7/24/2019 Jurnal Forensik Magda

1/3

FVs yang dibangun digunakan untuk melatih classifier mesin pembelajaran

yang umum digunakan, disebut Support Vector Machines (SVMs), dalam upaya untuk

mempelajari hubungan bentuk deskripsi untuk hal-hal korespondensi perbandingan

yang sesuai dan tidak sesuai. SVMs dibangun dan dilatih untuk setiap ukuran

konfigurasi menggunakan uji set FVs yang dikategorikan berdasarkan ukuran dan

perbandingan kelas (yaitu, sesuai atau tidak sesuai). ang menunjukkan kelas sesuai

(match) dan tidak sesuai (non-match) seperti M dan M!, masing-masing, "#$dihitung

untuk FV, %i, sebagai berikut

dimana a & ' (%i kelas M), dan diperkirakan dari fungsi link logistik,

Set e*aluasi yang berisi contoh kehidupan nyata dari kelompok non-match

digunakan untuk menguji keakuratan berasal nilai "# model, dalam hal seberapa

sering nilai "# digunakan pada hipotesis yang benar. +asil percobaan menunjukkan

baha model yang diusulkan sangat akurat dalam mendukung hipotesis yang benar

ketika menilai dekat perbandingan konfigurasi kelompok sesuai dan tidak sesuai.

Sebagai contoh, konfigurasi dengan hal kecil memiliki #ate of Misleading *idence

in fa*our of /efence (#M/) dari 0,01 dan #ate of Misleading *idence in fa*our

of 'rosecution (#M') dari 22,31 untuk entri daftar kandidat, sedangkan

peningkatan ukuran konfigurasi berkorelasi dengan penurunan signifikan dalam

tingkat ini (misalnya, konfigurasi dengan 4 hal kecil memiliki #M/ dan #M'

masing-masing 5,31 dan 5,61).

3.2.. Model nalisis Metodologi

Model "# diusulkan dalam langkah-langkah penggunaan perbedaan dari FVs

yang berpotensi tidak kuat untuk skenario dunia nyata, seperti jenis hal-hal kecil bisa

berubah, terutama di tayangan terdistorsi. Sedangkan metode telah jelas

meningkatkan fungsi perbedaan dengan memperkenalkan tuned multipliers, kuadrat

perbedaan sudut, daerah, dan langkah-langkah jarak jauh pada akhirnya tidak

didasarkan probabilistik. Sebuah probabilistik gabungan berdasarkan metric untuksetiap komponen FV menggunakan distribusi untuk kedua pemalsu dan populasi asli

7/24/2019 Jurnal Forensik Magda

2/3

akan lebih konsisten dengan kerangka "# keseluruhan. Seorang komentator

menunjukkan hal ini, mencatat baha "# yang dihitung adalah bukan dari

pemahaman ayesian tradisional dari "# (yaitu, digunakan untuk memperbanyak

probabilitas sebelum untuk mendapatkan probabilitas posterior). Meskipun demikian,

"# deri*asi masih berguna untuk menge*aluasi kekuatan bukti yang sesuai

konfigurasi hal-hal kecil.

Struktur triangulasi FV radial dari yang kuat terhadap distorsi kulit, seperti

struktur triangulasi dari /elaunay. Selanjutnya, model yang diusulkan dalam model

distorsi kulit realistis ditemui pada permukaan datar dengan mengukur matriks energi

untuk khusus mengatur distorsi. 7amun, ini hanya menyumbang *ariasi non-affine.

8ransformasi affineseperti geser dan kompresi seragam9dilatasi tidak diperhitungkan.

:nformasi tersebut dapat sangat signifikan untuk perbandingan konfigurasi hal kecil

kecil yang dihadapi dalam fingermarks. Misalnya, aplikasi baah langsung dari

kekuatan mungkin memilikishearyang menonjol dan *ariasi skala (selain perbedaan

non-affine) untuk konfigurasi hal-hal kecil, dibandingkan dengan konfigurasi yang

sesuai dari kesan lain dari jari yang sama tidak memiliki gaya ke baah. ;uga,

perhitungan "# adalah komputasi mahal karena membutuhkan perbandingan

langsung dengan seluruh referensi yang ditetapkan untuk setiap e*aluasi baru.

Model yang dijelaskan dalam memiliki keunggulan praktis atas metode

FV lainnya . +al ini karena FVS dapat segera dibangun untuk daftar calon diberikan

kembali dari pencarian F:S, dan digunakan sebagai *ektor masukan untuk SVMs

terlatih, untuk menghitung nilai per "#. Sebaliknya, model lain baik memerlukan

perbandingan FVS atau distribusi metrik dibangun dari semua konfigurasi dalam satu

set referensi . Selain itu, kedua affine dan non-affine karakteristik distorsi kulit yang

*alid dicatat dalam model FV. 7amun, tidak ada pertimbangan bias kontekstual dalam

model ini.

3.6. Skor F:S berdasarkan model "#

F:S skor model "# berdasarkan menggunakan perkiraan asli (yaitu, dalam

jari) dan penipu (yaitu, antara jari) distribusi nilai kesamaan dari algoritma

pencocokan sidik jari dalam F:S, dalam rangka untuk mendapatkan sebuah "# .

3.6.2. gli et al.

/alam rangka untuk memperkirakan distribusi skor yang digunakan dalam

persamaan ( ), yang penulis usulkan menggunakan ?eibull ?(, ) dan "og-

normal ln 7 @mA s6BA distribusi s6B dengan parameter skala 9 bentuk disetel untuk

memperkirakan F:S asli dan penipu skor distribusi , masing-masing. Mengingat

7/24/2019 Jurnal Forensik Magda

3/3

permintaan dan 8emplate fingermarks dengan skor kesamaan F:S, s , "# nya adalah