计算生物识别系统的错误接受率和错误拒绝率 (MATLAB)

Question

我有一个名为 (all_output) 的矩阵（它是 36 个用户的输出训练和测试神经网络）。该矩阵包含 36 个单元格，每个单元格有 504 个值（如附图所示）

(all_output)的每个单元格的内容如附图所示

                              **___Update__**

我将解释 (all_output) 是如何构建的

神经网络经过训练后，我使用该代码来测试神经网络

% % %     Test the Network  %%%%%%%
     outputs = net(Testing_Gen{i});

     all_output{1,i}=outputs

Testing_Gen：是一个大小为（1*36单元格如附件所示）的矩阵 图片）。

为了了解Testing_Gen矩阵的内容，

对于每个用户，我有 14 个测试样本（示例），并且每个样本都提取了 143 个特征并将其存储在一个列中。

Testing_Gen矩阵中的每个单元格都包含用户的测试样本和冒名顶替者的测试样本（如附图所示）

我们可以看到一个单元格是（143 行 x 504 列），每个单元格中的前 14 列 是用户的样本（真正的用户样本）和剩下的列是冒名顶替者的样本（490个样本[14*35]）

例如，我提取了 14 个样本 或 examples 供 User1 用于测试，因此，第一个单元格包含 的测试样本（示例） >User1（14个）和冒名顶替者的样本以及（490个样本[14*35]）以计算FAR和FRR

我想计算错误接受率 (FAR)、错误拒绝率 (FRR) 和相等错误率 (EER) > 对于这个矩阵。

错误接受率是系统错误地将冒名顶替者接受为合法用户的百分比。

例如，要计算 User1 的 FAR，所有冒名顶替者的样本（已存储在 (all_output) 矩阵中）需要针对 User1 进行测试并重复此操作程序 36 次。

错误拒绝率显示授权用户被系统错误拒绝的百分比。

例如，要计算 User1 的 FRR，他的所有测试样本（已经存储在 (all_output) 矩阵中）需要针对 User1 进行测试并重复此操作每个真实用户的程序（36次）。

EER 可以简单地使用这个等式 (FAR+FRR)/2

计算

在计算 EER 时，EER 的结果 应表明在 FRR 和 FAR 之间取得平衡的必要性对于系统（换句话说，FAR和FRR的值应该尽可能接近，因为我的系统旨在在接受授权用户和拒绝冒名顶替者之间取得平衡）。 p>

这是我到目前为止计算 FRR 的代码

%%% 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

Answer 1

我不确定你的问题是什么，但我不能同意你的说法

EER 可以简单地使用这个等式 (FAR+FRR)/2 来计算

FAR (FRR) 不是一个值，它是一个依赖于阈值的函数。 EER 是 FAR 图和 FRR 图相交的值，如 here 所示。