一种基于隐马尔可夫模型的在线手写签名认证算法

给出一种对签名特殊点的提取方法,并以此特殊点作为签名的分割点,获取每段中的重要特征进行分析.在此基础上,提出一种基于隐马尔可夫模型(HMM)的在线手写签名认证算法,并利用第一届国际手写签名认证竞赛(SVC 2004)的测试数据库检验了算法的有效性.

基于极角特征匹配的动态签名鉴别算法

基于签名质心和黄金分割质心建立极坐标系,并提取签名极角特征中相对稳定的极值点序列作为笔段分隔点给出一种签名鉴别算法.提出了改进的动态时间规整(DTW)算法,通过该算法将待测样本和签名模板依分隔点的对应关系按段进行动态匹配,得到最优匹配方案和最佳相似度,从而降低了误拒率.算法经JLU-DHSDB2.0签名数据库测试,识别等错率达到4.25%.

在线手写签名的识别算法

提出一种手写签名的数学模型,借鉴动态规划的思想进行时序匹配.引入加权H1模的距离计算公式,用以度量输入签名与样本签名的差异,经实践检验识别算法的有效性.

基于笔划匹配的在线手写签名身份认证算法

目的使用计算机把手写签名的图像、笔顺、速度和压力等信息与存储的真实签名样本进行对比,以实时鉴别手写签名真伪.方法笔者给出一种手写签名身份认证的笔划匹配算法,选用签名的速度及压力变化率作为特征向量进行相似度计算,降低签名在坐标和方向上不一致造成的影响,引入加权H′模的距离计算公式来度量输入签名与样本签名的差异.结果经第一届国际手写签名身份认证竞赛样本数据库检验,误拒率为2%,误识率为零.大笔划匹配算法解决了签名由于断笔、干扰等因素造成的笔划数不等的问题;在防止伪造签名的前提下,提取签名的动态特征进行比较,提高了算法的识别率.结论在线手写签名认证具有方便和快捷的特点,适合作为身份认证手段.通过实例检验了算法的有效性.

结构缺损位置识别

应用小波分析理论对缺损结构信号进行处理，并由此形成人工神经网络的训练样本，进而用人工神经网络对结构缺损位置进行识别．本方法亦适用于其它机械故障的检测问题．

结构缺损的识别

利用小波分析与人工神经网络相结合的方法，对结构缺损进行了识别。敲击缺损试件后产生的振动信号由传感器拾取，经数据采集系统采集、适当处理后进行小波变换，形成人工神经网络的训练样本，并对所建网络进行训练，利用在训练样本中加入随机噪音的方法对网络的识别精度进行了讨论。本文用上述方法以悬臂梁试件为例，对结构缺损位置、缺损深度以及螺栓联接结构的紧固程度进行了试验。