《表2 不同训练比例和分类器下的签名分类结果》
在原始熟练签名数据集上进行实验,将数据集随机分为训练集和测试集,训练集占总体实验数据的比例(Training Rate,T_R)为0.5。提取到的特征分别使用支持向量机、K-近邻分类器以及神经网络进行分类。实验结果如表2所示。从表2中可以得到,SVM、KNN以及ANN3个分类器的识别正确率分别为91.686%、97.393%以及95.209%。3个结果均高于90%,其中KNN分类器的结果达到了97.393%,高于传统二维签名识别85%~95%的正确率。这说明了笔划的深度特征对于熟练签名的识别具有优秀的效果。
图表编号 | XD00113179300 严禁用于非法目的 |
---|---|
绘制时间 | 2019.10.01 |
作者 | 吴坤帅、魏仲慧、何昕、李佩君 |
绘制单位 | 中国科学院长春光学精密机械与物理研究所、中国科学院大学、中国科学院长春光学精密机械与物理研究所、中国科学院长春光学精密机械与物理研究所、中国人民解放军63850部队 |
更多格式 | 高清、无水印(增值服务) |