基于支持向量數(shù)據(jù)描述的在線簽名認證研究.pdf

1、準確快速的鑒別個人身份、保證信息安全是當今信息化時代亟待解決的一個關鍵問題。隨著計算機技術的進步和發(fā)展，基于生物特征的身份識別技術已成為一種重要的個人身份鑒別技術。作為生物特征識別技術的一個方向，手寫簽名認證也得到了廣泛的關注和研究。與其它生物特征身份認證相比，在線手寫簽名認證具有一系列獨特的優(yōu)勢:不需要復雜的采樣設備，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人身份認證方法。
　　 本文依托FTable手寫平

2、臺采集的簽名數(shù)據(jù)，著眼于函數(shù)法在線簽名認證的研究，對其中的若干關鍵問題進行了分析、討論，對支持向量數(shù)據(jù)描述方法在簽名認證中的應用做了較為深入系統(tǒng)的研究?，F(xiàn)將本文開展的主要研究工作總結如下:
　　 提出了一種基于離散小波變換對簽名原始數(shù)據(jù)序列進行壓縮的方案，該方法簡單、可靠，既對數(shù)據(jù)進行了壓縮，減小了計算量，同時也消除了噪聲干擾，提高了數(shù)據(jù)的質量和可靠性。
　　 分析了在線簽名認證簽名樣本分布的特點，提出了將SVDD算法和

3、模板匹配相結合的簽名認證模型，該方法以訓練樣本與模板的三維書寫力的DTW匹配距離作為SVDD的輸入特征向量，經(jīng)過訓練在高維空間構建一個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證中由于目標樣本少且沒有非目標樣本，判決閾值難以確定的困難，具有較大的實用價值。
　　 根據(jù)簽名字形的特點，對標準DTW算法進行了改進，提出了加權DTW匹配算法。討論了簽名模板的選擇問題，在標準SVDD算法的基礎上提出了動態(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證，該方法以超球球心為目標樣本聚類中心，以超球半徑為判決閾值。聚類中心和閾值完全由模型通過對樣本數(shù)據(jù)的學習自行確定，避免了人為選擇而可能給認證系統(tǒng)帶來的不穩(wěn)定性。結合簽名認證系統(tǒng)的實際情況，提出了SVDD-DTWK對新增目標樣本的選擇方法，并給出了有非目標樣本時的SVDD-DTWK算法。實驗結果表明SVDD-DTWK用于在線簽名認證還是比較理想的，同時也說明目標樣本的增加