基于模糊支持向量機的筆跡驗證研究.pdf

1、筆跡自古以來是驗證書寫者身份的一項重要方法。相比于人工筆跡驗證，使用計算機進行筆跡驗證有避免人工操作的主觀性、驗證速度提升、可以聯網異地工作等優(yōu)點，近十年來已經廣泛投入應用。計算機筆跡驗證(ComputerWriterVerification)的基本過程是將筆跡掃描或通過傳感器輸入計算機后，由程序提取出筆跡中書寫風格的特征并進行比對，從而作出兩幅或兩幅以上的筆跡樣本是否為同一人所寫的判斷。計算機筆跡驗證發(fā)展迄今已經過了四十余年時間，但是

2、，在目前的研究中，仍存在著特征選擇缺乏標準性依據、鑒定精度無法滿足實際需求等問題。
　　近年來，基于機器學習的計算機筆跡驗證獲得了很大的發(fā)展。支持向量機(SupportVectorMachine，SVM)作為模式識別中的一種重要分類方法，現在已成為機器學習和數據挖掘中的標準工具之一。筆跡具有類內變化大的特性，在進行分類鑒別時容易受到噪聲和離群值的影響。Lin和Wang提出的模糊支持向量機(FuzzySupportVectorMac

3、hine，FSVM)算法，應用模糊隸屬度函數對應到每筆特征向量中，當特征向量為噪聲或離群值時，給予較低的模糊隸屬度，從而能夠減少噪聲和離群值對分類識別結果的影響。
　　本文首先綜述課題的研究背景，并對舊有的筆跡特征提取方法以及特征分類識別方法作出分析。在此基礎上，提出了一種改進的計算機筆跡驗證方法。首先，在筆跡圖像中提取出特征字的輪廓，由輪廓的方向提取出文字的方向線素(DirectionalElementFeature，DEF)特