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 |