| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第12-21页 |
| 1.1 研究背景 | 第12-13页 |
| 1.2 研究意义 | 第13-14页 |
| 1.3 在线签名认证概述 | 第14-16页 |
| 1.3.1 在线签名认证的一般过程 | 第14-15页 |
| 1.3.2 在线签名认证系统的性能评估 | 第15-16页 |
| 1.3.3 在线签名认证存在的难点 | 第16页 |
| 1.4 在线签名认证的发展和研究现状 | 第16-19页 |
| 1.5 本文组织结构 | 第19-21页 |
| 第二章 在线签名数据的获取和预处理 | 第21-27页 |
| 2.1 签名数据获取 | 第21-23页 |
| 2.1.1 签名数据采集设备 | 第21-22页 |
| 2.1.2 公共签名数据库 | 第22页 |
| 2.1.3 SVC2004签名数据库 | 第22-23页 |
| 2.2 签名预处理 | 第23-25页 |
| 2.2.1 曲线去噪平滑处理 | 第23-24页 |
| 2.2.2 归一化 | 第24-25页 |
| 2.2.3 签名预处理示例 | 第25页 |
| 2.3 本章小结 | 第25-27页 |
| 第三章 在线签名的特征提取 | 第27-33页 |
| 3.1 局部特征提取 | 第27-29页 |
| 3.2 全局特征提取 | 第29-32页 |
| 3.2.1 离散小波变换原理 | 第29-30页 |
| 3.2.2 基于DWT的特征提取 | 第30-32页 |
| 3.3 本章小结 | 第32-33页 |
| 第四章 基于多级匹配的在线签名认证研究 | 第33-59页 |
| 4.1 动态时间规整(Dynamic Time Warping ,DTW)原理[42] | 第34-36页 |
| 4.2 支持向量机(Support Vector Machine, SVM)原理 | 第36-40页 |
| 4.2.1 线性可分情况下的SVM | 第36-38页 |
| 4.2.2 线性不可分情况下的SVM | 第38-39页 |
| 4.2.3 核函数映射情况下的SVM | 第39-40页 |
| 4.3 第一级匹配阶段设计 | 第40-41页 |
| 4.4 第二级匹配阶段设计 | 第41-50页 |
| 4.4.1 全局特征匹配 | 第41-45页 |
| 4.4.2 局部特征匹配 | 第45-49页 |
| 4.4.3 全局、局部特征匹配融合 | 第49-50页 |
| 4.5 第三级匹配阶段设计 | 第50-52页 |
| 4.5.1 DTW核函数 | 第51页 |
| 4.5.2 匹配判断过程 | 第51-52页 |
| 4.6 实验结果及分析 | 第52-58页 |
| 4.6.1 第一级匹配实验结果及分析 | 第52页 |
| 4.6.2 第二级匹配实验结果及分析 | 第52-56页 |
| 4.6.3 第三级匹配实验结果及分析 | 第56-58页 |
| 4.7 本章小结 | 第58-59页 |
| 第五章 基于单类的在线签名认证研究 | 第59-73页 |
| 5.1 一类分类问题 | 第59-60页 |
| 5.2 单类支持向量机(One-class SVM)原理 | 第60-61页 |
| 5.3 基于单个One-class SVM的在线签名认证 | 第61-64页 |
| 5.3.1 在线签名认证的训练和认证阶段 | 第62-63页 |
| 5.3.2 实验结果及分析 | 第63-64页 |
| 5.4 基于多个One-class SVM融合的在线签名认证 | 第64-67页 |
| 5.4.1 分类器融合设计 | 第64-66页 |
| 5.4.2 在线签名认证的训练和认证阶段 | 第66页 |
| 5.4.3 实验结果及分析 | 第66-67页 |
| 5.5 基于构造的签名负样本的在线签名认证 | 第67-72页 |
| 5.5.1 构造签名负样本 | 第68-69页 |
| 5.5.2 在线签名认证的训练和认证阶段 | 第69-70页 |
| 5.5.3 实验结果及分析 | 第70-72页 |
| 5.6 本章小结 | 第72-73页 |
| 总结与展望 | 第73-75页 |
| 参考文献 | 第75-80页 |
| 攻读硕士学位期间取得的研究成果 | 第80-81页 |
| 致谢 | 第81-82页 |
| 答辩委员会对论文的评定意见 | 第82页 |
