基于HMM-WNN混合模型在線手寫簽名認證.pdf

1、在現(xiàn)今網(wǎng)絡化與信息化高度發(fā)達社會中，信息的安全顯得極其重要，個人身份識別技術擁有顯著的應用價值。在各種身份識別技術中，手寫簽名認證技術具有方便性、唯一性與穩(wěn)定性的特點，所以它的應用越來也廣泛。
　　 本文主要對手寫簽名識別進行研究，結合隱馬爾科夫模型(hidden Markov model，HMM)和小波神經(jīng)網(wǎng)絡(wavelet neural networks，WNN)的優(yōu)點提出了一種新的簽名識別方法。主要內(nèi)容有：
　　

2、 首先，本文介紹了在線手寫簽名識別的一般過程。重點研究了簽名識別的特征提取部分，提取最優(yōu)特征來優(yōu)化簽名的特征序列。并通過實驗驗證最優(yōu)特征的識別效果(詳見第二章)。
　　 其次，對HMM算法進行研究，在其基礎上構建簽名識別系統(tǒng)。實驗表明高斯混合密度數(shù)和狀態(tài)數(shù)是影響簽名識別效果的兩個主要因素，通過選擇合適的高斯混合密度數(shù)、狀態(tài)數(shù)和最優(yōu)特征能進一步提高了識別效果(詳見第三章)。
　　 再次，在基于HMM在線手寫簽名識別系統(tǒng)的基

3、礎上，引入了小波神經(jīng)網(wǎng)絡。把小波神經(jīng)網(wǎng)絡與隱馬爾科夫模型結合，形成一個新的簽名識別系統(tǒng)，即基于HMM/WNN簽名識別系統(tǒng)。隱馬爾科夫模型能很好的描述時間序列，小波神經(jīng)網(wǎng)絡有很強的分類能力，二者的優(yōu)勢結合提高了簽名識別效果(詳見4.2和4.3)。
　　 最后，為了驗證本文提出的方法的可行性與普遍適用性，本文用兩組來自不同數(shù)據(jù)庫的數(shù)據(jù)對簽名識別系統(tǒng)進行驗證，通過仿真得出兩組簽名識別結果的等錯率(EER)。結果表明：本文的HMM/WN