发生什么样的变化？

6.生物都有遗传和变异的特性。

观察：教师出示班级中一名学生的全家福照片，这名学生有哪些地方像父母？有哪些地方长得不像父母？

7.除病毒外，生物都是由细胞构成的。

此特征是学生在下一个环节中阅读教材来掌握的。

[阅读教材――理解生物的特征]

1.教师指导学生阅读教材。

2.学生进行质疑、释疑。

[知识拓展――说出生物的其他特征]

教师进一步引导、启发：生物除了具有上述特征外，还具有哪些特征？

学生进行积极的思考、讨论，并在小组内进行交流。（生物能运动，生物有一定的寿命，生物能适应环境、影响环境等）。

【课堂小结】

通过本节课的学习，你有什么收获？（学生进行总结）。

教师：因为有了这些生物，我们的生活才更加美好，所以，我们要热爱大自然，保护大自然，热爱生命，保护生命，对学生进行情感教育。

【课后反思】

生物基本特征范文第14篇

[关键词]身份认证；识别技术；生物特征；多模融合；方法；作用优势；分析

中图分类号：TP211 文献标识码：A 文章编号：1009-914X（2014）20-0343-01

随着网络信息技术的推广应用以及网络资源开放化对于实际生活的作用影响，人们一边享受网络资源开放带来的便利和优势的同时，对于保障信息安全性的意识也逐渐提高。身份认证就是一种进行个人信息安全性保障的有效方式，但是，随着信息技术的发展以及计算机信息入侵破坏技术的提升，传统的个人身份认证方式在进行个人信息的安全性保障中，已经存在着很大的安全风险与漏洞。在这种情况下，生物识别技术的突出，为网络个人信息的安全保障提供更加绝对可靠的安全保护屏障。

一、生物特征识别作用优势及其常见技术形式分析

1、生物特征识别的作用优势分析

通过人体固有的生物特征实现个人身份的识别认证是生物特征识别方法的基本思路和原理。通常情况下，应用生物特征进行个人身份的识别认证，主要是由于不同人的生物特征与其他人相比，都具有唯一性的特点，并且每个人的生物特征在固定时期内是不会发生变化的，也就说不同人的生物特征具有相对的稳定性，再加上生物特征作为每个人的固有特征，与其他特征相比，一般情况下也不容易发生丢失或者造假等情况，因此，通过人体的生物特征实现个人身份的识别认证是一种有效可行的识别方式。

2、常见的生物特征识别技术与形式

根据上述内容可以看出，应用生物特征识别技术进行个人身份的认证识别，主要是借助能够进行身份识别应用的生物特征在人体中不仅是普遍存在的，并且不同人的生物特征还具有唯一性特征，再加上在进行个人身份的识别与认证应用中能够对于个人的生物特征进行采集对比，以实现身份的识别认证的思路原理和作用优势，在进行人体生物特征的类型划分中，可以将按照人体生物特征的具体内容性质不同划分为生理性生物特征和行为性生理特征，其中，比较常见的生理性生物特征主要有指纹、人脸以及虹膜、掌纹等，而行为性生理特征具有突出的行为表现，像声音、步态、签名等。结合进行个人身份识别与认证应用的生物特征形式与内容，则可以将用于身份识别认证的生物特征技术总结为笔迹识别、指纹识别、人脸识别、声纹识别、虹膜识别等，它们也是利用生物特征实现个人身份认证识别的常见技术形式。

其中，指纹识别是借助人体的手指末端正面皮肤上凹凸不平的纹线特征，来实现个人身份的认证与判断。通常情况下，人体指纹的纹线会依一定的规律排列成不同的纹型，并且每个人的纹线以及纹型特征都存在有区别，其中以人体纹线中细节特征区别最为显著，也就是人体指纹的纹线起点以及终点、结合点、分叉点都存在有不同，以指纹实现的个人身份认证和识别，就是借助个人指纹中的细节特征的对比实现，同时又由于人体的指纹具有相对突出的稳定性以及唯一性、采集便利性等特征，使得在个人身份认证识别中具有更为突出的识别使用可行性。指纹识别技术进行个人身份识别与认证应用，主要是在对于采集的指纹图像进行增强处理后，通过指纹图像中细节特征的提取，最后进行分类匹配，以实现与指纹特征相吻合的个人身份识别和认证。

其次，人脸识别技术在个人身份识别与认证应用中，具有较为突出的主动性以及用户友好、非侵犯性等特征优势，人脸识别主要是借助二维图像技术实现身份识别和认证，但是在实际识别应用中由于受到个人姿态或者是脸部表情变化、光照等情况的变化影响，导致实际识别应用中存在较大的局限性。因此，要想实现以人脸识别技术实现个人身份的识别认证，需要应用三维信息实现人脸识别。

再次，虹膜识别技术是借助人体眼球前部含色素的环形薄膜实现个人身份的认证和识别，人体虹膜具有丰富的结构与纹理特征。最后，声纹识别技术和笔迹识别技术等生物特征识别技术都是借助人体的声纹与笔迹特征，实现对于个人身份的认证和识别。

二、基于人脸和指纹的多模生物特征融合识别方法

结合上述常见的生物特征识别技术，在进行个人身份的识别认证中，不仅可以通过单个生物特征的提取分析，实现对于个人身份的认证识别，还可以通过多个生物特征的共同联合应用，实现对于个人身份的识别和认证。其中，通过多个生物特征的联合应用进行个人身份识别认证的技术方式就是所谓的多模生物特征融合识别技术，它与单个生物特征识别技术相比，不仅能够实现单个生物特征识应用中的识别率比较低情况，而且很大程度上能够提高整体识别的有效率，具有较为突出的识别应用优势，尤其是在单个生物特征被破坏的情况下，通过多个生物特征的共同识别认证应用，其作用优势更为突出。基于人脸以及指纹的多模生物特征融合识别技术，就是将人脸以及指纹两种生物特征识别方式联合应用，以进行个人身份的有效认证与识别，提高识别有效率。

三、结束语

总之，生物特征识别作为个人身份识别的有效方式，在个人信息安全保障中具有突出优势和作用。通过多模生物特征融合方式实现个人身份的认证和识别，在身份认证识别的质量效率和避免单个生物特征识别局限性上，有着更为突出的作用，值得进行研究和关注。

参考文献

[1] 李雄，张东波.基于GMM-WSUM的多生物特征二级融合识别方法[J]计算机工程与应用.2014（2）

[2] 成谢锋，马勇，张少白，张瑛，郭宇锋.基于数据融合的三段式心音身份识别技术[J]仪器仪表学报.2010（8）

湖南省科技厅计划项目；符振艾，基金项目编号：2014GK3040基于生物特征提取的人脸识别系统设计技术研究

生物基本特征范文第15篇

Abstract： There are many advantages for the biological characteristics of other identification in terms of palmprint， so it has been widely used in various fields. In this paper， the characteristics of palmprint， proposed one kind based on the Gabor wavelet and enhanced Fisher linear discriminant model （EFM） Palmprint Feature Extraction algorithm. The first treatment of the palmprint， on the palm gray image by Gabor wavelet transform based algorithm， get the palmprint feature vector Gabor. Then， through the principal component analysis transform high-dimensional feature vectors into a low dimensional space， then the space by EFM transform matrix to extract the palmprint features. Due to the Gabor function in the aspect of feature extraction with excellent performance， dimensionality reduction of high dimensional feature can be solved effectively， at the same time， the algorithm can improve the Fisher linear discriminant （FLD） generalization ability， can better achieve the Palmprint Feature extraction.

关键词： Gabor小波；增强Fisher线性判别模型（EFM）；主成分分析（PCA）；掌纹；特征提取

Key words： Gabor Wavelet；Enhanced Fisher Discriminant Model （EFM）；Principal Component Analysis （PCA）；palm print；feature extraction

中图分类号：TP391.4 文献标识码：A 文章编号：1006-4311（2013）12-0185-03

0 引言

生物识别技术是利用人体生物特征进行身份识别的一种技术，掌纹识别[1]是生物特征识别中又一新兴技术，它利用人的掌部纹理作为生物特征了来进行身份的自动确认，掌纹识别具有“人人不同，终生不变，随身携带”的特点，其研究始于1998年，与常见的指纹、人脸、虹膜等生物特征识别技术相比，掌纹识别[2]主要具有以下优势：1）指纹具有很强的稳定性：胎儿六个月就会形成完整的指纹，一直到人死腐烂之前，虽然随着年龄的增长，纹理会有一些变化，但是总体上同一个手指的指纹类型以及细节特征的总体布局等始终没有明显的变化。即使手指受伤只要不伤到真皮，等伤口愈合后纹理仍旧恢复原状；如果伤到真皮愈合后形成伤疤破坏了原来的纹理，但是伤疤本身也增加了新的稳定特征。2）指纹的唯一性，指纹具有很明显的特定性。根据指纹学理论，两枚指纹匹配上12个特征的几率为10-50。至今即使是孪生兄弟姐妹也没有两个指纹完全相同的人，不仅是人与人就算是一个人的十指之间，指纹也有明显的区别。由于指纹具有这样的特点，因此应用指纹进行身份鉴定提供了客观的依据。

因此，掌纹同其他应用于身份识别的生物特征相比，具有诸多先天优势，其应用领域非常广阔。在掌纹识别中，有两个基本问题要解决好，一个是特征的提取，另一个是相似度的测量。所以一个掌纹识别算法要解决这两个问题：一是掌纹特征的提取和选择，二是特征分类器的设计。其中第一个问题是至关重要的，因为它会强烈地影响到第二个问题的解决，乃至最终的识别性能。

现有文献中涉及的掌纹特征提取算法大致可以分为4大类：第一大类是基于结构的特征提取[3，4]；第二大类是基于空域-频域变换的特征提取[5，6]；第三大类是基于统计的特征提取[7]；第四大类是基于子空间的特征提取[8]。本文将第二大类基于时频变换和第四大类子空间的特征提取算法结合起来，提出了一种利用Gabor小波和增强Fisher线性判别模型（EFM）来实现掌纹特征提取的新方法。

4 结论

本文主要对掌纹特征提取和特征分类进行了深入的探讨和研究，在Gabor小波技术结合EFM判别模型的基础上，提出了一种基于上述方式实现的掌纹特征提取方法。该方法利用Gabor小波捕获对应一定频率（尺度）、空间位置和方向选择性的局部结构，便于实现无对应的识别，而且使得掌纹的Gabor表示对光照的变化具有一定的鲁棒性，实现方法同时利用PCA变换和EFM判别模型提取信息量中的主要成分作为新的特征，与Fisher线性判别式（FLD）相比，EFM判别模型通过同时对角化类内与类间离散度矩阵提高了FLD的推广能力。因而，该算法具有一定理论和现实意义。

参考文献：

[1]Wei Shu， Zhang D. Palmprint verification： an implementation of biometric technology[C].Pattern Recognition Proceedings of Fourteenth International Conference， 1998， Vol.1， 219-221.

[2] 吴介，裘正定.掌纹识别中的特征提取算法综述[J].北京电子科技学院学报，2005，13（6）：86-92.

[3]Li Wenxin， Zhang David， Xu Zhuoqun. Image Alignment Based on Invariant Features for Palmprint Identification [J]. Signal Processing Image Communication， 2003（18）：373-379.

[4]Duta N， Jain A K， Mardia K V. Matching of Palmprint[J].Pattern Recognition Letters，2001，23（4）：477-485.

[5]Li Wenxin， Zhang David. Palmprint Identification by Fourier Transform [J]. International Journal of Pattern Recognition and Artificial Intelligence， 2002， 16（4）：417-432.

[6] 苏晓生，林喜荣，丁天怀. 基于小波变换的掌纹的特征捉取[J].清华大学学报，2003，43（8）：1049-1051.

[7]Ying-Han Pang， Connie T， Jin A，et al. Palmprint Authentication with Zernike Moment Invariants[C] ∥ Signal Processing and Information Technology， Proceedings of the 3rd IEEE International Symposium.2003：199-202.

[8]Lu Guangming， Zhang David， Wang Kuanquan. Palmprint Recognition Using Eigenpalm Features[J]. Pattern Recognition Letters， 2003（24）：1463-1467.

[9]孙冬梅.手形和掌纹识别算法的研究[D].北京：北方交通大学博士论文，2003.