脱机汉字签名鉴别系统

本文介绍了脱机汉字签名鉴别系统的设计，根据国内外研究的现状提出了一些改进方法，并指出了存在的不足之处。     

脱机手写签名图像的细化研究

针对脱机手写签名图像的细化存在的问题如细化后转折处出现的分叉笔画、两笔画不垂直相交部分的畸变,提出了新的细化算法。此算法采用串行处理的方式,首先对签名图像进行边缘提取,再针对边缘像素点进行可删除条件的判断,经过几次循环,最后形成细化图像。实验结果表明,此方法能较好地解决以上提到的问题,尤其是分叉笔画。     

脱机手写签名鉴别研究

本文主要研究了脱机手写签名的特征提取,提出了一种结合静态特征与动态特征的新的鉴别方法。提取静态特征时,利用伪Zemike矩的尺度及位移不变性,在细化的签名图像上计算10阶伪Zemike不变矩来组成特征向量。提取动态特征时,则首先从灰度图像得到签名的全局及局部高密区域,利用高密区域与原签名图像对应部分的面积之比得到全局和局部HDF。另外在全局高密区域的基础上,计算其相对重心,并将其作为男一个特征。结合两类特征形成16维特征向量后,建立一个系统,在系统中采用290个真伪签名进行验证。实验结果表明,系统的FAR和FRR分别可以达到7．25％、9．30％。     

脱机手写签名鉴别中的预处理技术研究

签名作为普遍接受的一种同意或授权的方式在社会生活中发挥了重要作用。论述了预处理在脱机手写签名鉴别中的作用,以实例阐述了脱机手写签名鉴别中预处理的过程。     

基于原因独立性的信度网推理

1.原因独立性假设信度网的条件概率表通常都比较大,若X有n个父结点,每个父结点有m种取值,则X的条件概率表将有m~n行。为了对其简化,研究者提出了一些简化模型,如Noisy-OR模型,Noisy-Adder模型等。这些模型的基本思想是:可以将一个结点的父结点看作是该结点的直接原因,按照人们的思维习惯,一个原因单独对结果的影响较容易估计。因此,如果假设各个原因对结果的影响相互独立,则可以简化信度网的条件概率表。这种简化处理需要解决两个问题:     

用于通信网阻塞控制的信度网模型

1.引言阻塞是通信网中的一种常见现象。网络由于信息流特性的可变性和网络结点的特性,使得信息在通过结点时产生滞留现象,从而造成信息的时延增大和信息丢失率上升。这种由于网络结点吞吐率下降而引起的信息聚集于一些结点的缓冲区中,网络时延极大增加的现象即为网络的阻塞现象。当网络中一个结点处于阻塞状态,那么与该结     

基于集成神经网络的离线手写签名鉴别方法

离线手写签名鉴别是一种基于生物特征的身份识别技术,利用集成神经网络对手写签名进行自动鉴别。该集成神经网络由特征分配网络、神经网络认证主体和决策融合识别网络三部分构成。通过为每个签名者构造独立的分类器,并分别为每个分类器构造认证、识别训练集,解决了离线签名的认证和识别问题。基于此方法的签名鉴别实验获得了比较满意的结果,可以用来辅助人类专家进行签名鉴别。     

一种新的知识表达模型——信度网

A belief network is a new mechanism for knowledge representation based on probability the-ory. Its distinct performance in representing and reasoning about uncertainty makes it a hot researchtopic in artificial intelligence. It is now being Used in many areas. In this paper,we give a comprehensiveintroduction to a belief network,including its historic background ,principles ,the progress of its researchand development ,and some challenging problems.     

基于信度网的网站在线智能导航

一、引言随着计算机网络的发展,网站提供的信息越来越丰富。一般将那些围绕一个中心思想的信息组织在一起,称为一个主题(Topic)。各个相关主题通过超级链接互相联系。如果用结点代表一个主题,两个主题之间的超级链接用一条有向边表示,则一个网站的信息结构可以抽象表示为一个复杂的有向图,称为网站的信息结构图。如图1就是一个信息结构图。     

基于神经网络的脱机中文签名鉴别系统的研究

将神经网络与签名识别相结合,利用前向多层神经网络的反向传播算法（即BP算法）,采用Matlab神经网络工具箱构建用于特征识别的三层前向神经网络,同时使用了基于Gabor和Zernike相结合的特征提取方法,最终识别出待识别的手写签名。实验结果证明识别率可达到93.70%以上,证明了该方法的有效性。     

层次化分类的离线中文签名真伪鉴别方法

为了改进中文手写签名真伪鉴别系统的性能,提出了一种混合极限学习机和稀疏表示的层次化分类方法。首先,利用极限学习机强大的泛化能力和鲁棒性,对较易识别的伪签名进行分类,如随机伪造的签名;接着,利用稀疏表示分类具有的精准描述性能,设计签名数据字典,对较难识别的伪签名进行分类,如熟练伪造的签名。实验结果表明,层次化分类的签名鉴别方法与前沿的两种方法相比总体准确率最高,达到了95.53%。     

一种新的联机签名鉴别方法

联机签名技术是基于人体特征的身份鉴别领域的重要技术之一。该文采用改进的方向链码方法对签名特征作了十分有效的提取,并应用支持向量机(SVM)模型进行身份鉴别。实验结果显示,在只有少量真样本进行训练的情况下,对于非专业模仿签名取得了错误拒绝率(FFR)2.22%,错误接受率(FAR)1.91%的较好鉴别效果。这充分表明这种方法具有很好的使用和推广价值。     

一种信度网推理的并行计算模型

基于概率知识表达的信度网已成为人工智能中非确定知识表达和推理的研究热点。推理算法是信度网学习和应用的基础。该文提出了一种基于经典Polytree算法的推理计算模型。该模型表达清楚,计算过程容易控制,并能够简单地映射到并行机结构上。该文首先介绍了模型在单联通网络下的计算步骤,然后将模型引入到多联通网络上。     

基于改进SIFT的离线签名鉴别方法

针对高质量模仿签名和签名图像的尺度变化对鉴别效果影响较大的问题,提出了一种基于改进SIFT的离线签名鉴别方法。该方法首先改进尺度空间的建立,减少尺度空间的层数和组数,然后检测签名图像的SIFT特征点和提取特征描述子,根据特征描述子间的欧氏距离进行匹配,通过邻近距离之比和特征点角度差筛选匹配对,并对匹配对特征点的角度差进行直方图统计构成ODH(Orientation Difference Histogram)特征向量。最终根据匹配对的数量和ODH特征向量的相似度完成鉴别工作。本文方法在本地数据库上的等误率为6.7%,在4NSigComp2010公共数据库上的等误率为20%。实验结果表明,该方法与现有方法相比有效的提高了鉴别正确率。     

一种在线汉字签名鉴别方法

本文针对在线汉字签名鉴别系统中存在的误拒绝真实签名问题和误接收伪造签名问题,提出了相应的解决方法.首先引入伪匹配起点的概念,使得用动态规划算法求出的最优匹配路径更具合理性;采用了多模板的方法,认为最终的鉴别距离是被测签名与多个参考签名距离的平均值;根据最小风险贝叶斯决策规则,求出距离阈值h使系统的平均风险达到最小.实验结果证明了本文提出方法的有效性.     

基于图像处理技术的离线手写签名鉴别方法

由于手写签名具有高度的唯一性、不遗忘性、自然性与可靠性已成为身份识别的研究热点。文中对手写签名识别技术主要是离线手写签名识别技术进行了详细分析,在研究手写签名的特点和在身份认证中实用性的基础上,提出了一种基于图像处理技术的手写签名鉴别方案,该方案利用了图像的缩放和膨胀细化技术对图像进行处理,然后利用均方差和峰值信噪比来评价签名图像的相似度。试验数据表明该鉴别方法简单可行且高效,能获得较好的验证率和鉴别率。     

基于图像处理技术的离线手写签名鉴别方法

由于手写签名具有高度的唯一性、不遗忘性、自然性与可靠性已成为身份识别的研究热点。文中对手写签名识别技术主要是离线手写签名识别技术进行了详细分析,在研究手写签名的特点和在身份认证中实用性的基础上,提出了一种基于图像处理技术的手写签名鉴别方案,该方案利用了图像的缩放和膨胀细化技术对图像进行处理,然后利用均方差和峰值信噪比来评价签名图像的相似度。试验数据表明该鉴别方法简单可行且高效,能获得较好的验证率和鉴别率。     

学习信度网的结构

一、等价的信度网结构学习信度网的结构,就是通过分析实例数据库,建立能够表达实例数据所包含信息的信度网的结构。任何一个由所有的结点(变量)构成的有向无环图都可能作为信度网的结构。如对图1(d)所示的关于吸烟、性别及肺癌的实例数据库,其三种可能的信度网结构如图1     

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,反映不间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.     

信度网中条件概率表的学习

一、引言信度网B的学习包括结构B(?)的学习和条件概率表B_p的学习。因果马尔可夫条件原理表明:如果图形G是一个随机变量集合X的因果图,那么图形G也是该随机变量集合的联合概率分布所对应的信度网的结构图。根据这一原理,在实际应用中,可以利用领域