基于时间因果信息论量化器的在线手写签名分类与验证
信息论
2017-02-08 v1 计算机视觉与模式识别
math.IT
摘要
我们提出一种基于信息论描述子的在线手写签名分类与验证新方法。该方案使用在签名的水平和垂直坐标的 Bandt and Pompe 符号化上评估的 Shannon 熵、统计复杂度和 Fisher 信息。这六个特征计算简单快速，并作为一类支持向量机(One-Class Support Vector Machine)分类器的输入。所产生的结果超越了采用更高维特征空间的现有最优(state-of-the-art)技术，后者常需要专用软件和硬件。我们评估了我们的方案相对于训练样本大小的一致性，并且还将其用于将有意义的签名分类为若干组。
引用
@article{arxiv.1601.06925,
title = {Classification and Verification of Online Handwritten Signatures with Time Causal Information Theory Quantifiers},
author = {Osvaldo A. Rosso and Raydonal Ospina and Alejandro C. Frery},
journal= {arXiv preprint arXiv:1601.06925},
year = {2017}
}
备注
Submitted to PLOS One