ترجمه مقاله تائید امضای آنلاین با استفاده از نمایش برداری i – سال 2017
مشخصات مقاله:
عنوان فارسی مقاله:
تائید امضای آنلاین با استفاده از نمایش برداری i
عنوان انگلیسی مقاله:
Online signature verification using i-vector representation
مناسب برای رشته های دانشگاهی زیر:
مهندسی کامپیوتر
مناسب برای گرایش های دانشگاهی زیر:
هوش مصنوعی
وضعیت مقاله انگلیسی و ترجمه:
مقاله انگلیسی را میتوانید به صورت رایگان با فرمت PDF از باکس زیر دانلود نمایید. ترجمه این مقاله با فرمت WORD – DOC آماده خریداری و دانلود آنی میباشد.
فهرست مطالب:
چکیده
مقدمه
سیستم های مبتنی بر بردار i
ایجاد مدل پس زمینه جهانی (UBM)
روش های مربوط به کاهش اثرات تغییرات درون کلاس
روش پیشنهادی
ایجاد یک الگو برای هر فرد
امتیاز دادن (معیار شباهت)
تصمیم گیری
تصمیم گیری بر اساس طبقه بندی دوتایی SVM
استخراج ویژگی
پیش پردازش
ویژگی ها
پس از پردازش
هنجارسازی میانگین و واریانس
تنظیمات آزمایش
پایگاه داده
معیارهای ارزیابی
تجسم t-SNE در فضای بردار i
نتایج تجربی
اثرات اجزای UBM، ابعاد بردارهای i و پس پردازش ویژگی ها
مقایسه تغییرات NAP و WCCN
استفاده از امضاهای مرجع در تغییرات WCCN و NAP
اثرات کاهش سرعت نمونه برداری
اثرات اندازه مجموعه مرجع بر عملکرد
نتایج تکنیک های مبتنی بر SVM پیشنهادی
مقایسه با سایر روش ها
نتایج مربوط به پایگاه داده SVC2004
مقایسه با سایر نتایج گزارش شده در مورد پایگاه داده SVC2004
نتیجه گیری
منابع
قسمتی از مقاله انگلیسی و ترجمه آن:
1 Introduction
Identity verification is defined as determining a person’s identity based on their physical or behavioural characteristics. There are different such characteristics in each category (i.e. physical/ behavioural). The first category is, in fact, the set of biometric characteristics such as fingerprint, eye — especially the iris and cornea — and speech [1]. In the second category, which is based on behavioural characteristics, features such as handwriting and signature are used to identify a person [1]. From the perspective of how a person utters words and his habitual phrases, speech can be placed in the second category too. The methods in the first category are superior in terms of accuracy, and among them fingerprints are more widespread and are very commonly employed in time and attendance systems. However, since it is much more convenient to use signatures, methods based on such characteristics are more widespread in banking, even though they are less accurate than the methods in the first category. As a behavioural biometric, handwritten signature can be influenced by a person’s mental and physical conditions, hence it exhibits inconstancy due to stress, emotions, sleepiness, fatigue etc.
مقدمه
تشخیص هویت به عنوان تعیین هویت فرد بر اساس ویژگی های فیزیکی یا رفتاری تعریف شده است.ویژگی های مختلفی در این گروه وجود دارند (به عنوان مثال، فیزیکی / رفتاری). گروه اول، در واقع، مجموعه ویژگی های بیومتریک مانند اثرانگشت، چشم – به خصوص عنبیه و قرنیه- و گفتار است. در گروه دوم، که بر اساس ویژگی های رفتاری قرار دارد، ویژگی هایی مانند دست خط و امضا برای شناسایی فرد مورد استفاده قرار می گیرند. از نظر نحوه بیان کلمات و عبارات معمول فرد، گفتار نیز می تواند در گروه دوم قرار گیرد. روش های مربوط به گروه اول از نظر دقت بهتر هستند و در میان آن ها اثر انگشت گسترده تر بوده و به طور معمول در سیستم های حضور و غیاب مورد استفاده قرار می گیرد. با این حال، از آن جا که استفاده از امضا بسیار راحت تر است، روش های مبتنی بر این ویژگی ها در بانکداری گسترده تر هستند، هرچند دقت آن ها نسبت به روش های گروه اول کم تر است. امضای دست نویس به عنوان یک بیومتریک رفتاری می تواند تحت تاثیر شرایط ذهنی و فیزیکی فرد قرار گیرد، از این رو، نشان دهنده بی ثباتی ناشی از استرس، احساسات، خواب آلودگی ، خستگی و … می باشد.
