基于用户行为特征的手机端身份识别研究
| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-14页 |
| 1.1 课题背景与研究意义 | 第9-10页 |
| 1.2 相关研究现状 | 第10-12页 |
| 1.3 论文的主要研究内容 | 第12页 |
| 1.4 论文的组织结构 | 第12-14页 |
| 第2章 相关知识综述 | 第14-29页 |
| 2.1 生物识别技术 | 第14-18页 |
| 2.2 基于行为特征的生物识别 | 第18-21页 |
| 2.3 支持向量机(SVM) | 第21-24页 |
| 2.3.1 线性可分支持向量机 | 第21-23页 |
| 2.3.2 非线性支持向量机 | 第23-24页 |
| 2.4 单类支持向量机 | 第24-27页 |
| 2.4.1 支持向量机数据描述算法 | 第24-26页 |
| 2.4.2 单类支持向量机算法 | 第26-27页 |
| 2.5 本章小结 | 第27-29页 |
| 第3章 基于数字密码输入特征的身份识别实现 | 第29-40页 |
| 3.1 输入特征信息 | 第29-31页 |
| 3.2 输入特征分析 | 第31-33页 |
| 3.2.1 时间特征的有效性验证 | 第31-32页 |
| 3.2.2 压力特征的有效性验证 | 第32-33页 |
| 3.3 数字密码选取 | 第33页 |
| 3.4 特征数据采集 | 第33-38页 |
| 3.4.1 应用程序开发 | 第33-35页 |
| 3.4.2 数据采集过程 | 第35-38页 |
| 3.5 输入特征提取与处理 | 第38页 |
| 3.6 本章小结 | 第38-40页 |
| 第4章 基于触控滑动手势特征的身份识别实现 | 第40-49页 |
| 4.1 设计思想 | 第40-41页 |
| 4.2 触控滑动手势特征信息 | 第41-43页 |
| 4.3 手势特征数据采集 | 第43-45页 |
| 4.3.1 应用程序开发 | 第43-44页 |
| 4.3.2 手势数据采集流程 | 第44-45页 |
| 4.4 特征的提取与处理 | 第45-47页 |
| 4.5 滑动手势特征数据分析 | 第47-48页 |
| 4.6 本章小结 | 第48-49页 |
| 第5章 实验结果与分析 | 第49-57页 |
| 5.1 实验环境和测评指标 | 第49-50页 |
| 5.2 OCSVM核函数选择 | 第50-52页 |
| 5.3 算法对比实验 | 第52-53页 |
| 5.4 分析测试数据量对FAR和FRR的影响 | 第53-55页 |
| 5.5 本文实验结果与相关文献的比较 | 第55-57页 |
| 第6章 总结与展望 | 第57-59页 |
| 6.1 研究工作总结 | 第57-58页 |
| 6.2 未来研究内容展望 | 第58-59页 |
| 参考文献 | 第59-61页 |
| 攻读学位期间取得的研究成果 | 第61-62页 |
| 致谢 | 第62页 |
