基于SVM的在线手写签名认证研究
| 中文摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-15页 |
| ·课题的研究背景及意义 | 第9-10页 |
| ·在线手写签名认证概述及国内外研究现状 | 第10-13页 |
| ·在线手写签名认证的原理及评价 | 第10-11页 |
| ·在线手写签名认证的研究现状 | 第11-13页 |
| ·论文结构安排 | 第13-15页 |
| ·论文的研究内容 | 第13-14页 |
| ·论文的组织结构 | 第14-15页 |
| 第2章 基于SVM的在线签名认证方案及数据预处理 | 第15-23页 |
| ·基于SVM的在线签名认证的流程 | 第15-17页 |
| ·签名预处理及特征提取 | 第17-22页 |
| ·签名数据的采集 | 第17页 |
| ·预处理 | 第17-20页 |
| ·特征提取 | 第20-22页 |
| ·小结 | 第22-23页 |
| 第3章 签名特征优选方法 | 第23-42页 |
| ·基于特征重要性函数的特征选择 | 第23页 |
| ·基于PCA方法的特征提取 | 第23-29页 |
| ·主成分分析原理 | 第23-24页 |
| ·PCA建模 | 第24-26页 |
| ·基于PCA的特征提取 | 第26-29页 |
| ·基于分类器的特征选择 | 第29-41页 |
| ·大多数投票法 | 第29-34页 |
| ·加权欧式距离法 | 第34-36页 |
| ·概率认证模型法 | 第36-40页 |
| ·实验结果对比 | 第40-41页 |
| ·小结 | 第41-42页 |
| 第4章 基于SVM的在线签名认证实现 | 第42-62页 |
| ·支持向量机原理 | 第42-49页 |
| ·统计学习理论和支持向量机 | 第42页 |
| ·线性可分SVM | 第42-45页 |
| ·线性不可分SVM | 第45-47页 |
| ·非线性SVM | 第47-49页 |
| ·模型训练及参数优化 | 第49-56页 |
| ·核函数的选择 | 第49-50页 |
| ·核参数的选择 | 第50-56页 |
| ·实验结果分析 | 第56-61页 |
| ·小结 | 第61-62页 |
| 第5章 总结与展望 | 第62-64页 |
| ·全文总结 | 第62-63页 |
| ·研究展望 | 第63-64页 |
| 致谢 | 第64-65页 |
| 参考文献 | 第65-68页 |
| 附录 本文所提取的统计特征 | 第68-72页 |