基于SVM的在線手寫簽名認證研究.pdf

1、隨著網絡信息化的高速發(fā)展，信息安全對于人們來說也日益重要，各種生物識別技術也隨之而生。常用的生物特征:DNA、指紋、簽名和步態(tài)等，因其具有普遍性、難以遺忘和容易攜帶等特點，常被用于進行身份驗證。在線手寫簽名因其難以遺忘、采集設備簡單廉價、易獲取等優(yōu)點成為現在的身份認證中最為廣泛接受的一種，并廣泛應用于電子商務、銀行、出入境管理、金融等各個重要領域，隨著簽名認證技術的發(fā)展，將不斷推動信息安全等領域的大力發(fā)展。
　　 本文采用不同方

2、式進行特征優(yōu)選，并基于支持向量機(SVM)進行在線手寫簽名認證研究。相比于其它學習機，SVM模型能夠很好地解決小樣本分類問題。最初應用于人臉識別系統和語音識別系統，都取得了比較好的成果，而很少有學者將其應用于在線簽名認證。通常特征匹配方式包括基于局部特征的函數特征匹配和基于統計特征的參數特征匹配兩種，而本文考慮到簽名的統計特征提取相對容易，且常用的SVM是用于特征長度固定且相等的分類器，正好可以實現基于SVM的統計特征的在線簽名認證。<

3、br>　　 文中首先介紹了基于SVM的在線簽名認證方案，簡單闡述了簽名數據的采集、預處理過程及統計特征的提取，然后通過不同的方法逐級進行特征優(yōu)選。特征優(yōu)選主要包括基于PCA法的特征提取和基于多種分類器對比來選擇最佳的個性特征。將優(yōu)選出來的特征分別作為SVM模型的輸入矢量，并進行認證實驗。訓練時，通過不斷調整懲罰系數C和徑向基核函數參數σ可訓練出不同認證率下的模型，結合這兩個參數對模型精度的影響，找出最佳認證率下的C和σ的參數組合并得到