基于EMD和SVD的在线手写签名特征提取方法

• 作者: 孙婧 李成华 江小平 龚良慧
• 来源期刊: 中南民族大学学报（自然科学版）
• 学科: 工学
• 关键词: 在线手写签名 特征提取方法 经验模态分解 奇异值分解
• 年，卷（期）: 2016,（1）
• 所属期刊栏目: 物理与电子信息科学
• 页码范围: 103-107,113
• 页数: 6页
• 分类号: TP391
• 字数: 4135字
• 语种: 中文

摘要

为使在线手写签名认证的使用更具实用性，提出了一种基于经验模态分解( EMD)和奇异值分解( SVD)的在线手写签名特征提取方法.针对在线签名数据的坐标信息，以EMD分解所得的本征模态函数( IMF)分量为初始矩阵，并进行矩阵奇异值分解，以奇异值的能量值作为样本数据的特征分量构成用户特征向量，建立了基于支持向量数据描述( SVDD)的一类认证模型验证该方法效果.在SVC2004签名数据库上的实验结果表明：该方法提取的签名特征区分明显，使用少量的单类真实签名作为训练样本，得到FAR=3.38%，取得了较好的认证识别效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孙婧	中南民族大学电子信息工程学院	5	14	2.0	3.0
2	李成华	中南民族大学电子信息工程学院	21	294	6.0	17.0
3	江小平	中南民族大学电子信息工程学院	29	291	6.0	17.0
4	龚良慧	中南民族大学电子信息工程学院	2	8	2.0	2.0