5. ConclusionOld matching methods a

5. Conclusion
Old matching methods and even those are still being used, have
time-consuming procedures with no respect of hardware limitations.
However, the methods based on fingerprint ridge direction
pattern do not suffer from this problem. Another significant benefit
of the proposedmethod is the use of ergodic topology for HMM. This
approach overcomes the deficiencies of the former HMM matching
algorithm.
In general, the preferences and contributions of our proposed
HMM matching method to the previous one should be considered
as follows:
1. It is as fast as the previous HMM fingerprint matching method
with improved matching results.
2. The reference area of the suggested matching method is almost
of the same size as the previous one. However, it supplies much
information for the utilized HMM.
3. In the proposed method, all super states contain reference point
block.
4. There is more symmetry around reference point which leads to
more accuracy in similarity or likelihood computation.
5. There is no more need of extending 1-D HMM structure to a
pseudo 2-D one.
6. The proposed model is not a memoryless process and thus, it is
a generating case for a Markov model.
7. The intrinsic symmetrical structure of the proposed method
shows off in hidden state transition matrix.
8. It provides both HMM estimation and training without the zero
state transition problem

ผลลัพธ์ (ไทย) 1:

5. บทสรุปวิธีจับคู่อายุและแม้เหล่านั้นยังคงใช้ มีขั้นตอนที่ใช้เวลานาน โดยไม่เคารพข้อจำกัดของฮาร์ดแวร์อย่างไรก็ตาม วิธีการยึดทิศทางริดจ์ลายนิ้วมือรูปไม่ต้องทนทุกข์ทรมานจากปัญหานี้ ประโยชน์ที่สำคัญอีกของ proposedmethod มีการใช้โทโพโลยี ergodic HMM นี้วิธี overcomes ทรงของตรง HMM อดีตอัลกอริทึมการในทั่วไป ลักษณะ และผลงานของเรานำเสนออืมมตรงกันวิธีการนี้ควรดังนี้:1. เป็นรวดเร็วที่นิ้วมือ HMM ก่อนหน้าที่ใช้วิธีการจับคู่พร้อมปรับปรุงผลลัพธ์ที่ตรงกัน2. การอ้างอิงของวิธีตรงแนะนำเป็นเกือบขนาดเดียวกันเป็นก่อนหน้า อย่างไรก็ตาม มันให้มากข้อมูลสำหรับ HMM ใช้งาน3. ในวิธีการนำเสนอ อเมริกาซุปเปอร์ทั้งหมดประกอบด้วยจุดอ้างอิงบล็อก4. สมมาตรเพิ่มเติมรอบจุดอ้างอิงซึ่งจะมีความถูกต้องเพิ่มเติมในการคำนวณความคล้ายคลึงกันหรือความเป็นไปได้5. ไม่จำเป็นของการขยายโครงสร้าง HMM 1 D เพื่อการหลอก 2 D 16. แบบจำลองนำเสนอไม่ใช่กระบวนการ memoryless และ จึงกรณีที่สร้างสำหรับแบบ Markov7. intrinsic สมมาตรโครงสร้างของวิธีการนำเสนอแสดงออกในเมทริกซ์เปลี่ยนสถานะที่ซ่อนไว้8. ให้ประเมิน HMM และฝึกอบรม โดยศูนย์การปัญหาการเปลี่ยนแปลงสถานะ

ผลลัพธ์ (ไทย) 2:

5.
สรุปวิธีการจับคู่เก่าและแม้ผู้ที่ยังคงถูกนำมาใช้มีขั้นตอนที่ใช้เวลานานด้วยความเคารพข้อ
จำกัด ของฮาร์ดแวร์. อย่างไรก็ตามวิธีการขึ้นอยู่กับทิศทางสันลายนิ้วมือแบบไม่ประสบปัญหานี้ ประโยชน์ที่สำคัญอีกประการหนึ่งของ proposedmethod คือการใช้โครงสร้างอัตลักษณ์สำหรับ HMM นี้วิธีการเอาชนะข้อบกพร่องของการจับคู่อืมอดีตอัลกอริทึม. โดยทั่วไปการตั้งค่าและผลงานของเราที่นำเสนอวิธีการจับคู่อืมไปก่อนหน้านี้หนึ่งควรพิจารณาดังต่อไปนี้: 1 มันจะเป็นอย่างรวดเร็วเป็นวิธีการจับคู่ลายนิ้วมืออืมก่อนหน้านี้ที่มีการปรับปรุงผลลัพธ์ที่ตรงกัน. 2 พื้นที่อ้างอิงของวิธีการที่แนะนำคือการจับคู่เกือบจะมีขนาดเดียวกับก่อนหน้านี้หนึ่ง แต่ก็มากวัสดุข้อมูลสำหรับใช้อืม. 3 ในวิธีการที่นำเสนอทุกรัฐซุปเปอร์มีจุดอ้างอิงบล็อก. 4 มีสัดส่วนมากขึ้นรอบจุดอ้างอิงซึ่งนำไปสู่ความถูกต้องมากขึ้นในการที่คล้ายคลึงกันหรือการคำนวณความน่าจะเป็น. 5 ไม่จำเป็นต้องมีมากขึ้นของการขยายโครงสร้างอืม 1-D จะเป็นหลอก2 มิติหนึ่ง. 6 รูปแบบที่นำเสนอไม่ได้เป็นกระบวนการความจำและทำให้มันเป็นกรณีที่ก่อให้เกิดสำหรับรูปแบบมาร์คอฟ. 7 โครงสร้างสมมาตรที่แท้จริงของวิธีการที่นำเสนอแสดงให้เห็นในการเปลี่ยนสถานะเมทริกซ์ที่ซ่อน. 8 มันมีการประมาณอืมทั้งสองและการฝึกอบรมโดยไม่ต้องศูนย์ปัญหาการเปลี่ยนสถานะ

ผลลัพธ์ (ไทย) 3:

5 . สรุปวิธีการจับคู่
เก่าและแม้แต่ผู้ที่ยังคงมีการใช้ มีการใช้เวลานานกับการไม่เคารพ

ข้อจำกัดของฮาร์ดแวร์ แต่วิธีการตามแนวทิศทาง
รูปแบบลายนิ้วมือไม่ประสบปัญหานี้ อีกอย่างของที่นำเสนอเป็นประโยชน์
ใช้แบบอัตลักษณ์สำหรับนี้
.วิธีการเอาชนะข้อบกพร่องของอดีตคู่

อืม ขั้นตอนวิธี ใน ทั่วไป , การตั้งค่าและผลงานของเราเสนอ
อืมวิธีการจับคู่กับหนึ่งก่อนหน้านี้ ควรพิจารณาดังนี้

1 มันเร็วก่อนอืมลายนิ้วมือวิธีการจับคู่กับการปรับปรุงผลลัพธ์ที่ตรงกัน
.
2 การอ้างอิงพื้นที่แนะวิธีการจับคู่เกือบ
ของขนาดเดียวกันเช่นเดิม อย่างไรก็ตาม เป็นอุปกรณ์สำหรับใช้ข้อมูลมาก
.
3 ในวิธีการที่เสนอรัฐซุปเปอร์ทั้งหมดมีจุดอ้างอิงบล็อก
.
4 มีความสมมาตรมากกว่ารอบจุดอ้างอิง ซึ่งนำไปสู่
ความถูกต้องมากขึ้นในความเหมือนหรือความน่าจะเป็นการคำนวณ .
5 ไม่ต้องขยายโครงสร้างภายใน เพื่อหลอกนะ 2
.
6แบบจำลองกระบวนการและไม่คงทนจึง
ร่วมสำหรับกรณีที่เป็นแบบจำลองมาร์คอฟ .
7 โครงสร้างสมมาตรแท้จริงของวิธีที่เสนอ
แสดงปิดในสถานะซ่อนเมทริกซ์การเปลี่ยนแปลง .
8 มันมีทั้ง อืมประมาณและการฝึกอบรมโดยศูนย์
สถานะปัญหา