计算机工程与应用
計算機工程與應用
계산궤공정여응용
COMPUTER ENGINEERING AND APPLICATIONS
2007年
12期
235-238
,共4页
手写签名认证%小波包分析%特征提取%RBF神经网络
手寫籤名認證%小波包分析%特徵提取%RBF神經網絡
수사첨명인증%소파포분석%특정제취%RBF신경망락
针对在线手写签名难以提取有效特征的实际情况,提出用小波包分解和单支重构来构造能量特征向量的方法,直接利用各频段成分能量的变化来反映签名的动态特征.用该方法构造的特征向量能突出反映签名的动态特征,通过RBF神经网络进行签名识别.实验数据表明,采用此方法,识别的正确率可达96.75%,平均错误率ERR=3.34%,其性能是较满意的.
針對在線手寫籤名難以提取有效特徵的實際情況,提齣用小波包分解和單支重構來構造能量特徵嚮量的方法,直接利用各頻段成分能量的變化來反映籤名的動態特徵.用該方法構造的特徵嚮量能突齣反映籤名的動態特徵,通過RBF神經網絡進行籤名識彆.實驗數據錶明,採用此方法,識彆的正確率可達96.75%,平均錯誤率ERR=3.34%,其性能是較滿意的.
침대재선수사첨명난이제취유효특정적실제정황,제출용소파포분해화단지중구래구조능량특정향량적방법,직접이용각빈단성분능량적변화래반영첨명적동태특정.용해방법구조적특정향량능돌출반영첨명적동태특정,통과RBF신경망락진행첨명식별.실험수거표명,채용차방법,식별적정학솔가체96.75%,평균착오솔ERR=3.34%,기성능시교만의적.