| 摘要 | 第1-5页 |
| Abstract | 第5-6页 |
| 目录 | 第6-8页 |
| Contents | 第8-10页 |
| 第一章 绪论 | 第10-17页 |
| ·选题的背景及意义 | 第10-11页 |
| ·国内外研究现状 | 第11-14页 |
| ·研究内容 | 第14-15页 |
| ·论文结构 | 第15-17页 |
| 第二章 在线手写签名认证过程 | 第17-32页 |
| ·签名数据采集 | 第18页 |
| ·签名数据预处理 | 第18-21页 |
| ·归一化 | 第18-20页 |
| ·去噪平滑 | 第20-21页 |
| ·特殊点提取 | 第21-22页 |
| ·特征提取 | 第22-27页 |
| ·匹配与决策 | 第27-28页 |
| ·签名认证系统的性能评价 | 第28-31页 |
| ·本章小结 | 第31-32页 |
| 第三章 HMM的在线签名认证 | 第32-49页 |
| ·HMM模型 | 第32-39页 |
| ·Markov链 | 第32-33页 |
| ·HMM概念 | 第33-34页 |
| ·HMM算法 | 第34-39页 |
| ·基于HMM签名认证 | 第39-41页 |
| ·选择HMM签名识别模型 | 第39页 |
| ·初始化HMM签名识别模型 | 第39-40页 |
| ·训练HMM签名识别模型 | 第40页 |
| ·基于HMM手写签名识别 | 第40-41页 |
| ·实验结果和分析 | 第41-47页 |
| ·本章小结 | 第47-49页 |
| 第四章 基于HMM和小波神经网络的签名识别系统 | 第49-62页 |
| ·小波神经网络 | 第49-54页 |
| ·小波神经网络概念 | 第49-51页 |
| ·小波神经网络参数调整算法 | 第51-54页 |
| ·HMM/WNN混合模型 | 第54-57页 |
| ·WNN用作概率估计器 | 第54-56页 |
| ·Discriminant HMM(判别式HMM) | 第56-57页 |
| ·基于HMM和WNN的签名认证 | 第57-58页 |
| ·选择模型 | 第57-58页 |
| ·HMM/WNN模型的初始化与训练 | 第58页 |
| ·实验结果分析 | 第58-60页 |
| ·本章小结 | 第60-62页 |
| 总结与展望 | 第62-64页 |
| 参考文献 | 第64-68页 |
| 攻读学位期间发表的论文 | 第68-70页 |
| 致谢 | 第70页 |