一种融合文风特征与签名模态的线性复杂度多生物特征法医文档分析系统
计算与语言
2019-02-07 v1
摘要
法医文档分析(FDA)致力于解决给定文档的作者身份识别问题。通过文档的若干模态(如笔迹、签名、语言写作风格(即文风特征)等)来识别文档书写者已在 FDA 的现有研究中被探讨。但尚无关于融合文风特征与签名模态的研究。本文提出这样一种双模态 FDA 系统(在司法、警务相关及历史文档分析中有广泛应用),并重点关注时间复杂度。所提出的双模态系统可以线性时间复杂度进行训练与测试。为此,我们首先重新审视多项式朴素贝叶斯(MNB)——作为现有最优的线性复杂度作者身份归属系统,并证明其精度优于现有研究中著名的线性复杂度分类器。随后,我们提出 MNB 的模糊版本,以与现有著名的线性复杂度模糊签名识别系统相融合。为评估之目的,我们构建了一个嵌合数据集,由不同信件的签名与文本内容组成。尽管具有线性复杂度,所提出的多生物特征系统在精度、F 值、检测错误权衡(DET)、累积匹配特性(CMC)与匹配分数直方图(MSH)等评估指标上,被证明较其现有单模态对应系统有显著提升。
引用
@article{arxiv.1902.02176,
title = {A Linear-complexity Multi-biometric Forensic Document Analysis System, by Fusing the Stylome and Signature Modalities},
author = {Sayyed-Ali Hossayni and Yousef Alizadeh-Q and Vahid Tavana and Seyed M. Hosseini Nejad and Mohammad-R Akbarzadeh-T and Esteve Del Acebo and Josep Lluis De la Rosa i Esteva and Enrico Grosso and Massimo Tistarelli and Przemyslaw Kudlacik},
journal= {arXiv preprint arXiv:1902.02176},
year = {2019}
}