A Statistical Model for Signature Verification
签名验证的统计模型AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要研究签名形状的贝叶斯验证，空间点过程与时间变形不构成经济网络或时间序列分类依据。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
签名验证的统计模型
- 研究问题
- 如何在离线签名验证中利用曲率表示和先验形状信息，同时容纳签名形态变化、参数变形与观测噪声？
- 方法与思路
- 作者以空间点过程指定模板曲率邻近区域内的逼近节点，加入独立时间变形和加性白噪声，并通过 MCMC 实现贝叶斯分析。
- 材料陈述的贡献
- 摘要称建立了能纳入签名先验形状信息的贝叶斯验证模型，并应用于一组有记录的莎士比亚签名实例。
- 阅读关注点
- 应核对曲率提取、模板和邻近区域定义、节点先验及时间变形机制，并检查验证决策、MCMC 收敛和应用证据。
- 阅读边界
- 仅据版本未注明的索引摘要；真假判定标准、误判率和样本规模未说明，案例应用不能直接证明模型具有可靠鉴伪能力。
原文摘要
A Bayesian model for off-line signature verification involving the representation of a signature through its curvature is developed. The prior model makes use of a spatial point process for specifying the knots in an approximation restricted to a buffer region close to a template curvature, along with an independent time-warping mechanism. In this way, prior shape information about the signature can be built into the analysis. The observation model is based on additive white noise superimposed on the underlying curvature. The approach is implemented using Markov chain Monte Carlo and applied to a collection of documented instances of William Shakespeare's signature.