-
题名以笔画为研究对象的笔迹伪动态特征提取方法
被引量：5
- 1
-
-
作者
王民
孙向南
刘利
朱晓娟
曾宝莹
-
机构
西安建筑科技大学信息与控制工程学院
-
出处
《计算机工程与应用》
CSCD
北大核心
2016年第18期179-182,207,共5页
-
基金
国家自然科学基金(No.61373112)
陕西省自然科学基金面上项目(No.2014JM8343)
-
文摘
针对以往的以文字结体为研究对象的离线笔迹特征提取方法在文本相关度较低时无法获取稳定特征的问题,提出了一种以笔画为研究对象的笔迹伪动态特征提取方法,摆脱了结体依存性的束缚。引入概率统计思想,采用网格窗口提取笔画的运笔走势和宽度变化等伪动态特征。分别采用加权欧式距离、加权卡方距离和加权Manhattan距离计算笔迹相似度。在HIT-MW和HIT-SW库上进行实验,文本相关度较高时首选和前10选鉴别正确率分别为95.9%和99.5%;文本相关度较低时首选和前10选鉴别正确率分别为91.9%和99.0%。实验表明,以笔画为研究对象的笔迹伪动态特征提取方法在低文本相关度下仍能取得较好效果。
-
关键词
笔画
伪动态特征
概率统计
网格窗口
文本相关度
-
Keywords
strokes
spurious dynamic feature
probability statistics
grid window
text relevance
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名层次化分类的离线中文签名真伪鉴别方法
被引量：3
- 2
-
-
作者
魏佳敏
冯筠
卜起荣
高原
赵妍
-
机构
西北大学信息科学与技术学院
西北大学经济管理学院
-
出处
《计算机工程与应用》
CSCD
北大核心
2018年第8期112-118,共7页
-
基金
陕西省教育厅2015年科学研究计划项目(No.15JK1689)
-
文摘
为了改进中文手写签名真伪鉴别系统的性能,提出了一种混合极限学习机和稀疏表示的层次化分类方法。首先,利用极限学习机强大的泛化能力和鲁棒性,对较易识别的伪签名进行分类,如随机伪造的签名;接着,利用稀疏表示分类具有的精准描述性能,设计签名数据字典,对较难识别的伪签名进行分类,如熟练伪造的签名。实验结果表明,层次化分类的签名鉴别方法与前沿的两种方法相比总体准确率最高,达到了95.53%。
-
关键词
签名真伪鉴别
层次化分类
极限学习机
稀疏表示分类
静态特征
伪动态特征
-
Keywords
signature verification
hierarchical classifying
extreme learning machine
sparse representations classifier
static features
pseudo-dynamic features
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
