基于支持向量數(shù)據(jù)描述的在線簽名認(rèn)證研究.pdf

1、準(zhǔn)確快速的鑒別個(gè)人身份、保證信息安全是當(dāng)今信息化時(shí)代亟待解決的一個(gè)關(guān)鍵問(wèn)題。隨著計(jì)算機(jī)技術(shù)的進(jìn)步和發(fā)展，基于生物特征的身份識(shí)別技術(shù)已成為一種重要的個(gè)人身份鑒別技術(shù)。作為生物特征識(shí)別技術(shù)的一個(gè)方向，手寫(xiě)簽名認(rèn)證也得到了廣泛的關(guān)注和研究。與其它生物特征身份認(rèn)證相比，在線手寫(xiě)簽名認(rèn)證具有一系列獨(dú)特的優(yōu)勢(shì):不需要復(fù)雜的采樣設(shè)備，偽造模仿困難、易于為用戶接受和使用方便等，是一種比較理想的個(gè)人身份認(rèn)證方法。
　　 本文依托FTable手寫(xiě)平

2、臺(tái)采集的簽名數(shù)據(jù)，著眼于函數(shù)法在線簽名認(rèn)證的研究，對(duì)其中的若干關(guān)鍵問(wèn)題進(jìn)行了分析、討論，對(duì)支持向量數(shù)據(jù)描述方法在簽名認(rèn)證中的應(yīng)用做了較為深入系統(tǒng)的研究?，F(xiàn)將本文開(kāi)展的主要研究工作總結(jié)如下:
　　 提出了一種基于離散小波變換對(duì)簽名原始數(shù)據(jù)序列進(jìn)行壓縮的方案，該方法簡(jiǎn)單、可靠，既對(duì)數(shù)據(jù)進(jìn)行了壓縮，減小了計(jì)算量，同時(shí)也消除了噪聲干擾，提高了數(shù)據(jù)的質(zhì)量和可靠性。
　　 分析了在線簽名認(rèn)證簽名樣本分布的特點(diǎn)，提出了將SVDD算法和

3、模板匹配相結(jié)合的簽名認(rèn)證模型，該方法以訓(xùn)練樣本與模板的三維書(shū)寫(xiě)力的DTW匹配距離作為SVDD的輸入特征向量，經(jīng)過(guò)訓(xùn)練在高維空間構(gòu)建一個(gè)包含所有正樣本的緊致超球體，超球的半徑即為判決閾值，較好地解決了在簽名認(rèn)證中由于目標(biāo)樣本少且沒(méi)有非目標(biāo)樣本，判決閾值難以確定的困難，具有較大的實(shí)用價(jià)值。
　　 根據(jù)簽名字形的特點(diǎn)，對(duì)標(biāo)準(zhǔn)DTW算法進(jìn)行了改進(jìn)，提出了加權(quán)DTW匹配算法。討論了簽名模板的選擇問(wèn)題，在標(biāo)準(zhǔn)SVDD算法的基礎(chǔ)上提出了動(dòng)態(tài)規(guī)

4、整核函數(shù)支持向量數(shù)據(jù)描述(SVDD-DTWK)方法并用于在線簽名認(rèn)證，該方法以超球球心為目標(biāo)樣本聚類(lèi)中心，以超球半徑為判決閾值。聚類(lèi)中心和閾值完全由模型通過(guò)對(duì)樣本數(shù)據(jù)的學(xué)習(xí)自行確定，避免了人為選擇而可能給認(rèn)證系統(tǒng)帶來(lái)的不穩(wěn)定性。結(jié)合簽名認(rèn)證系統(tǒng)的實(shí)際情況，提出了SVDD-DTWK對(duì)新增目標(biāo)樣本的選擇方法，并給出了有非目標(biāo)樣本時(shí)的SVDD-DTWK算法。實(shí)驗(yàn)結(jié)果表明SVDD-DTWK用于在線簽名認(rèn)證還是比較理想的，同時(shí)也說(shuō)明目標(biāo)樣本的增加