我有一個名爲(all_output)(這是輸出訓練和測試36個用戶的神經網絡)的矩陣。這個矩陣包含36個單元,每個單元具有值(如所示的attaced圖像中)計算生物識別系統(MATLAB)的錯誤接受和錯誤拒絕率
的(all_output)每個單元的含量附加圖像中示出
**___Update__**
,我將解釋如何(all_output)已經構建
神經網絡已經被訓練後,我在爲了測試神經網絡
% % % Test the Network %%%%%%%
outputs = net(Testing_Gen{i});
all_output{1,i}=outputs
Testing_Gen已經使用的代碼:是大小的矩陣(1 *如所附的 圖所示的36個單元)。
爲了理解 Testing_Gen矩陣的內容,
對於每個用戶,我有14試驗樣品(實施例),並且對於每個樣品143層的功能已被提取並存儲在一列。
在Testing_Gen矩陣中的每個單元包含用戶的測試樣品和冒名頂替的測試樣品(如附加的圖像中示出)
如我們可以看到,一個小區是(143行每個單元格中的第一列是用戶的樣本(真實用戶的樣本),其餘列是冒名頂尖的樣本(490個樣本[14 * 35])
例如,我已提取14個樣品或例子爲用戶1被用於測試,因此,所述第一小區中包含的試驗樣品(實施例)用戶1(其爲14)和冒名頂替的樣品以及(490樣品[14 * 35]),以計算所述FAR和FRR
我想計算錯誤接受率(FAR),錯誤拒絕率(FRR)和等誤差率(EER)爲這個矩陣。
False Acceptance Rate是系統錯誤地接受冒名頂替者作爲合法用戶的百分比。
例如,計算爲FAR用戶1的所有冒名頂替者的樣本(這是已經存儲在(all_output)矩陣)需要針對用戶1 進行測試,並重復此過程倍。
False Rejection Rate顯示授權用戶被系統錯誤拒絕的百分比。
例如,爲了計算用戶1他的所有測試樣品的FRR(它已存儲在(all_output)矩陣)需要針對被測試用戶1並重復此步驟,對每個用戶的真實(36倍)。
EER簡單地可使用該方程(FAR + FRR)/ 2
來計算,而計算EER,所述EER的結果應該顯示具有FRR之間的平衡的必要性和FAR爲系統(換句話說,FAR和FRR的價值應儘可能接近彼此,因爲我的系統旨在平衡接受授權用戶和拒絕進口講演者)。
這是我迄今所做的計算FRR
%%% performance calculate FAR FRR EER
% %FRR
i=36; % number of users
for n=1:i
counter1=1;
for t=0:0.01:1 % Threeshold value
FRRsingletemp=sum(all_output{1,n}(size(all_output{1},1)):size(all_output{1},2)<t)/size(all_output{1},2);
FRRsingle(counter1)=FRRsingletemp;
counter1=counter1+1;
end
FRR(n,:)=FRRsingle;
end
你應該更好地解釋你在矩陣all_output上的確切含義。它是1x36矢量嗎?項目all_output {1,n}包含什麼?你說它有504個值,它們是什麼? –
親愛的@ pablo_worker非常感謝你,請閱讀更新,讓我知道現在是否合理! –
親愛的@ pablo_worker沒有聽到你的隊友? –