انجمن کامپیوتر ایران

امضای افراد از دو مشخصه متضاد برخوردار است از یک سو دارای ساختار پایدار بوده و از سوی دیگر دو امضای یک فرد نیز کاملا یکسان نیست. تفاوتهای سطحی امضای افراد در تکرارهای متوالی در اندازه، سرعت و تغییرات غیرخطی محور زمان است. این مسائل طبقه‌بندی امضاهای حقیقی و جعلی را مشکل می‌سازد. به منظور کاهش این خطاها استفاده از ویژگیهای محلی که دقت بالاتری نسبت به ویژگیهای کلی دارند، می‌تواند راهکار موثری باشد ولی به دلیل یکسان نبودن طول ویژگیهای محلی استفاده از یک الگوریتم سریع و مقاوم در برابر اعوجاجات محلی اهمیت اساسی دارد. در این مقاله با بهره‌گیری از الگوریتم کمترین فاصله گستره سعی در تعیین نقاط متناظر واقعی می‌شود. آزمایشهای انجام شده بر روی یک پایگاه امضای گسترده حاکی از عملکرد بهتر الگوریتم MLD نسبت به روش مشهور DTW است که خطای طبقه‌بندی را در حدود 3/8% کاهش می‌دهد. همچنین نتایج نشان داد با استفاده از طبقه‌بندی کننده پنجره پارزن، شاخص EER برابر 94/0% و 78/1% به ترتیب برای گروه جاعل تصادفی و ماهر است.