رویکردی جدید در بازشناسی امضا با استفاده از همجوشی طبقه بندی کننده ها

در حال حاضر مسئله تشخیص هویت از مهمترین فاکتورها در اکثر فعالیت ها است که امنیت سامانه مورد استفاده را تضمین می کند. در این مقاله، روشی جدید به منظور شناسایی و تائید افراد از طریق امضای برون خط با استفاده از مجموعه ای از ویژگی های سراسری هندسی ارائه شده است. ویژگی هایی همچون مساحت، مرکز گرایش و میزان شب مد نظر هستند. بدین منظور پس از استخراج ویژگی های مناسب با استفاده از ترکیب SVM و شبکه عصبی پرسپترون چند لایه با تعداد نرون های بهینه شده در لایه میانی و نرخ آموزش بهینه، طبقه بندی و در نهایت تصمیم گیری انجام می گیرد. با بررسی ویژگی های استخراج شده و برقراری یک تناظر محلی بین قسمت های امضای آزمون و امضای مرجع، تائید یا رد امضای آزمون انجام می شود. سیستم بازشناسی با استفاده از پایگاه داده معتبر SVC2004 آموزش داده شده است. نتایج بدست آمده حاکی از دقت بالای روش پیشنهادی است.

Keywords:

بیومتریک , شبکه عصبی , طبقه بندی , ماشین بردار پشتیبان , ویژگی سراسری