摘要 | 第1-7页 |
ABSTRACT | 第7-13页 |
第1章 绪论 | 第13-24页 |
·生物特征识别技术 | 第13-15页 |
·生物特征识别技术的特点和分类 | 第13-14页 |
·生物特征识别技术的应用领域 | 第14-15页 |
·在线签名认证技术 | 第15-22页 |
·签名认证简介 | 第15-16页 |
·在线签名认证系统 | 第16-19页 |
·在线签名认证的研究历史回顾 | 第19-22页 |
·本文的内容安排 | 第22-23页 |
·本文的主要创新点 | 第23-24页 |
第2章 在线签名数据的采集和预处理 | 第24-34页 |
·F_Tablet签名信息获取平台的结构和工作原理 | 第24-29页 |
·F_Tablet签名信息获取平台的结构 | 第24-25页 |
·手写签名的采集过程 | 第25-26页 |
·字形信息的计算 | 第26-27页 |
·速度等其它签名信息计算 | 第27-29页 |
·签名数据库的建立 | 第29-31页 |
·数据预处理 | 第31-33页 |
·剔除噪声点 | 第31页 |
·平滑 | 第31-32页 |
·归一化 | 第32-33页 |
·重采样 | 第33页 |
本章小结 | 第33-34页 |
第3章 基于全局特征的在线签名认证方法 | 第34-68页 |
·全局特征的提取 | 第35-36页 |
·特征重要性函数 | 第36-38页 |
·平均值方差法 | 第36-37页 |
·最大最小值法 | 第37-38页 |
·动态阈值投票法 | 第38-39页 |
·方法简介 | 第38页 |
·测试结果 | 第38-39页 |
·基于概率的方法 | 第39-40页 |
·方法简介 | 第39-40页 |
·测试结果 | 第40页 |
·基于SVM的方法 | 第40-46页 |
·理论背景 | 第40-41页 |
·支持向量机原理 | 第41-44页 |
·基于SVM的测试结果 | 第44-46页 |
·基于PCA/LDA的方法 | 第46-52页 |
·主分量分析(PCA) | 第46-48页 |
·线性判别分析(LDA) | 第48-52页 |
·基于PCA/LDA的测试结果 | 第52页 |
·基于HMM的方法 | 第52-65页 |
·隐马尔可夫模型简介 | 第52-53页 |
·隐马尔可夫模型的基本算法 | 第53-61页 |
·隐马尔可夫模型的结构类型 | 第61-62页 |
·隐马尔可夫模型的应用 | 第62-65页 |
·全局关键特征 | 第65-67页 |
·全局关键特征的选择 | 第65页 |
·全局关键特征的测试结果 | 第65-67页 |
本章小结 | 第67-68页 |
第4章 基于笔段特征的在线签名认证方法 | 第68-82页 |
·签名的笔段划分 | 第68-71页 |
·简介 | 第69页 |
·笔段的划分方法 | 第69-71页 |
·笔段特征的提取 | 第71-73页 |
·基于串匹配的方法 | 第73-76页 |
·串匹配的原理 | 第73-75页 |
·笔段特征的应用 | 第75-76页 |
·基于隐马尔可夫模型的方法 | 第76-80页 |
·连续隐马尔可夫模型 | 第76-78页 |
·基于连续HMM的签名认证 | 第78-80页 |
本章小结 | 第80-82页 |
第5章 基于力信息和字形信息的在线签名认证方法 | 第82-93页 |
·基于动态时间规整的方法 | 第82-90页 |
·动态时间规整(DTW)的原理 | 第82-87页 |
·整体DTW | 第87-88页 |
·分段DTW | 第88-89页 |
·加权DTW | 第89-90页 |
·基于PCA/LDA的方法 | 第90-92页 |
·PCA与LDA的应用 | 第90-91页 |
·重采样方法的改进 | 第91-92页 |
本章小结 | 第92-93页 |
第6章 基于多特征的在线签名认证方法 | 第93-102页 |
·生物特征技术的融合方法 | 第93-95页 |
·传感器级别的融合 | 第93页 |
·特征级别的融合 | 第93-94页 |
·结果级的融合 | 第94-95页 |
·决策级的融合 | 第95页 |
·在线签名认证系统的融合 | 第95-98页 |
·与决策系统 | 第96-97页 |
·投票系统 | 第97-98页 |
·在线签名认证系统 | 第98-101页 |
本章小结 | 第101-102页 |
第7章 结束语 | 第102-103页 |
·工作总结 | 第102页 |
·进一步工作 | 第102-103页 |
参考文献 | 第103-115页 |
致谢 | 第115-116页 |
在读期间发表的学术论文与取得的研究成果 | 第116页 |