رویکردی جدید در بازشناسی امضا با استفاده از همجوشی طبقه بندی کننده ها
محل انتشار: کنفرانس ملی علوم مهندسی، ایده های نو (۸)
سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,318
فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
AIHE08_384
تاریخ نمایه سازی: 13 آبان 1393
چکیده مقاله:
در حال حاضر مسئله تشخیص هویت از مهمترین فاکتورها در اکثر فعالیت ها است که امنیت سامانه مورد استفاده را تضمین می کند. در این مقاله، روشی جدید به منظور شناسایی و تائید افراد از طریق امضای برون خط با استفاده از مجموعه ای از ویژگی های سراسری هندسی ارائه شده است. ویژگی هایی همچون مساحت، مرکز گرایش و میزان شب مد نظر هستند. بدین منظور پس از استخراج ویژگی های مناسب با استفاده از ترکیب SVM و شبکه عصبی پرسپترون چند لایه با تعداد نرون های بهینه شده در لایه میانی و نرخ آموزش بهینه، طبقه بندی و در نهایت تصمیم گیری انجام می گیرد. با بررسی ویژگی های استخراج شده و برقراری یک تناظر محلی بین قسمت های امضای آزمون و امضای مرجع، تائید یا رد امضای آزمون انجام می شود. سیستم بازشناسی با استفاده از پایگاه داده معتبر SVC2004 آموزش داده شده است. نتایج بدست آمده حاکی از دقت بالای روش پیشنهادی است.
کلیدواژه ها:
نویسندگان
مریم هوتی نژاد
دانشگاه آزاد اسلامی واحد علوم و تحقیقات، گروه هوش مصنوعی، کرمان، ایران
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :