利用总体特征对中文签字进行分类的聚类算法

针对不同书写者书写同一字的分类问题,在C-均值法和马氏距离测度的基础之上,提出了一种动态聚类算法,并讨论了签字的总体特征选择问题。利用该聚类算法对不同书写者的签字进行二分分类得到了较好的效果。实验显示,选择一组代表书写者书写风格的特征是分类成败的关键。文中选取的五个总体特征应用到非模仿的签字鉴别中有较好效果。

基于特征标权的中文签字核聚类研究

针对不同书写者书写同一字的分类问题,介绍了签字的五个全局特征的提取方法.在特征总数不多的情况下,使用特征标权而不是特征选择的方法来反映各特征对于签字分类的区分度不一样的事实,并着重讨论了如何利用待分类的模式,无监督的进行特征标权以得到权重向量的方法.将权重向量加入到作为核函数的高斯函数中,以核聚类方法对签字进行分类,实验显示,采用同样的核聚类步骤,加入权重向量后分类正确率较没有权重向量时的分类正确率有明显提高,权重向量自学习较同类方法指导性更强,说明该方法适用于文中提出的中文签字的分类问题,是可行且有效的.