A Recognition System Using K-nearest Neighbors (K-NN) Classification of Keyboard Dynamics Patterns
Publish Year: 1393
نوع سند: مقاله کنفرانسی
زبان: English
View: 567
متن کامل این Paper منتشر نشده است و فقط به صورت چکیده یا چکیده مبسوط در پایگاه موجود می باشد.
توضیح: معمولا کلیه مقالاتی که کمتر از ۵ صفحه باشند در پایگاه سیویلیکا اصل Paper (فول تکست) محسوب نمی شوند و فقط کاربران عضو بدون کسر اعتبار می توانند فایل آنها را دریافت نمایند.
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICEEE06_093
تاریخ نمایه سازی: 1 مهر 1394
Abstract:
Security in access granting systems in modern life has urged administrators to rethink about present authentication methods. In this paper merit of keystroke dynamics and k-nearest neighbor (K-NN) as a stochastic classifier are examined. The keystroke patterns from a pre-collected dataset are used as a working dataset for this research. K-NN is a straightforward and easy to implement classifier which relies on the majority vote of k nearest neighbor patterns labels to the test pattern regarding the proper distance measurement criterion. A nearly promising results achieved in this research and best equal error rate equivalent to 11.76% is evaluated in k=40.
Keywords:
Access control mechanism , Biometrics , Keyboard dynamics , K-nearest neighbors (K-NN) , Equal error rate (EER) ,
Authors
A Rezaei
Department of Electrical Engineering Iran University of Science and Technology (IUST), Tehran, Iran
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 :