结合模糊理论的动态匹配脱机签名鉴定研究

为快速并准确地进行脱机签名鉴定,提出了一种结合模糊理论建立动态匹配目标函数用于鉴定的新方案。鉴于签名图像具有投影特征提取简单的特点,该方案通过选择合适的隶属度函数,归纳出动态匹配所必需的目标函数式,并给出了相应的求解方法。同时还根据实验结果讨论了新方案中参考样本的选择和判别阈值对鉴定结果的影响,并与其他方案的实验结果进行了比较,结果表明,该方案是有效的。

基于遗传小波神经网络模型的脱机签名鉴定

根据脱机中文签名的特点,提出了一种用基于遗传算法的小波神经网络进行脱机中文签名鉴定的方法。基于遗传算法的小波神经网络模型结合了遗传算法的全局搜索能力和小波神经网络快速高精度的特点,克服了梯度下降法易陷入局部极小和引起振荡效应等缺点。该模型用遗传算法对小波神经网络的各参数进行前期优化训练,再用梯度下降法对参数进行二次优化。实验结果表明,将此模型用于脱机签名鉴定系统,与单独采用BP网络或小波神经网络相比,性能有明显的提高。

基于LSVM分类鉴定器的脱机签名鉴定研究

针对脱机中文签名鉴定,主要对脱机签名鉴定的特征抽取和比较决策做进一步的研究。在特征提取与选择上,在参考国内外一些成熟方法的基础上做相应的改进和尝试,使用静态形状特征和伪动态特征相结合的方法,提出一种新的高灰度稳定区特征,在特征选择上采用一种把概率距离法中的Bhattacharyya距离和特征本身综合起来考虑的方法;在比较决策上,采用比标准SVM算法速度更快,更易于实现的LSVM算法作为分类鉴定的方法,取得了较好的效果。

基于特征选择的脱机签名模糊鉴定建模与仿真

在建立脱机签名鉴定模型的过程中,首先设计提取了签名的静态特征和伪动态特征,并提出了一种基于离差测度的新的选择准则用于特征选择。另外,在鉴定模型中引入模糊理论,通过模糊集合来表征特征的不确定性,并采用隶属度函数构造权重系数作用于模糊规则的输出来进行鉴定。仿真实验对于中、英文两种签名数据库分别取得了大约9.2%和10.5%的平均错误率,其中,英文数据库的平均错误率较现有文献的结果降低了大约3%。

基于模糊模型最优化规则的脱机签名鉴定研究

提出一种基于多模糊规则的脱机签名模糊鉴定系统.该系统提取签名的静态特征和伪动态特征以弥补书写过程中丢失的动态信息,并采用模糊集合表征所提取特征的不确定性,同时利用隶属度函数构建新的权重系数,反映不同模糊规则对鉴定结果的重要程度.另外,为减少整个模糊鉴定系统的复杂性,提出采用K-交叉验证方法对模糊规则数目的选择进行最优化.实验采用中、英文两种签名数据库分别得到9.52%和12.67%的平均错误率,验证了该系统的有效性.