رویکردی جدید در بازشناسی امضا با استفاده از همجوشی طبقه بندی کننده ها
Publish place: National Conference on Engineering Sciences, New Ideas (8)
Publish Year: 1393
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,228
This Paper With 7 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
AIHE08_384
تاریخ نمایه سازی: 13 آبان 1393
Abstract:
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:
Authors
مریم هوتی نژاد
دانشگاه آزاد اسلامی واحد علوم و تحقیقات، گروه هوش مصنوعی، کرمان، ایران
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :