[發明專利]基于遺傳自動模糊聚類分析的無模板生物密鑰生成方法

有效

• 申請號: 201310375864.7
• 申請日: 2013-08-26
• 公開（公告）號: CN103577738A
• 公開（公告）日: 2014-02-12
• 發明（設計）人: 盛偉國;白麗葉;應豪超;盧夢雅;陳勝勇
• 申請（專利權）人: 浙江工業大學
• 主分類號: G06F21/32
• 分類號: G06F21/32
• 代理公司: 杭州天正專利事務所有限公司 33201
• 代理人: 王兵;王益新

1.基于遺傳自動模糊聚類分析的無模板生物密鑰生成方法，包括以下步驟：

步驟1：從用戶獲取若干生物特征樣本，計算每個生物特征樣本的統計特征值，基于計算得到的統計特征值（即訓練數據），應用遺傳自動模糊聚類算法對數據進行模糊聚類分析，用聚類結果模擬群體內部及群體間的差異；

步驟2：確定特征組件的穩定性，

通過模糊聚類結果，可以計算每個特征組件與每個簇的平均模糊隸屬度。得到的最大隸屬度值將用以衡量這些特征組件的穩定性；

步驟3：特征組件的選擇；基于上一步中得到的特征組件穩定性結果，選擇穩定性較高的特征組件用以生成密鑰。

步驟4：生物密鑰的生成；

確定好每個用戶的特征組件后，密鑰即可由此生成；對于每個特征組件上的聚類結果，每個簇可用一個密鑰位來標記；對于每個用戶，通過每個選定的特征組件，可確定相應的歸屬簇以及密鑰位；通過組合從所有特征組件上得到的密鑰位，即可為每個用戶生成密鑰。

2.如權利要求1所述的基于遺傳自動模糊聚類分析的無模板生物密鑰生成方法，其特征在于：

步驟1所述的遺傳自動模糊聚類算法包括：

從采集的生物樣本中提取訓練數據集X={x₁,x₂,...,x_n}，其中，x_i為d維空間上的特征矢量，n是樣本的數目；數據集X中包含K個模糊聚類，設第k個模糊聚類中心為C_k，(k=1,2,...,K)，則聚類中心為C={C₁,C₂,...,C_K}；聚類結果需滿足以下屬性：

Σi=1nuki≥1(k=1,...,K),]]>Σk=1Kuki≥1(i=1,...,n),]]>Σk=1KΣi=1nuki=n,]]>

其中u_ki是數據集中第i個元素x_i關于第k個模糊聚類中心C_k的隸屬度；該聚類問題可轉化為尋找最優化給定模糊聚類標準的聚類矩陣U(X)=[u_ki]，1≤k≤K，1≤i≤n；

對上述訓練數據集中樣本數據的每個特征組件，步驟1所述的遺傳自動模糊聚類算法的具體步驟如下：

1.1.隨機產生P個聚類結果（以簇中心位置來表示）作為初始群體，每個聚類結果可包含不同數量的簇；

1.2.采用Xie-Beni(XB)指標計算初始群體中每個聚類結果的適宜度；

Xie-Beni(XB)指標為：

每個聚類結果的適宜度定義為：f=1/XB。

其中，s=min_i≠j{D²(z_i-z_j)}，D(·)是基于歐氏度量的測量距離，z_k表示第k個簇中心，m為加權指數。

1.3.重復以下（a）到（d）操作直到滿足終止條件（即群體中最好的聚類結果在n代演化中都沒有改變）；

a)采用競爭選擇法從群體中選擇兩個相對適宜度高的聚類結果組成一對父母。重復這個操作直到選出P/2對父母。

b)在選出的父母上，應用交叉操作來生成P個后代，接著對每個后代執行變異操作。

c)計算每個后代的適宜度。

d)創建新一代群體，通過從前一代群體和后代群體中選擇P個高適宜度的聚類結果，并代替前一代群體，回到步驟（a）。

1.4.輸出演化過程中找到的最好聚類結果。