关于动态多模态生物识别系统中的缺失评分
本文综述了多生物特征融合技术，特别关注了三个问题：如何融合、何时融合以及融合什么，以及综合评述了利用辅助信息提高生物识别准确性的技术，并讨论了表示攻击检测和多生物识别加密系统的信息融合原理，最后列举了生物特征融合中的一些研究挑战。
Feb, 2019
本研究提出了一种基于概率解释的对比分数（PIC），它能够准确地反映得分来自同一身份样本的概率，在多模态生物识别中具有高识别和置信度估计性能。与其他方法相比，该方法具有更准确的概率解释。
Nov, 2022
本文介绍了第一届BioSecure住宅研讨会中有关指纹识别的实验，并测试了四个不同方法的系统以及它们在特征提取上表现出异构方法对识别性能的影响，实验结果表明结合细节和相关性测量获得最佳的指纹识别策略。
Dec, 2022
本文提出了一个关于串行融合多个生物特征匹配器的理论框架，评估了该系统在性能以及模型参数计算估计误差方面的利益，并通过对NIST生物特征分数集1的初步实验证明了其优缺点。
Jan, 2024
生物特征验证（BV）系统往往在不同的人群中显示准确性差异，引发应用中的偏见。评估和量化这些偏见对确保BV系统的公正性至关重要。然而，现有的BV偏见评估指标存在一些限制，如仅关注匹配或非匹配错误率、忽视性能介于最好和最差性能水平之间人群的偏见以及忽视偏见的强度。本文对BV中现有偏见评估指标的限制进行了深入分析，并通过实验分析展示了它们的背景适应性、优点和限制。此外，还引入了一种新颖的通用偏见评估度量指标，即“组错误差之和（SEDG）”。我们在控制的合成数据集上的实验结果表明，当使用现有指标和我们自己提出的度量时，能够有效量化人口统计偏见。我们讨论了偏见评估指标在一组模拟人口统计偏见场景中的适用性，并提供了基于场景的指标建议。我们的代码在https://github.com/alaaobeid/SEDG上公开共享。
Apr, 2024
ITI-IQA是一套评估各种填补缺失值方法可靠性、选择最佳填补器和筛选不符合质量标准的特征的工具集。它还包括一套诊断方法和图形工具，用于在处理缺失数据期间和之后检查测量和结果。
Jul, 2024
本研究解决了多模态生物特征系统中缺失匹配得分导致的性能下降问题。通过对多种得分插补方法的评估，我们发现进行插补优于不插补，以及数据平衡和多变量插补方法在相关性得分场景中的有效性。这些发现为生物特征识别的准确性提升提供了重要启示。
Aug, 2024
本研究解决了量化机器学习模型偏差行为的需求，并提出了一种新的综合公平指数（CEI），有效整合了错误率和得分分布的差异。研究发现，该指标在评估面部识别系统的种族偏差方面尤其有效，具有广泛的实际应用价值。
Sep, 2024