تایید اصالت اسکناس با استفاده از روش های تشخیص ناهنجاری مبتنی بر خوشه بندی

سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 715

فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ICIKT07_093

تاریخ نمایه سازی: 22 مهر 1394

چکیده مقاله:

تشخیص اصالت اسکناس یکی از جنبه های مهم در صنعت پولی کشور محسوب می شود. امروزه با توجه به وجود دستگاه های مختلف کپی و پویشگر، امکان تولید اسکناس های تقلبی بسیار بالا رفته است. تشخیص اصالت اسکناس با استفاده از روش های شناسایی الگو می تواند کمک شایانی به کشف تقلب در این حوزه نماید. این مقاله به ارائه یک روش جدید جهت تشخیص اصالت اسکناس با استفاده از تصاویر گرفته شده از اسکناس ها پرداخته است. به این منظور در ابتدا، از هر تصویر مقادیر ویژگی های مربوط به تبدیل موجک استخراج شده است. سپس از سه روش تشخیص ناهنجاری مبتنی بر خوشه بندی، فاکتور ناهنجاری محلی، فاکتور ناهنجاری چگالی محلی و فاکتور ناهنجاری گوسین چند متغیره استفاده شده است. بهترین کارایی با استفاده از روش فاکتور ناهنجاری گوسین چند متغیره با مقدار AUC برابر 1 بدست آمده است. نتایج این پژوهش می تواند در ساخت یک سیستم اصالت سنج اسکناس مورد استفاده قرارگیرد.

نویسندگان

فروزان عمویی آرانی

دانشگاه کاشان، دانشکده مهندسی برق و کامپیوتر، گروه مهندسی کامپیوتر

حسین ابراهیم پور کومله

دانشگاه کاشان، دانشکده مهندسی برق و کامپیوتر، گروه مهندسی کامپیوتر

سید جلال الدین موسوی راد

دانشگاه کاشان، دانشکده مهندسی برق و کامپیوتر، گروه مهندسی کامپیوتر

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 :
  • Aoba, Masato, Tetsuo Kikuchi, and Yoshiyasu Takefuji. "Euro banknote recognition ...
  • Hinwood, A., et al. "Bank note recognition for the vision ...
  • Takeda, Fumiaki, Toshihiro Nishikage, and Yoshiyuki Matsumoto. "Characteristis extraction of ...
  • Chandola, Varun, Arindam Banerjee, and Vipin Kumar. "Anomaly detection: A ...
  • Weigend, Andreas S., Morgan Mangeas, and Ashok N Srivastava. "Nonlinear ...
  • Kou, Yufeng, Chang-Tien Lu, and Dechang Chen. "Spatial Weighted Outlier ...
  • Grubbs, Frank E. "Procedures for detecting outlying observations in samples ...
  • Kumar, Vipin. "Parallel and distributed computing for cybersecurity." IEEE Distributed ...
  • C. Spence, L.Parra, P. Sajda, "Detection, synthesis and compression in ...
  • Aleskerov, Emin, Bernd Freisleben, and Bharat Rao. "Cardwatch: A neural ...
  • Fujimaki, Ryohei, Takehisa Yairi, and Kazuo Machida. "An approach to ...
  • Jansen, Maarten H., and Patrick , Oonincx. Second generation wavelets ...
  • Pelleg, Dan, and Andrew W Moore. "X-means: Extending K-means with ...
  • He, Zengyou, Xiaofei Xu, and Shengchun Deng. outliers." Patter ...
  • Recognition Letters 24.9 (2003): 1641-1650. ...
  • UCI Machine Learning Repository. ...
  • Qian, Jing, et al. "A Rank-SVN Approach to Anomaly Detection." ...
  • نمایش کامل مراجع