1. Репозиторий Самарского национального исследовательского университета имени академика С.П. Королёва
  2. 06. Периодические издания
  3. Журнал "Компьютерная оптика"
Full metadata record
DC FieldValueLanguage
dc.contributor.authorХодашинский, И.А.
dc.contributor.authorКостюченко, Е.Ю.
dc.contributor.authorСарин, К.С.
dc.contributor.authorАнфилофьев, А.Е.
dc.contributor.authorБардамова, М.Б.
dc.contributor.authorСамсонов, С.С.
dc.contributor.authorФилимоненко, И.В.
dc.date2018
dc.date.accessioned2025-08-27T05:20:34Z-
dc.date.available2025-08-27T05:20:34Z-
dc.date.issued2018
dc.identifier.identifierDspace\SGAU\20181003\71669
dc.identifier.citationХодашинский, И.А. Аутентификация пользователя по динамике подписи на основе нечеткого классификатора / И.А. Ходашинский, Е.Ю. Костюченко, К.С. Сарин, А.Е. Анфилофьев, М.Б. Бардамова, С.С. Самсонов, И.В. Филимоненко // Компьютерная оптика. – 2018. – Т. 42, №4. – С. 657-666. – DOI: 10.18287/2412-6179-2018-42-4-657-666
dc.identifier.urihttps://dx.doi.org/10.18287/2412-6179-2018-42-4-657-666
dc.identifier.urihttp://repo.ssau.ru/jspui/handle/123456789/22553-
dc.description.abstractАнализ динамики подписи является одним из наиболее быстрых, интуитивно понятных и экономичных инструментов аутентификации пользователей. Динамическое распознавание подписи основано на анализе нескольких характеристик почерка индивидуума, таких как параметры движения, давление, азимут и угол наклона пера в определенные моменты времени, а также скорости и ускорения вышеперечисленных величин. В нашей работе в качестве признаков были использованы постоянная составляющая и первые семь гармоник разложения данных сигналов в ряд Фурье. Создание систем подтверждения подлинности подписи включает следующие этапы: предобработка, отбор информативных признаков, классификация. Для отбора признаков использованы бинарные метаэвристические и детерминированные алгоритмы. Классификация выполнялась с помощью нечеткого классификатора. Параметры нечетких классификаторов настраивались непрерывными метаэвристическими алгоритмами. Работоспособность системы аутентификации проверена на авторской базе данных. База данных содержит 280 оригинальных вариантов подписи одного автора и 1281 вариант фальсификаций (поддельных подписей) семи авторов. Для оценки статистической значимости различий в точности и ошибках нечетких классификаторов, сформированных метаэвристическими алгоритмами, использованы критерий Манна–Уитни (Уилкоксона) и тест Крускала–Уоллиса.
dc.description.sponsorshipРабота выполнена при финансовой поддержке Министерства образования и науки РФ в рамках базовой части государственного задания в сфере научной деятельности (проект № 8.9628.2017/8.9).
dc.languagerus
dc.publisherНовая техника
dc.relation.ispartofseries42/4;
dc.titleАутентификация пользователя по динамике подписи на основе нечеткого классификатора
dc.title.alternativeDynamic-signature-based user authentication using a fuzzy classifier
dc.typeArticle
dc.identifier.scsti28.23.15
dc.identifier.scsti28.19.31
dc.identifier.scsti81.93.29
local.identifier.oldurihttp://repo.ssau.ru/handle/Zhurnal-Komputernaya-optika/Autentifikaciya-polzovatelya-po-dinamike-podpisi-na-osnove-nechetkogo-klassifikatora-71669
local.identifier.oldurihttp://repo.ssau.ru/handle/Zhurnal-Komputernaya-optika/Autentifikaciya-polzovatelya-po-dinamike-podpisi-na-osnove-nechetkogo-klassifikatora-71669
Appears in Collections:Журнал "Компьютерная оптика"

Files in This Item:
File Description SizeFormat 
420414.pdfОсновная статья417.14 kBAdobe PDFView/Open
Show simple item record


Items in Repository are protected by copyright, with all rights reserved, unless otherwise indicated.