基于动态时间规划的在线签名认证方法

在线签名认证是基于人体行为特征的身份认证技术。动态时间规整（DTW）算法是签名验证中最为常用的方法,但该算法应用到签名验证中存在一定的局限性。本文针对这些具体问题,提出了新的解决方法。基于F-Tablet手写输入设备,综合利用签名字形信息以及三维书写力信息研究DTW算法在签名认证系统中的应用。提出了合理性的算法模型。通过试验数据表明,取得等错误率达到2.31%的满意结果。     

基于插值改善的局部相关分析手写签名认证方法的研究

本文首先简要总结了手写签名认证研究的进展情况，然后提出基于插值的改进的局部相关分析认证方法。     

基于身份的可认证的盲签名方案

在基于身份的盲签名基础上，提出了一个基于身份的可认证的盲签名方案，它有效地实现了用户身份的认证功能与盲签名的融合，使盲签名在电子商务和电子现金支付业务中的使用更加安全有效，使得用户不再需要额外的认证系统来验证身份合法性，大大提高了系统工作效率。     

手写签名的快速认证

提出了一种新的手写签名的快速认证方法，采用包括笔迹起点、终点信息、笔迹方向信息及笔画数等信息在内的匹配函数，将测试签名的特征和参考样板签名的特征进行匹配，判断真伪。在签名对准过程中，根据曲折点的曲率、方向确定旋转、平移变换，大大减少了对准时间。采用大量签名进行实验，该方法识别效果良好。     

基于分类树算法的水果分类检测方法设计

为满足果农对水果大小分类的需求,提出了基于分类树算法的水果分类检测,易于果农操作,便于在中小型果园进行科技农业的推广。实验表明,该检测技术应用效果良好,降低了果农的生产成本,增加了果农收益。此外,文章对水果分类检测技术进行了展望。     

基于HMM的在线手写签名认证系统设计与实现

在线手写签名认证是以人的行为特征为基础的身份认证技术.对在线手写签名字型曲线进行分段,分析了一系列特征,并将隐马尔可夫模型(HMM)引入到在线手写签名认证中.找到了真签名中某种比较稳定的特征,提出了一种基于隐马尔可夫模型的在线手写签名认证方法.从实验数据来看,取得了比较满意的认证效果.     

基于二维HMM的中文离线签名认证系统

介绍了一种基于隐马尔可夫模型的中文离线签名认证系统。在分析中文离线签名特点的基础上,提出了一种简单有效的特征抽取方法;使用二维HMM对每个签名者的签名建模,并对实际应用中训练样本不足、字体随时间变化等因素带来的系统识别率下降的问题给出了解决方法。实验结果显示该系统取得了令人满意的效果,可以用来辅助人类专家进行签名鉴定。     

基于手写签名认证的安全机制

该文阐述了现存密码技术中的一些缺陷,并提出一种手写签名认证与密码技术相结合的改进方法,该方法使得网络用户无须保存其密钥也可以安全地与其他用户进行通信。同时提出了手写签名的快速认证方法,该方法采用了包括笔迹起点、终点信息、笔迹方向信息及笔划数等信息在内的匹配函数,在签名对准过程中,根据曲折点的曲率、方向确定旋转、平移变换,大大减少了对准时间。     

基于HMM/DTW两级结构的签名认证方法

提出一种基于HMM和DTW在线手写签名认证方法的改进方法。该方法使用签名关键点和关键点的特征值进行签名的状态划分和状态匹配,实现类内签名状态划分的一致性。并利用在线手写签名二维信息的DTW距离作为签名隐马尔科夫模型的状态观测值,构建二级签名隐马尔科夫模型认证框架进行签名认证,得到较好的认证效果。实验结果表明,认证的准确率能达到93%左右。     

基于Schnorr签名体制的远程用户认证系统

提出了一个新的基于Schnorr签名体制和智能卡的远程用户认证系统,系统不需要使用传统的通行字表,并可防范重放攻击,能够安全而有效地工作在通信链路不安全的网络环境中。     

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。     

一种基于极值区域性特征的在线签名认证算法

通过对在线签名认证算法的比较分析,提出了一种新的算法来实现在线签名认证。该算法通过计算图像上点坐标(x, y)的导数值为零得到极值点,把极值用来作为分段边界,得到一组基于所定义极值特征的规则。阐述了提取签名中的区域性特征。实验表明,该算法的错误拒绝率和错误接受率都明显下降。     

基于说话人聚类和支持向量机的说话人确认研究

说话人确认系统需要用目标说话人和背景模型说话人的语音数据对模型进行训练。背景模型说话人可随机选取或选取与目标说话人相近的说话人。采用说话人聚类的方法可以有效地解决说话人背景模型的选取问题。支持向量机用作说话人确认模型来训练目标说话人和背景说话人的语音数据。实验表明该方法对与文本无关的说话人确认问题是有效的。     

基于书写摩擦力的签名识别方法

由于动态测量坐标系的存在, 使得数字笔在不同的握笔姿态下, 引起书写平面内摩擦力的分解不同. 由此本文提出采用书写摩擦力进行在线签名识别. 该方法将摩擦力的方向在直角坐标系内进行特征量表示, 并与三维书写力的大小相结合, 实现概率值和距离测度信度级的融合. 在进行真假签名的判别中, 加入快速剔除的方法, 进行两级判别, 以提高识别效率. 实验结果表明, 基于签名书写力大小和方向特征的融合识别方法互相补充, 相对于单个方法具有更高的识别率, 系统性能得到显著改善.     

基于数字签名的身份认证模型的一种方案

公开密钥基础设施(Public Key Infrastructure,PKI)是目前网络安全建设的基础与核心,是电子商务安全实施的基本保障。文中分析了PKI技术,提出了一种基于数字签名的身份认证模型的方案,给出了其模型结构,并详细地阐述了各部分的功能、实现的策略以及方法,解决了网络交易中对身份认证的要求,为保证网上交易安全提供了一种可行的身份认证模式。     

椭圆曲线上的门限共享验证签名加密方案

基于椭圆曲线密码体制提出一个门限共享验证签名加密方案。该方案的n个验证者中的任意t个可以验证签名的有效性,而少于t个验证者则不能验证签名的有效性,是数字签名与公钥密码体制的有机结合。与现有的门限共享验证签名方案相比,该方案具有数据传输安全性高、密钥长度短、通信代价小、执行效率更高等特点,并能防止验证人欺骗。     

算法随机性置信支持向量机及其签名认证

根据 Kolmogorov算法随机性理论 ,描述定义了具有置信判别能力的置信学习机器 .利用普通支持向量学习机器中的 L agrangian系数 ,从系数基本的物理内涵出发 ,近似实现了 Kolmogorov算法随机性理论定义的普适不可计算的随机性描述函数 .并由此定义了学习的置信度 ,使得支持向量学习机在学习判断对象类别的同时能够给出该次判断的可信程度 ,丰富了学习机器的输出信息 .将置信支持向量机用于认证手写签名的特征向量 ,提高了在线手写签名认证应用系统的可靠性和灵活性     

基于多层分割的离线签名鉴定

提出了一种基于多层分割的离线签名鉴定方法,该方法首先根据签名图像的重心进行水平(垂直)分割,接着对分割后所得到的区域按重心再进行垂直(水平)分割,经如此水平、垂直交叉进行分割后,可以形成一个多层的签名图像分割区域,然后对各区域提取签名的几何特征,并对各项特征依不同权值进行融合形成一个从全局到局部的特征向量,最后依据基于...     

自适应数据库中基于特征向量的聚类算法的研究与改进

在负载自适应数据库系统中,负载特征化部件是关键部分,首先要对负载分类,然后根据分类的情况预测负载性能。负载的分类一般采用聚类算法,聚类算法中比较典型的就是K—means算法。但在K—means算法中,k值必须提前设定而且不能根据负载的实际情况改变,就是对算法的一个改进,使得k值动态的、能够根据负载的实际情况改变。实验结果表明,使用该算法的分类结果预测负载运行时间的准确性有明显提高。