基于动态特征的电子签名笔迹分类识别研究

摘要

为了利用书写时长、书写力度变化等动态特征对电子签名笔迹进行分类识别,通过提取简单、一般、复杂电子签名笔迹动态特征数据,共计9000个样本,结合鉴别分析、K近邻、随机森林、支持向量机算法构建分类模型进行分类识别;结果表明:四种分类模型对三种类型的签名分类正确率均较高,均在77%以上;SVM分类时间较长,均在6s以上,最长为7.01s;其余模型较短,均在2.5s以内;RF模型分类正确率最高均在90%以上,KNN模型的分类时间最短,均小于1s。可见,利用机器学习算法构建分类模型可以实现对电子签名笔迹的分类识别。