基于人工免疫模型的在线手写签名识别方法.pdf

基于人工免疫模型的在线手写签名识别方法.pdf

ID:54367142

大小:283.15 KB

页数:9页

时间:2020-04-29

基于人工免疫模型的在线手写签名识别方法.pdf_第1页
基于人工免疫模型的在线手写签名识别方法.pdf_第2页
基于人工免疫模型的在线手写签名识别方法.pdf_第3页
基于人工免疫模型的在线手写签名识别方法.pdf_第4页
基于人工免疫模型的在线手写签名识别方法.pdf_第5页
资源描述:

《基于人工免疫模型的在线手写签名识别方法.pdf》由会员上传分享,免费在线阅读,更多相关内容在应用文档-天天文库

1、第19卷第3期计算机辅助设计与图形学学报VoI.19,No.32007年3月JOURNALOFCOMPUTER-AIDEDDESIGN&COMPUTERGRAPHICSMar.,2007基于人工免疫模型的在线手写签名识别方法张莉莎孙正兴(南京大学计算机软件新技术国家重点实验室南京210093)(szx@nju.edu.cn)摘要采集能表征签名者潜在手写习惯的签名特征,利用人工免疫模型的自学习和自适应实现在较少训练样本的条件下获得具有更高区分度的手写签名模板.实验结果表明,文中方法识别具有良好的训练效果,能获得较好的验证率和鉴别率.关键词在线手写签名识别;特征选择;样本训

2、练;人工免疫模型;抗原;抗体中图法分类号TP391.3OnlineSignatureRecognitionUsingArtificialImmuneModelZhangLishaSunZhengxing(StateKeyLaboratoryforNouelSoftwareTechnology,NanjingUniuersity,Nanjing210093)AbstractThispaperpresentsanapproachforonIinesignaturerecognitionwhichextractsthemostcommon-Iyusedsignaturefea

3、tures,andutiIizestheseIf-IearningandseIf-adaptationofartificiaIimmunetheorytoobtainnewmodeIswithhigherdistinguishabiIitywhenthetrainingsampIesareIimited.Experimentsshowthatthisap-proachperformsweIIinsampIetrainingandresuItsinsatisfactoryverificationrateandidentificationrate.KeywordsonIin

4、ehand-writtensignaturerecognition;featureseIection;sampIetraining;artificiaIimmunemodeI;antigen;antibody[1]手写签名识别以其自然流畅的书写方式成糙集分析和特征筛选得到50维特征向量表示用户为身份验证中的一种常用技术.相比离线签名识的签名模板,以再现良好的书写风格.国内一些研究[1][2]别,在线签名识别直接利用用户输入笔迹的几人员在研究手写签名识别时也对特征选择和抽取问[6-7]何、物理和时序等多种线索来捕捉用户的签名习惯题做了相应的分析,这些研究为在线签名识别的和

5、区分用户签名的差异,具有较高的正确性和安全有效特征表示提供了有力依据.但如何能既发挥多性,成为手写签名识别领域的主流技术.已有对在线种签名特征的效用,又保证特征表示的实用性仍是手写签名识别的研究主要包括两大方面:特征选择在线签名识别需要进一步探索的重要课题.另一方和样本训练.一方面,有效的签名特征表示是手写签面,手写签名样本的训练直接关系到签名模板的代[3]名识别的基础.Seiichiro等采用数据手套搜集签表性和合理性.已有在线手写签名识别研究的样本名者手部18个主要关节的动作信号进行分析和特训练主要采用统计方法和机器学习方法:动态时间[4][8]征选择;JuIian

6、等对手写签名中的100种全局特牵引算法已在在线签名识别中得到广泛的应用;[9]征进行了实验分析,验证了如签名持续时间、提笔次Stephan等提出的将先验形状知识和结构模板相数、签名速率的变化等动态信息具有较强的区分用结合的ASSM(activesketchshapemodeI)可变形状[5]户的能力;Christian等提出采用多功能数字化笔模板统计识别方法,在手绘草图识别和手写符号鉴记录手写过程中笔的三维压力和倾斜角度,通过粗别上有良好效果;机器学习方法中以支撑向量机收稿日期:2006-06-08;修回日期:2006-11-10.基金项目:国家自然科学基金(69903

7、006,60373065);教育部“新世纪优秀人才资助计划”(NCET-04-0460).张莉莎,女,1979年生,博士研究生,主要研究方向为生物计算技术、智能人机交互.孙正兴,男,1964年生,博士,教授,博士生导师,主要研究方向为智能人机交互、多媒体计算、计算机视觉.312计算机辅助设计与图形学学报2007年(Supportvectormachine,SVM)和隐马尔可夫模型板;2)在线自适应模块.在结果评价时添加新的有[10-12](hiddenMarkovmodeI,HMM)应用较为广泛.代表性的签名模板,同时淘汰过时的、与签名者

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。