基于支持向量数据描述的在线签名认证系统  

Online Signature Verification System Based on Support Vector Data Description

作　　者：邹杰[1] 吴仲城[1,2] 

机构地区：[1]中国科学院合肥物质科学研究院强磁场中心控制实验室,合肥230031 [2]中国科学院合肥智能机械研究所,合肥230031

出　　处：《模式识别与人工智能》2011年第2期284-290,共7页Pattern Recognition and Artificial Intelligence

基　　金：国家自然科学基金(No.60975057)资助项目

摘　　要：提出一种基于支持向量数据描述方法的在线签名身份认证系统.首先,采用双向后向合并DTW算法确定签名中关键点之间的对应关系,然后采用经典DTW度量签名局部中各种细微的差异.文中提出基于差异值均值方差最小原则的特征选择方法.最后,采用支持向量数据描述方法设计分类器.为得到更好的认证效果,采用多层交叉验证和遗传算法寻找最优的分类器参数.在SVC2004数据库上,系统对熟练伪造签名取得4.25%的平均等错误率.An online signature verification system is proposed based on support vector data description （SVDD）. Firstly, correspondences of the critical points in signatures are confirmed by bidirectional backward-merging dynamic time wrapping algorithm. Then, subtle differences in the local are calculated by classical dynamic time wrapping algorithm. Feature selection principle based on mean and deviation minimization is proposed. Finally, the classifiers are designed using SVDD. To obtain better result, m-fold cross validation and genetic algorithm are used to seek optimal parameters of SVDD. The average equal error rate for skill forge signatures on SVC2004 signatures database is 4.25%.

关 键 词：在线签名认证 动态时间规整(DTW) 支持向量数据描述(SVDD) 遗传算法 

分 类 号：TN918.2[电子电信—通信与信息系统]