计算机应用
計算機應用
계산궤응용
COMPUTER APPLICATION
2008年
9期
2389-2391
,共3页
王红春%靳斌%樊旭升%马士明
王紅春%靳斌%樊旭升%馬士明
왕홍춘%근빈%번욱승%마사명
签名鉴别%神经网络%Zernike矩%Gabor滤波器%特征提取
籤名鑒彆%神經網絡%Zernike矩%Gabor濾波器%特徵提取
첨명감별%신경망락%Zernike구%Gabor려파기%특정제취
将神经网络与签名识别相结合,利用前向多层神经网络的反向传播算法(即BP算法),采用Matlab神经网络工具箱构建用于特征识别的三层前向神经网络,同时使用了基于Gabor和Zernike相结合的特征提取方法,最终识别出待识别的手写签名.实验结果证明识别率可达到93.70%以上,证明了该方法的有效性.
將神經網絡與籤名識彆相結閤,利用前嚮多層神經網絡的反嚮傳播算法(即BP算法),採用Matlab神經網絡工具箱構建用于特徵識彆的三層前嚮神經網絡,同時使用瞭基于Gabor和Zernike相結閤的特徵提取方法,最終識彆齣待識彆的手寫籤名.實驗結果證明識彆率可達到93.70%以上,證明瞭該方法的有效性.
장신경망락여첨명식별상결합,이용전향다층신경망락적반향전파산법(즉BP산법),채용Matlab신경망락공구상구건용우특정식별적삼층전향신경망락,동시사용료기우Gabor화Zernike상결합적특정제취방법,최종식별출대식별적수사첨명.실험결과증명식별솔가체도93.70%이상,증명료해방법적유효성.
