基于SVM的在線手寫簽名認(rèn)證研究.pdf

1、隨著網(wǎng)絡(luò)信息化的高速發(fā)展，信息安全對于人們來說也日益重要，各種生物識別技術(shù)也隨之而生。常用的生物特征:DNA、指紋、簽名和步態(tài)等，因其具有普遍性、難以遺忘和容易攜帶等特點，常被用于進(jìn)行身份驗證。在線手寫簽名因其難以遺忘、采集設(shè)備簡單廉價、易獲取等優(yōu)點成為現(xiàn)在的身份認(rèn)證中最為廣泛接受的一種，并廣泛應(yīng)用于電子商務(wù)、銀行、出入境管理、金融等各個重要領(lǐng)域，隨著簽名認(rèn)證技術(shù)的發(fā)展，將不斷推動信息安全等領(lǐng)域的大力發(fā)展。
　　 本文采用不同方

2、式進(jìn)行特征優(yōu)選，并基于支持向量機(jī)(SVM)進(jìn)行在線手寫簽名認(rèn)證研究。相比于其它學(xué)習(xí)機(jī)，SVM模型能夠很好地解決小樣本分類問題。最初應(yīng)用于人臉識別系統(tǒng)和語音識別系統(tǒng)，都取得了比較好的成果，而很少有學(xué)者將其應(yīng)用于在線簽名認(rèn)證。通常特征匹配方式包括基于局部特征的函數(shù)特征匹配和基于統(tǒng)計特征的參數(shù)特征匹配兩種，而本文考慮到簽名的統(tǒng)計特征提取相對容易，且常用的SVM是用于特征長度固定且相等的分類器，正好可以實現(xiàn)基于SVM的統(tǒng)計特征的在線簽名認(rèn)證。<

3、br>　　 文中首先介紹了基于SVM的在線簽名認(rèn)證方案，簡單闡述了簽名數(shù)據(jù)的采集、預(yù)處理過程及統(tǒng)計特征的提取，然后通過不同的方法逐級進(jìn)行特征優(yōu)選。特征優(yōu)選主要包括基于PCA法的特征提取和基于多種分類器對比來選擇最佳的個性特征。將優(yōu)選出來的特征分別作為SVM模型的輸入矢量，并進(jìn)行認(rèn)證實驗。訓(xùn)練時，通過不斷調(diào)整懲罰系數(shù)C和徑向基核函數(shù)參數(shù)σ可訓(xùn)練出不同認(rèn)證率下的模型，結(jié)合這兩個參數(shù)對模型精度的影響，找出最佳認(rèn)證率下的C和σ的參數(shù)組合并得到