一种基于支持向量数据描述的在线手写签名认证方法
本研究提出了一种以支持向量数据描述(SVDD)作为分类器的在线手写签名认证方法。从利用手写板采集的在线签名数据中提取了字形特征和动态特征两类特征来构造签名特征集,真实签名的特征作为目标数据进行分类器的训练。通过对真实签名的特征分布进行精确描述来辨别待测签名的真伪。为提高认证方法性能,还利用遗传算法进行了分类器参数和特征子集选择的联合优化。在SVC2004公开签名数据库上进行了认证实验,平均等错误率(EER)为4.93％,表明该算法能够得到较好的认证效果。
图像识别 签名认证 机器学习 支持向量机 计算机数学
孟明 罗志增
杭州电子科技大学自动化学院,310018
国内会议
哈尔滨
中文
266-271
2007-11-20（万方平台首次上网日期，不代表论文的发表时间）