手写签名的概率神经网络识判模型

针对手写签名的随机性和信息的不完备性,提出了将Ｂａｙｅｓ网络与前馈神经网络相结合的概率神经网络模型．论述了建模的理论基础、模型结构、训练算法及其简化算法．概率神经网络可计算待测签名样本为真（或伪）签名的最大可能性,进而确定其所属类别     

基于径向基网络的手写签名辨识研究

手写签名应用广泛,为验证签名者身份,利用径向基网络的特性,构建径向基网络模型,利用自组织学习基函数的中心和方差,以及有监督的学习权值的办法来训练网络.将训练好的网络用于手写签名的真伪辨识.并给出了仿真实例,证明该方法切实可行.     

一种超网络演化模型构建及特性分析

现实世界的很多超网络比如科学家合作超网络,演员合作超网络,WorldWideWeb（WWW）以及引文超网络都具有超边的增长和优先连接机制.基于这个原则,本文构建了一种超网络动态演化模型,并介绍了这个模型的一些基本拓扑性质,如节点度、节点超度、超边的度等.在此演化模型上重点理论分析了超度分布的特性,并进行了仿真实验,发现随着网络规模的增大,这个超网络动态演化模型的超度分布遵循无标度的特性.     

基于超循环的供应链网络仿生协同演化

从超循环理论的角度分析了供应链网络所具备的生命系统的三个基本特征——新陈代谢特性、自组织性和突变性;剖析了供应链网络循环的三个层次——反应循环、催化循环和超循环的形成机理;并运用超循环演化原理对供应链网络形成过程进行较为详细的仿生协同推演。研究表明:供应链网络应保持开放性,创建有效的信息管理机制并建立合理的选择机制。     

基于超网络的水面舰艇编队体系演化模型

 动态演化是研究编队体系（SoS）结构优化和效能评估的认知根基。针对编队实体的异质性、系统的耦合性和体系的涌现性,从信息驱动性、功能涌现性、结构时变性、整体关联性4方面归纳水面舰艇编队的演化特征。分析了编队体系作战要素,将水面舰艇编队体系作战分成战前编队体系张成、战中编队体系对抗两阶段进行体系结构抽象。建立了编队体系的超网络模型,从不同的视角建立超网络概念模型和结构超网络模型。提出了基于超网络的任务驱动渐进演化模型和信息驱动激进演化模型,并给出演化模型的计算方法。通过编队体系作战的计算示例可知,演化模型能有效地动态描述编队体系对抗过程,可为编队结构优化和效能评估提供有力支撑。     

基于演化超网络的中文文本分类方法

为了提高中文文本的分类效果,提出了一种基于演化超网络的中文文本分类方法.采用中国科学院计算技术研究所的汉语词法分析系统对中文文本进行分词,保留文本中的名词、动词和形容词作为特征;以X2统计方法进行特征选择;利用布尔权重计算特征权值.经处理后的特征向量作为系统的训练集和测试集数据.运用超边替代策略训练超网络分类模型,并实现对测试集特征向量的分类.对不同阶数设定下的演化超网络模型进行了性能分析,并将其与传统的KNN和SVM算法进行了比较.结果表明,本方法对复旦大学语料和搜狐语料可获得87.2％和72.5％的宏识别率、86.9％和70.5％的宏召回率、87.0％和71.5％的宏F1,接近或优于KNN和SVM分类方法.所提出的方法是一种有效的中文文本分类手段.     

基于滑动窗口的动态手写签名局部相关性研究

为了解决直接序列匹配中签名序列存在随机波动和时间轴方向非均匀伸缩,导致相关分析给出的匹配度不高的问题,提出了采用滑动窗口对真实签名进行局部相关性分析的方法.将手写签名按压力划分成若干笔段,研究笔段匹配算法;对分段后的数据序列用滑动窗口算法进行局部相关分析.算例显示,对不同的签名个体而言,总有一些笔段的相关性极高,最小相关系数都达到0.8甚至0.9以上,这些笔段,正是签名者的稳定的签名特征,无论是相关分析法还是特征矢量分类法,滑动窗口局部相关分析都是一种有效的算法.     

基于演化超网络的DNA微阵列数据分类方法

为能够更好地从高特征维度的DNA微阵列数据中挖掘癌症相关基因,实现对恶性肿瘤的分子分型,提出了一种基于演化超网络模型的DNA微阵列数据分类方法?演化超网络是受生物网络启发而建立的一种认知学习模型,其学习过程非常适用于发掘基因间的相互作用?该方法采用信噪比进行基因选择,选择后的基因经归一化后用于演化超网络的学习和分类?通过急性白血病和结肠癌2种数据集进行实验,结果表明,演化超网络在分类精度方面与当前其他方法有较高的可比性?     

基于时序超网络模型的突发事件网络舆情热点话题发现与演化

网络舆情安全是社会安全的重要组成部分,识别和追踪热点话题是治理突发事件网络舆情的基础。现有研究具有网络舆情事件表征不全面、对于热点话题的识别和追踪局限于语义信息等问题。该研究基于社交、内容、话题、情感4个维度构造超网络模型,并引入时间特征作为网络的连接关系,用于定量表征时序的网络舆情事件;将话题节点在超网络中的中心性及中心性变化率作为话题热度的度量指标,实现热点话题发现及演化跟踪;应用“甘肃白银马拉松”微博舆情案例对模型和指标进行验证分析。研究结果表明：该时序超网络模型能够清晰表征突发网络舆情事件,中心性及中心性变化率指标能够准确识别和跟踪热点话题,并为实时态势研判预警、舆论引导等提供指导。     

异质Erd?s-Rényi随机超网络上的演化博弈

提出了一种异质Erd9s-Rényi (ER)随机超网络.与传统同质ER随机超网络相比,异质ER随机超网络具有两个重要优点：能更有效地描述现实世界中的多层级结构和复杂关系,避免了孤立点的出现.同时,改进了传统同质ER随机超网络的构造方法,以避免出现孤立点.研究了在两种新的ER随机超网络上的演化博弈,采用了两种策略更新规则和一种博弈机制.实验揭示了以下结果：断连机制显著地促进了两种ER随机超网络的合作水平;基于两种策略更新规则,演化雪堆博弈的合作水平会随着成本效益比的增加而减小;虽然两种ER随机超网络的结构和性质是不同的,但是在其他参数相同的情况下,两种演化博弈的合作水平在两种网络上是相似的.     

A New Algorithm for On-Line Handwriting Signature Verification Based on Evolutionary Computation

The paper proposes an on-line signature verification algorithm, through which test sample and template signatures can be optimizedly matched, based on evolutionary computation （EC）. Firstly, the similarity of signature curve segment is defined, and shift and scale transforms are also introduced due to the randoness of on-line signature. Secondly, this paper puts forward signature verification matching algorithm after establishment of the mathematical model. Thirdly, the concrete realization of the algorithm based on EC is discussed as well. In addition, the influence of shift and scale on the matching result is fully considered in the algorithm. Finally, a computation example is given, and the matching results between the test sample curve and the template signature curve are analyzed in detail, The preliminary experiments reveal that the type of signature verification problem can be solved by EC.     

在线手写签名的识别算法

提出一种手写签名的数学模型, 借鉴动态规划的思想进 行时序匹配. 引入加权H¹模的距离计算公式, 用以度量输入签名与样本签名的 差异 , 经实践检验识别算法的有效性.     

一种改进的基于分段平滑度的脱机签名鉴定方法

提出了一种改进的可以有效识别熟练伪签名的自动鉴定方法，这种方法基于分段的平滑度，将签名分段后进行平滑计算得到的平滑性指数与其它特征相结合来进行签名鉴定，经实验验证取得了很好的效果．     

用于离线英文签字识别的特征点匹配

本文提出一种用于英文签字识别的特征点匹配算法。该算法通过比较各特征点的局部特性及特征点之间的相对关系，计算各特征点间的相似性从而得到特征点匹配关系。特征点集通过沿笔划骨架的变尺度量测获得。本文提出的算法采用逐级匹配的策略，加快了匹配的速度，提高了匹配准确度。实验结果表明这种算法具有很好的适应性。这种方法也可用于其他文字识别中。     

一种联机签名线性分类器设计算法

联机签名技术是基于行为特征的身份鉴别的重要方法。介绍了联机签名的一般过程,并在签名特征提取的基础上,给出了Fisher线性判别分类的设计方法;并给出了实验结果。实验证明,该方法具有一定的理论和应用价值。     

在线签名鉴别的改进DTW算法

论述一种改进的在线签名鉴别算法,在原有的应用DTW算法基础上,在所需鉴别签名的动态特征中加入角度特征,克服了规整中将两个签名中的同一笔画规整成不同的笔画的弊端,提高了鉴别的准确率.同时,提出的选取最优化样本的方法更好地增强了在线签名的实时性,并且通过反复试验得以验证.     

基于特征点统计模型的联机签名校验

在联机签名校验中,动态时间规正(DTW)方法是一种常用的校验算法,在非线性时间对齐的基础上给出两个签名间的距离并进行判决,这样做经验的成份较多,缺乏统计基础。该文提出了签名的特征点统计模型,利用DTW算法在序列匹配的基础上从签名中提取到多个特征点,将每个特征点的变化情况描述为多维统计特征的概率分布,在所有特征点具有同样协方差分布的假定下得到具体的概率分布参数。按照此模型推导出了在最小风险准则下对签名进行真伪判决的判决准则。采用此方法对一个公共的签名样本库进行了真伪校验测试,得到了4.41%的等误率。     

Efficient batch verification of online/offline short signature for a multi-signer setting

In this paper,we propose a method to construct an online/offline batch verification signature scheme in a multi-signer setting.The length of the scheme is approximately 480 bits.Based on the Lysyanskaya,Rivest,Sahai and Wolf(LRSW) assumption,this scheme is proved secure in a random oracle model,and it requires only three pairing operations for verifying n signatures from a multi-signer setting.     

基于残差超网络的DNA微阵列数据分类

DNA微阵列数据特征维度高,包含噪音,属性之间以及属性与样本类别之间有着复杂的关联性.然而传统超网络的超边一般是从训练集中随机选取属性而组成,难以保证超边质量,而且其分类性能受超边初始化过程影响很大,导致效果不稳定.针对传统超网络的这一局限,提出一种基于残差分析的超网络分类模型.残差算法根据显著性检验,首先假设属性相互独立,然后根据95％的置信水平,运用残差分析,用落入拒绝域的属性值对超网络的超边库进行初始化,以获取关联性较高的超边集合.然后采用梯度下降法进行超网络的演化学习.对急性白血病、前列腺癌和肺癌数据集的实验表明:与传统演化超网络分类器相比,该方法不仅有较高的分类精度,而且提高了分类的稳定性和收敛性.     

基于极角特征匹配的动态签名鉴别算法

基于签名质心和黄金分割质心建立极坐标系, 并提取签名极角特征中相对稳定的极值点序列作为笔段分隔点给出一种签名鉴别算法. 提出了改进的动态时间规整(DTW)算法, 通过该算法将待测样本和签名模板依分隔点的对应关系按段进行动态匹配, 得到最优匹配方案和最佳相似度, 从而降低了误拒率. 算法经JLU DHSDB2.0签名数据库测试, 识别等错率达到4.25%.