《表5 NSCT变换后融合GLCM和MBLBP在维吾尔文数据库上的实验结果》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于非下采样轮廓波变换的离线签名识别》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

由表5～表7可以看出，当在NSCT变换后提取GL-CM特征和MBLBP特征并融合两种特征，对于维吾尔文、柯尔克孜文及其混合文种的3种不同语言数据集，使用SVM分类器时识别率最高达到91.75%，92%，94.75%，使用BP神经网络时识别率最高达到94%，94.25%，96.75%，实验结果表明，此方法融合NSCT+GLCM+MBLBP特征，可以提高一定的识别率，此方法对维吾尔文、柯尔克孜文及维柯混合数据的离线的手写签名都具有较好的描述性。