文献

J-GLOBAL ID：201202253285780643   整理番号：12A0023990

オフライン署名認証のための生成的識別的アンサンブルの動的選択

Dynamic selection of generative-discriminative ensembles for off-line signature verification

著者 (3件)： BATISTA Luana (Lab. d’imagerie, de vision et d’intelligence artificielle, Ecole de technologie superieure, 1100, rue Notre-Dame ...) ,  GRANGER Eric (Lab. d’imagerie, de vision et d’intelligence artificielle, Ecole de technologie superieure, 1100, rue Notre-Dame ...) ,  SABOURIN Robert (Lab. d’imagerie, de vision et d’intelligence artificielle, Ecole de technologie superieure, 1100, rue Notre-Dame ...)
資料名： Pattern Recognition  (Pattern Recognition)
巻： 45  号： 4  ページ： 1326-1340  発行年： 2012年04月 
JST資料番号： D0611A  ISSN： 0031-3203  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 各筆者は署名認証(SV)システムを設計するのに限られた数の署名サンプルしか提供しない。ここでは,少量のサンプルからオフラインSVシステムを設計するために,分類器選択プロセスを動的に行う,ハイブリッド生成的識別的アンサンブル分類器(EoC)を提案した。生成段階で,多重離散left to right隠れMarkovモデル(HMM)を,異なる数の状態とコードブックサイズを用いて訓練し,システムが異なるレベルの知覚で署名を学習することを可能にした。識別段階では,HMM尤度を各訓練署名に対して測定し,広範囲に広がった2クラス分類器の訓練に使用される特徴ベクトルに,特殊化ランダム部分空間法により,集積した。検証の際に,K最近接オラクル(KNORA)アルゴリズムと出力プロファイルに基づく新しい動的選択アルゴリズムが最も正確な(EoC)を選択して,与えられた入力署名を分類した。このSVシステムは,新しい署名サンプルの逐次的学習に適している。実世界の署名データ(真の署名,ランダム,簡素,手の込んだ偽署名からなる)による実験で,この動的選択戦略は,動的と静的の選択戦力をもつ他の方法に比較して,全体の誤り率を大幅に減らした。さらに,ここで提案したSVシステムの性能は,文献に見られる関連システムと比較して同等または大幅にそれ以上のものであった。Copyright 2011 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.

シソーラス用語： 認証 ,  隠れMarkovモデル ,  *選択 ,  集合
準シソーラス用語： *アンサンブル ,  *署名認証 ,  逐次学習 ,  *動的選択 ,  分類器アンサンブル

分類 (2件)： パターン認識  (JE07000S) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： オフライン ,  署名認証 ,  識別 ,  アンサンブル