| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 引言 | 第13-15页 |
| 第1章 概述 | 第15-27页 |
| 1.1 离线签名笔迹自动识别的发展现状 | 第15-17页 |
| 1.1.1 离线签名笔迹自动识别模式 | 第15-16页 |
| 1.1.2 离线签名笔迹自动识别现存问题 | 第16-17页 |
| 1.2 手写识别与深度学习神经网络 | 第17-22页 |
| 1.2.1 手写识别技术 | 第17-18页 |
| 1.2.2 机器学习与人工智能 | 第18页 |
| 1.2.3 深度学习架构 | 第18-20页 |
| 1.2.4 人工神经网络及卷积神经网络 | 第20-22页 |
| 1.3 笔迹鉴定原理适应性 | 第22-24页 |
| 1.3.1 笔迹鉴定原理 | 第22页 |
| 1.3.2 签名笔迹鉴定特点 | 第22-23页 |
| 1.3.3 特征预先选取的局限性 | 第23页 |
| 1.3.4 特征价值量的自适应需求 | 第23-24页 |
| 1.4 本文研究意义与算法优越性 | 第24-27页 |
| 1.4.1 本文研究意义 | 第24-25页 |
| 1.4.2 深度学习与卷积神经网络在离线签名笔迹识别中的优越性 | 第25-27页 |
| 第2章 实验设计与过程 | 第27-37页 |
| 2.1 实验原理与平台 | 第27-28页 |
| 2.1.1 实验原理 | 第27-28页 |
| 2.1.2 实验环境配置 | 第28页 |
| 2.2 实验内容 | 第28-37页 |
| 2.2.1 实验设计 | 第28-29页 |
| 2.2.2 主要程序代码与示例图片 | 第29-37页 |
| 第3章 实验结果与分析 | 第37-46页 |
| 3.1 实验结果 | 第37-39页 |
| 3.2 结果分析 | 第39-46页 |
| 3.2.1 正常签名识别效果分析 | 第39-40页 |
| 3.2.2 错误率折线图分析 | 第40-43页 |
| 3.2.3 摹仿签名识别效果分析 | 第43-46页 |
| 第4章 案例验证 | 第46-54页 |
| 4.1 案例一 | 第46-49页 |
| 4.1.1 案例介绍 | 第46页 |
| 4.1.2 图像预处理 | 第46页 |
| 4.1.3 实验过程 | 第46-47页 |
| 4.1.4 验证结果及分析 | 第47-49页 |
| 4.2 案例二 | 第49-53页 |
| 4.2.1 案例介绍 | 第49页 |
| 4.2.2 图像预处理 | 第49页 |
| 4.2.3 实验过程 | 第49-50页 |
| 4.2.4 验证结果及分析 | 第50-53页 |
| 4.3 实验与验证小结 | 第53-54页 |
| 结论 | 第54-55页 |
| 参考文献 | 第55-59页 |
| 附录 | 第59-69页 |
| 致谢 | 第69页 |