Identity Verification from Human Scent using Learned Representations of Two-Dimensional Gas Chromatography–Mass Spectrometry Data
Deze studie demonstreert de haalbaarheid van verificatie van menselijke geuridentiteit door ruwe tweedimensionale gaschromatografie-massaspectrometriegegevens te transformeren naar multi-channel afbeeldingen, waarbij een AUROC van 92,8% wordt bereikt met een multi-view representatie, terwijl het potentieel van de methode voor niet-coöperatieve scenario's wordt benadrukt ondanks uitdagingen in cross-sessie generalisatie.