Метод баггинга и отбор признаков в построении нечётких классификаторов для распознавания рукописной подписи

Метод баггинга и отбор признаков в построении нечётких классификаторов для распознавания рукописной подписи

Автор: Сарин Константин Сергеевич, Ходашинский Илья Александрович

Журнал: Компьютерная оптика @computer-optics

Рубрика: Обработка изображений, распознавание образов

Статья в выпуске: 5 т.43, 2019 года.

Бесплатный доступ

Распознавание рукописной подписи является важной проблемой в области исследований аутентификации личности и биометрической идентификации. Известны два метода распознавания рукописной подписи: если возможно оцифровать скорость движения пера, то говорят о динамическом распознавании; в противном случае, когда доступно только изображение подписи, говорят о статическом распознавании. Доказано, что при использовании динамического распознавания достигается большая точность, чем при использовании статического распознавания. В настоящей работе в качестве характеристик подписи используются амплитуды, частоты и фазы гармоник, извлечённых из сигналов подписи координат X и Y движения пера с помощью дискретного преобразования Фурье. Предварительно все сигналы подвергаются предобработке, включающей в себя устранение разрывов, устранение угла наклона, нормализацию позиции и масштабирование. В качества инструмента распознавания подписи по полученным признакам предлагается использовать нечёткий классификатор...

Еще

Рукописная подпись, нечёткий классификатор, ансамбль, баггинг, отбор признаков

Короткий адрес: https://sciup.org/140246519

IDR: 140246519   |   DOI: 10.18287/2412-6179-2019-43-5-833-845

Список литературы Метод баггинга и отбор признаков в построении нечётких классификаторов для распознавания рукописной подписи

  • Yang, S. Task sensitivity in EEG biometric recognition / S. Yang, F. Deravi, S. Hoque // Pattern Analysis and Applications. -2018. - Vol. 21. - P. 105-117. - DOI: 10.1007/s10044-016-0569-4
  • Ortega-Garcia, J. Authentication gets personal with biometrics / J. Ortega-Garcia, J. Bigun, D. Reynolds, J. Gonzalez-Rodriguez // IEEE Signal Processing Magazine. - 2004. - Vol. 21, Issue 2. - P. 50-62. - DOI: 10.1109/MSP.2004.1276113
  • Ferrer, M.A. A behavioral handwriting model for static and dynamic signature synthesis / M.A. Ferrer, M. Diaz, C. Carmona-Dnarte, A. Morales // IEEE Transactions on Pattern Analysis and Machine Intelligence. - 2017. - Vol. 39, Issue 6. - P. 1041-1053. - DOI: 10.1109/TPAMI.2016.2582167
  • Carmona-Duarte, C. Myoelectronic signal-based methodology for the analysis of handwritten signatures / C. Carmona-Duarte, R. de Torres-Peralta, M. Diaz, M.A. Ferrer, M. Martin-Rincon // Human Movement Science. - 2017. - Vol. 55. - P. 18-30. - DOI: 10.1016/j.humov.2017.07.002
  • Chang, S.-H. Biomechanical analyses of prolonged handwriting in subjects with and without perceived discomfort / S.- H. Chang, C.-L. Chen, N.-Y. Yu // Human Movement Science. -2015. - Vol. 43. - P. 1-8. - DOI: 10.1016/j.humov.2015.06.008
  • TenHouten, W.D. Handwriting and creativity // Encyclopedia of Creativity. - 2011. - P. 588-594. -
  • DOI: 10.1016/B978-0-12-375038-9.00112-6
  • Razzak, M.I. Multilevel fusion for fast online signature recognition using multi-section VQ and time modelling / M.I. Razzak, B. Alhaqbani // Neural Computing and Applications. - 2015. - Vol. 26, Issue 5. - P. 1117-1127. -
  • DOI: 10.1007/s00521-014-1779-6
  • Maiorana, E. Cancelable Templates for Sequence-Based Biometrics with Application to On-line Signature Recognition / E. Maiorana, P. Campisi, J. Fierrez, J. Ortega-Garcia, Al. Neri // IEEE Transactions on Systems, Man, and Cybernetics - Part A: Systems and Humans. - 2010. - Vol. 40, Issue 3. - P. 525-538. -
  • DOI: 10.1109/TSMCA.2010.2041653
  • Sanchez-Reillo, R. Improving presentation attack detection in dynamic handwritten signature biometrics / R. Sanchez-Reillo, H.C. Quiros-Sandoval, I. Goicoechea-Telleria, W. Ponce-Hernandez // IEEE Access. - 2017. - Vol. 5. - P. 20463-20469. -
  • DOI: 10.1109/ACCESS.2017.2755771
  • Linden, J. Dynamic signatures: A review of dynamic feature variation and forensic methodology / J. Linden, R. Marquis, F. Taroni // Forensic Science International. - 2018. - Vol. 291. - P. 216-229. -
  • DOI: 10.1016/j.forsciint.2018.08.021
  • Baltzakis, H. A new signature verification technique based on a two-stage neural network classifier / H. Baltzakis, N. Papamarkos // Engineering Applications of Artificial Intelligence. - 2001. - Vol. 14. - P. 95-103. -
  • DOI: 10.1016/S0952-1976(00)00064-6
  • Ivanov, A.I. Evaluation of signature verification reliability based on artificial neural networks, Bayesian multivariate functional and quadratic forms / A.I. Ivanov, P.S. Lozhnikov, A.E. Sulavko // Computer Optics. - 2017. - Vol. 41, Issue 5. - P. 765-774. -
  • DOI: 10.18287/2412-6179-2017-41-5-765-774
  • Hu, X. Fuzzy classifiers with information granules in feature space and logic-based computing / X. Hu, W. Pedrycz, X. Wang // Pattern Recognition. - 2018. - Vol. 80. - P. 156-167. -
  • DOI: 10.1016/j.patcog.2018.03.011
  • Hodashinsky, I.A. Dynamic-signature-based user authentication using a fuzzy classifier / I.A. Hodashinsky, E.Yu. Kostyuchenko, K.S. Sarin, A.E. Anfilofiev, M.B. Bardamova, S.S. Samsonov, I.V. Filimonenko // Computer Optics. - 2018. - Vol. 42, Issue 4. - P. 657-666.
  • DOI: 10.18287/2412-6179-2018-42-4-657-666
  • Kuncheva, L. Combining pattern classifiers, Methods and algorithms / L. Kuncheva. - 2nd ed. - New York: Wiley, 2014. - 384 p. -
  • ISBN: 978-1-118-31523-1
  • Breiman, L. Bagging predictors / L. Breiman // Machine Learning. - 1996. - Vol. 24. - P. 123-140. - DOI: 10.1023/A:1018054314350.
  • Freund, Y. A decision-theoretic generalization of on-line learning and an application to boosting / Y. Freund, R.E. Schapire // Journal of Computer and System Sciences. - 1997. - Vol. 55. - P. 119-139. -
  • DOI: 10.1006/jcss.1997.1504
  • Hu, J. Writer-independent off-line handwritten signature verification based on real adaboost / J. Hu, Y. Chen // 2nd International Conference on Artificial Intelligence, Management Science and Electronic Commerce. - 2011. - P. 6095-6098. -
  • DOI: 10.1109/AIMSEC.2011.6010102
  • Bertolini, D. Reducing forgeries in writer-independent off-line signature verification through ensemble of classifiers / D. Bertolini, L.S. Oliveira, E.J.R. Sabourin // Pattern Recognition. - 2010. - Vol. 43. - P. 387-396. -
  • DOI: 10.1016/j.patcog.2009.05.009
  • Chandrashekar, G. A survey on feature selection methods / G. Chandrashekar, F. Sahin // Computers and Electrical Engineering. - 2014. - Vol. 40. - P. 16-28. -
  • DOI: 10.1016/j.compeleceng.2013.11.024
  • Cai, J. Feature selection in machine learning: A new perspective / J. Cai, J. Luo, S. Wang, S. Yang // Neurocomputing. - 2018. -Vol. 300. - P. 70-79. -
  • DOI: 10.1016/j.neucom.2017.11.077
  • Kumar, R. Writer-independent off-line signature verification using surroundedness feature / R. Kumar, J.D. Sharma, B. Chanda // Pattern Recognition Letters. - 2012. - Vol. 33. - P. 302-308. -
  • DOI: 10.1016/j.patrec.2011.10.009
  • Cham, F.L. Signature recognition through spectral analysis / F.L. Cham, D. Kamins // Pattern Recognition. - 1989. - Vol. 22, Issue 1. - P. 39-44. -
  • DOI: 10.1016/0031-3203(89)90036-8
  • Yanikoglu, B. Online signature verification using Fourier descriptors / B. Yanikoglu, A. Kholmatov // EURASIP Journal on Advances in Signal Processing. - 2009. - 2009(260516). -
  • DOI: 10.1155/2009/260516
  • Yu, L. Feature selection for high-dimensional data: A fast correlation-based filter solution / L. Yu, H. Liu // Proceedings of the 12th International Conference on Machine Learning. - 2003. - P. 856-863.
  • Bezdek, J.C. FCM: the fuzzy c-means clustering algorithm / J.C. Bezdek, R. Ehrlih, W. Full // Computers & Geosciences. -1984. - Vol. 10, Issues 2-3. - P. 191-203. -
  • DOI: 10.1016/0098-3004(84)90020-7
  • Yang, X.-S. Cuckoo search via Levy flights / X.-S. Yang, S. Deb // Proceedings of World Congress on Nature & Biologically Inspired Computing. - 2009. - P. 210-214.
  • Yang, X.-S. Engineering optimisation by cuckoo search / X.-S. Yang, S. Deb // International Journal of Mathematical Modelling and Numerical Optimisation. - 2010. - Vol. 1. - P. 330-343. -
  • DOI: 10.1504/IJMMN0.2010.035430
  • Yang, X.-S. Cuckoo search: recent advances and applications / X.-S. Yang, S. Deb // Neural Computing and Applications. -2014. - Vol. 24. - P. 169-174. -
  • DOI: 10.1007/s00521-013-1367-1
  • Rokach, L. Ensemble-based classifiers // Artificial Intelligence Review. - 2010. - Vol. 33, Issues 1-2. - P. 1-39.
  • DOI: 10.1007/s10462-009-9124-7
  • Гланц, С. Медико-биологическая стагистика / С. Гланц; пер. с англ. - М.: Практика, 1998. - 459 с.
Еще
Статья научная
SciUp 2024 © 2024 ©