تشخیص امضا آفلاین با استفاده از روش شبکه های عصبی
سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 2,061
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:
TDCONF01_232
تاریخ نمایه سازی: 19 تیر 1394
چکیده مقاله:
این واقعیت که امضا به طور گسترده به عنوان ابزاری برای تأیید شخصی استفاده می شود نیازی برای یک سیستم تایید خودکار به علت ناشی از عوارض جانبی به راحتی توسط کسانی که هویت را جعل می کنند و یا یک فرد را منظور می کنند سو استفاده قرار می گیرد. مقدار زیادی از کار در سطحی از شناسایی امضا آفلاین در طول چند دهه گذشته انجام شده است. تأیید و شناسایی می تواند آفلاین یا آنلاین بر اساس برنامه انجام شود. سیستم های آنلاین از اطلاعات پویا از یک امضا گرفته شده در همان زمانی که امضای ساخته می شود استفاده می کند. سیستم های آفلاین بر روی تصویر اسکن شده از امضا کار می کنند. در این مقاله، ما یک روش برای تأیید امضا ها به روش آفلاین با استفاده از مجموعه ای از ویژگی های هندسی که بر اساس شکل ساده استفاده شده است ارائه می دهیم. ویژگی های مورد استفاده عبارتند از: سطح، مرکز ثقل، خروج از مرکز، کشیدگی و چولگی. قبل از استخراج ویژگی، پیش پردازش از یک تصویر اسکن شده برای مجزا کردن قسمت امضا و حذف هر گونه نویزجعلی موجود ضروری است. این سیستم در ابتدا با استفاده از یک پایگاه داده از امضا های به دست آمده از آن دسته از افرادی که امضاهای آنها به وسیله ی سیستم تصدیق شده، آموزش دیده است. جزئیات پیش پردازش به خوبی ویژگی های به تصویر کشیده شده در بالا در سراسر بحث شرح داده شده است. شبکه های عصبی مصنوعی ( ANN) به منظور بررسی و طبقه بندی امضا استفاده شده اند: امضای اصلی و یا امضای جعلی، و نسبت طبقه بندی در حدود 93٪ کمتر از یک آستانه 90٪ می باشد جزئیات اجرا و نتایج شبیه سازی در این مقاله مورد بحث قرار گرفته است.
کلیدواژه ها:
نویسندگان
الهام کشاورز
کارشناسی ارشد دانشگاه آزاد اسلامی واحد کازرون
جاسم جمالی
عضو هیئت علمی دانشگاه آزاد اسلامی واحد کازرون
علی رفیعی
عضو هیئت علمی دانشگاه آزاد اسلامی واحد کازرون
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 :