基于力信息的在线签名认证研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第1章 绪论 | 第10-26页 |
| ·个人身份鉴别与生物特征识别技术 | 第10-11页 |
| ·手写签名认证概述 | 第11-16页 |
| ·手写签名认证原理 | 第11-13页 |
| ·手写签名认证的评价 | 第13-14页 |
| ·手写签名认证的分类 | 第14-15页 |
| ·手写签名认证的特点与应用 | 第15-16页 |
| ·在线手写签名认证研究的发展现状 | 第16-20页 |
| ·在线手写签名认证研究的发展 | 第16-17页 |
| ·在线手写签名认证方法的综述和分析 | 第17-20页 |
| ·本文的研究内容与创新点 | 第20-22页 |
| ·论文的选题目的和研究意义 | 第20页 |
| ·主要研究内容与章节安排 | 第20-21页 |
| ·主要创新点 | 第21-22页 |
| 参考文献 | 第22-26页 |
| 第2章 基于力信息的在线手写签名获取和预处理 | 第26-48页 |
| ·常用的在线手写信息获取方法与设备 | 第26-29页 |
| ·基于多维力传感器的手写板 | 第29-33页 |
| ·F-Tablet手写板的结构和工作原理 | 第29-30页 |
| ·多维力传感器 | 第30-31页 |
| ·F-Tablet手写板的信号处理电路 | 第31-33页 |
| ·基于人工神经网络的手写板位置测量精度修正方法 | 第33-41页 |
| ·手写板位置测量误差 | 第33-34页 |
| ·实验设备和方法 | 第34-35页 |
| ·基于人工神经网络的位置精度修正方法 | 第35-37页 |
| ·实验结果与讨论 | 第37-41页 |
| ·静态加载实验 | 第37-38页 |
| ·动态加载实验 | 第38-39页 |
| ·坐标测量误差修正 | 第39-41页 |
| ·在线手写签名的数据库采集和预处理 | 第41-45页 |
| ·签名数据库采集 | 第41-42页 |
| ·签名预处理 | 第42-45页 |
| ·本章小结 | 第45页 |
| 参考文献 | 第45-48页 |
| 第3章 基于笔段特征HMM的认证方法 | 第48-73页 |
| ·隐马尔可夫模型基本理论 | 第48-54页 |
| ·隐马尔可夫模型定义 | 第48-50页 |
| ·隐马尔可夫模型的基本算法 | 第50-53页 |
| ·前向—后向算法 | 第50-51页 |
| ·Viterbi算法 | 第51-52页 |
| ·Baum-Welch算法 | 第52-53页 |
| ·隐马尔可夫模型的结构类型 | 第53-54页 |
| ·在线签名HMM的建立 | 第54-61页 |
| ·签名笔段分割 | 第54-57页 |
| ·签名笔段特征提取 | 第57-60页 |
| ·字形特征 | 第57-59页 |
| ·书写力特征 | 第59-60页 |
| ·签名HMM的拓扑结构和参数确定 | 第60-61页 |
| ·基于HMM的在线签名认证方法 | 第61-65页 |
| ·基于HMM的在线签名认证系统结构 | 第62页 |
| ·签名HMM的训练 | 第62-64页 |
| ·认证过程 | 第64-65页 |
| ·实验结果与讨论 | 第65-70页 |
| ·本章小结 | 第70页 |
| 参考文献 | 第70-73页 |
| 第4章 基于遗传算法的签名特征选择 | 第73-92页 |
| ·基于HMM的签名认证中特征选择问题分析 | 第73-76页 |
| ·基于遗传算法的特征选择方法 | 第76-84页 |
| ·遗传算法 | 第76-77页 |
| ·染色体编码 | 第77页 |
| ·适应度函数的构造 | 第77-82页 |
| ·子签名块的分割对齐 | 第78-79页 |
| ·使用真实和伪造签名样本的适应度函数 | 第79-81页 |
| ·只使用真实签名样本的适应度函数 | 第81-82页 |
| ·遗传操作算子的设计 | 第82-84页 |
| ·选择算子 | 第82-83页 |
| ·交叉算子 | 第83页 |
| ·变异算子 | 第83-84页 |
| ·主要参数的选择 | 第84页 |
| ·实验结果和讨论 | 第84-90页 |
| ·通用特征子集选择 | 第85-87页 |
| ·个人特征子集选择 | 第87-89页 |
| ·字形特征与书写力特征的比较 | 第89-90页 |
| ·本章小节 | 第90页 |
| 参考文献 | 第90-92页 |
| 第5章 融合书写力矩特征的认证方法 | 第92-117页 |
| ·签名书写力信息的图像化 | 第93-95页 |
| ·矩特征的提取 | 第95-99页 |
| ·矩的定义 | 第95-96页 |
| ·Hu's矩不变量 | 第96-97页 |
| ·Zernike矩 | 第97-99页 |
| ·基于书写力矩特征和SVDD的认证方法 | 第99-108页 |
| ·支持向量数据描述 | 第99-102页 |
| ·签名书写力矩特征SVDD训练与认证 | 第102-104页 |
| ·基于遗传算法的特征选择和SVDD参数联合优化 | 第104-105页 |
| ·联合染色体编码 | 第104-105页 |
| ·适应度函数的构造 | 第105页 |
| ·实验结果和相关讨论 | 第105-108页 |
| ·融合HMM和SVDD方法的签名认证 | 第108-113页 |
| ·生物特征认证中融合的层次和方法 | 第108-110页 |
| ·融合HMM和SVDD的认证方法 | 第110-112页 |
| ·实验结果与相关讨论 | 第112-113页 |
| ·本章小节 | 第113页 |
| 参考文献 | 第113-117页 |
| 第6章 结束语 | 第117-120页 |
| ·研究工作总结 | 第117-118页 |
| ·本文的主要创新点 | 第118页 |
| ·未来研究工作展望 | 第118-120页 |
| 攻读博士学位期间的主要研究工作及成果 | 第120-122页 |
| 致谢 | 第122页 |
