基于集成神经网络的离线手写签名鉴别方法
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第6-15页 |
| ·研究背景及意义 | 第6-9页 |
| ·引言 | 第6-7页 |
| ·离线手写签名鉴别研究存在的问题 | 第7-8页 |
| ·签名鉴别研究的应用前景 | 第8-9页 |
| ·签名鉴别研究的意义 | 第9页 |
| ·国内外研究现状 | 第9-11页 |
| ·国外研究现状 | 第9-10页 |
| ·国内研究现状 | 第10-11页 |
| ·研究内容与创新点 | 第11-14页 |
| ·研究的主要内容 | 第11-12页 |
| ·本人所做工作 | 第12-13页 |
| ·主要创新点 | 第13-14页 |
| ·论文组织结构 | 第14-15页 |
| 第二章 签名图像的收集与预处理 | 第15-20页 |
| ·签名图像的收集 | 第15页 |
| ·签名图像的预处理 | 第15-20页 |
| ·256色位图灰度化处理 | 第16页 |
| ·平滑去噪处理 | 第16-18页 |
| ·灰度图像二值化处理 | 第18-19页 |
| ·笔划细化处理 | 第19-20页 |
| 第三章 签名图像的特征提取 | 第20-32页 |
| ·几何不变矩特征 | 第20-22页 |
| ·不变矩 | 第20-21页 |
| ·Hu不变矩 | 第21-22页 |
| ·基于中心矩的形状矩特征(SDBCM) | 第22-24页 |
| ·纹理特征 | 第24-28页 |
| ·灰度共生矩阵 | 第24-25页 |
| ·灰度共生矩阵特征的提取 | 第25-28页 |
| ·特征性能测试与评价 | 第28-32页 |
| ·基于目标骨架分布的几何不变矩 | 第28-29页 |
| ·基于目标二值分布的形状矩特征 | 第29-30页 |
| ·基于目标灰度分布的纹理特征 | 第30-32页 |
| 第四章 信息融合技术研究 | 第32-43页 |
| ·信息融合理论 | 第32-35页 |
| ·信息融合的概念 | 第32页 |
| ·信息融合的层次结构 | 第32-34页 |
| ·信息融合的方法 | 第34-35页 |
| ·基于D-S证据理论的信息融合 | 第35-39页 |
| ·D-S证据理论基本概念 | 第35-37页 |
| ·D-S证据推理步骤及过程 | 第37-38页 |
| ·D-S证据理论决策规则 | 第38-39页 |
| ·神经网络基础 | 第39-43页 |
| ·人工神经网络 | 第39-40页 |
| ·标准BP算法 | 第40-41页 |
| ·神经网络与信息融合 | 第41-43页 |
| 第五章 集成神经网络签名自动鉴别系统 | 第43-55页 |
| ·集成神经网络研究 | 第43-46页 |
| ·集成神经网络的提出 | 第43-44页 |
| ·集成神经网络建模方法 | 第44页 |
| ·子神经网络的组建原则 | 第44-46页 |
| ·基于集成神经网络的手写签名鉴别系统 | 第46-55页 |
| ·手写签名鉴别系统总体设计 | 第46-48页 |
| ·预处理与特征提取流程 | 第48-49页 |
| ·集成神经网络的实现 | 第49-55页 |
| 第六章 实验及结果分析 | 第55-59页 |
| ·实验条件 | 第55页 |
| ·签名样本的采集 | 第55-56页 |
| ·仿真实验 | 第56-59页 |
| ·神经网络的构造 | 第56-57页 |
| ·试验结果分析 | 第57-59页 |
| 第七章 结束语 | 第59-61页 |
| ·总结 | 第59页 |
| ·研究展望 | 第59-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-66页 |
| 附录 | 第66-67页 |
