通过过拟合控制改进基于BPSO的离线笔无关手写签名验证特征选择
计算机视觉与模式识别
2020-05-12 v2 机器学习
摘要
本文研究了在使用二值粒子群优化（BPSO）进行手写签名验证（HSV）背景下的特征选择时存在的过拟合现象。SigNet是HSV背景下用于特征表示的当前最优深度CNN模型，包含2048维。在由笔无关（WI）方法所用的二分变换（DT）生成的不相似表示空间中，其中某些维度可能包含冗余信息。该分析在GPDS-960数据集上进行。实验表明，所提方法能够在搜索最具判别力的表示过程中控制过拟合。
引用
@article{arxiv.2004.03373,
title = {Improving BPSO-based feature selection applied to offline WI handwritten signature verification through overfitting control},
author = {Victor L. F. Souza and Adriano L. I. Oliveira and Rafael M. O. Cruz and Robert Sabourin},
journal= {arXiv preprint arXiv:2004.03373},
year = {2020}
}