نوع مقاله : مقاله کامل پژوهشی
نویسندگان
1 مربی، گروه بیوالکتریک، دانشکده مهندسی پزشکی، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی
2 استادیار، گروه بیوالکتریک، دانشکده مهندسی پزشکی، دانشگاه صنعتی امیرکبیر
3 دانشیار، گروه بیوالکتریک، دانشکده مهندسی پزشکی، دانشگاه صنعتی امیرکبیر
چکیده
تاکنون روشهای بسیاری برای براورد میزان شباهت یا اختلاف سیگنالهای زمانی معرفی شدهاند. الگوریتم DTWاز جمله راهکارهای قدرتمندیست که علاوه بر توانائی فوق در زمینههای طبقهبندی، دادهکاوی و تطابق ناحیهای دو سیگنال نیز مورد توجه است. DTWبر پایه بهینهسازی فواصل نقاط دو سیگنال و با انبساط و انقباض محور زمان در هر نقطه قادر به یافتن نقاط متناظر است. در این مقاله با اصلاح قیود محلی حاکم بر DTWروشی برای ارزیابی میزان شباهت کلّی یا ناحیهای دو سیگنال پیشنهاد میشود. الگوریتم مطرح شده در این مقاله علاوه بر افزایش دقت و قابلیت بالاتر در سنجش فاصله سیگنالها و طبقهبندی با خطای کمتر، نسبت به تغییرات ساختاری و منبع تولید سیگنال زمانی نیز مقاومتر از DTWمرسوم بوده و قابلیت تعمیمپذیری بیشتری از خود نشان میدهد. با استفاده از یک پایگاه دادگان ترکیبی متشکل از افراد ترک (از کشور ترکیه)، چینی و انگلیسیزبان و اعمال روش پیشنهادی مبتنی بر طبقهبندی کنندههای فیشر، پنجره پارزن و ماشین بردار پشتیبان در مسئله تصدیق امضاء نشان داده میشود که ضمن کاهش 3/12% خطای طبقهبندی الگوها، در شرایط سطح آستانه عمومی خطای EERدر گروه جاعلان تصادفی و ماهر به ترتیب برابر 46/1% و 51/3% بهدست آمده است.
کلیدواژهها
عنوان مقاله [English]
Comparison of Function Features using Modified DTW for Dynamic Signature Verification
نویسندگان [English]
- Saeed Rashidi 1
- Ali Fallah 2
- Farzad Towhidkhah 3
1 Instructor, Bioelectric Group, School of Biomedical Engineering, Science and Research Branch, Islamic Azad University
2 Assistant Professor, Bioelectric Group, School of Biomedical Engineering, Amir Kabir University of Technology
3 Associate Professor, Bioelectric Group, School of Biomedical Engineering, Amir Kabir University of Technology
چکیده [English]
Many methods are introduced for estimating the similarities or differences of time signals. One of theses methods, DTW algorithm, is also a utility for other domains including classification, data mining and matching regions between two time signals. DTW algorithm minimizes points distance between two signals by contracting or expanding the time axes to find the corresponding points. In this paper, with modification of the local constraints in DTW, a powerful method is proposed for measuring the global or local similarities between two signals. In addition to increasing the accuracy of signals distance measurements and decreasing the classification error, proposed algorithm is more stable than classic DTW against variations of structure and time signal source. The proposed method for dynamic signature verification was applied to a dataset of signatures from Turkish, Chinese and English people. The results of the experiments based on Fisher, Parzen Window and Support Vectors Machine classifications, showed that equal error rate (EER) is 1.46% and 3.51% with universal threshold for random and skilled forgeries, respectively.
کلیدواژهها [English]
- consistency
- Data Mining
- Dynamic signature verification
- Dynamic time warping
- Time Signal