تطابق سيگنالهاي دو بعدي بر پايه الگوريتم پيچش زماني پويا تعميم يافته و كاربرد آن در تصديق امضا

فرآيند مقايسه و تعيين ميزان فاصله يا شباهت منحني هاي زماني در مسئله بازشناخت الگو بسيار حائز اهميت است. اغلب روشهاي مرسوم مبتني بر ايده برنامه ريزي پويا است كه از ميان الگوريتم DTW در كاربرد بازشناخت گفتار و تصديق امضاء بسيار مورد توجه بوده است. به دليل آنكه اين سيگنالهاي زماني مي تواند داراي ابعاد بيش از يك باشد، مقايسه سيگنالها بر اساس اعمال الگوريتمها به تك تك ابعاد است كه در اين صورت به علت حذف عامل همبستگي بعدها و ارزش اطلاعاتي آن، دقت فرآيند مقايسه و طبقه بندي الگوها كاهش مي يابد. اين مقاله با ارائه الگوريتم DTW تعميم يافته به فضاي چند بعدي و تعيين ميزان اهميت و ارزش هر بعد، نشان مي دهد كه خطاي طبقه بندي كاهش مخصوصي خواهد داشت. با اعمال راهكار پيشنهادي به مسئله تصديق امضاء و بهره گيري از طبقه بندي كننده SVM با پايگاه دادگاني شامل امضاي افراد فارسي، انگليسي و چيني زبان، خطاي EER براي جاعلان ماهر برابر 1/97% و مقدار 0/46% براي جاعلان مبتدي بدست مي آيد.