Piotr Porwik Uniwersytet Śląski w Katowicach

Slides:



Advertisements
Podobne prezentacje
Przykład liczbowy Rozpatrzmy dwuwymiarową zmienną losową (X,Y), gdzie X jest liczbą osób w rodzinie, a Y liczbą izb w mieszkaniu. Niech f.r.p. tej zmiennej.
Advertisements

I część 1.
Klasyfikacja roczna w roku szkolnym 2012/2013
Znaki informacyjne.
Joanna Sawicka Wydział Nauk Ekonomicznych, Uniwersytet Warszawski
Obserwowalność System ciągły System dyskretny
Przetwarzanie i rozpoznawanie obrazów
Przetwarzanie i rozpoznawanie obrazów
WYKŁAD 6 ATOM WODORU W MECHANICE KWANTOWEJ (równanie Schrődingera dla atomu wodoru, separacja zmiennych, stan podstawowy 1s, stany wzbudzone 2s i 2p,
Ludwik Antal - Numeryczna analiza pól elektromagnetycznych –W10
Wstęp do geofizycznej dynamiki płynów. Semestr VI. Wykład
Czym jest i czym nie jest fala?
Filtracja obrazów cd. Filtracja obrazów w dziedzinie częstotliwości
1 Stan rozwoju Systemu Analiz Samorządowych czerwiec 2009 Dr Tomasz Potkański Z-ca Dyrektora Biura Związku Miast Polskich Warszawa,
PROJEKTOWANIE PROCESÓW TECHNOLOGICZNYCH
BIOSTATYSTYKA I METODY DOKUMENTACJI
Ministerstwo Gospodarki Poland'sexperience Waldemar Pawlak Deputy Prime Minister, Minister of Economy March 2010.
Proces analizy i rozpoznawania
Podstawowe pojęcia akustyki
Linear Methods of Classification
UKŁADY SZEREGOWO-RÓWNOLEGŁE
Przykładowe zastosowania równania Bernoulliego i równania ciągłości przepływu 1. Pomiar ciśnienia Oznaczając S - punkt spiętrzenia (stagnacji) strugi v=0,
RÓWNOWAGA WZGLĘDNA PŁYNU
Klasyfikacja systemów
Dyskretny szereg Fouriera
Transformacja Z (13.6).
Pytania konkursowe.
Tytuł prezentacji Warszawa, r..
Wykonawcy:Magdalena Bęczkowska Łukasz Maliszewski Piotr Kwiatek Piotr Litwiniuk Paweł Głębocki.
Hipotezy statystyczne
Doświadczenia eksploatacyjne z pomiarów obciążeń lin nośnych górniczych wyciągów szybowych oraz stosowania praktycznej metody ich wyrównywania. Tadeusz.
Analiza współzależności cech statystycznych
Wyrażenia algebraiczne
Obserwatory zredukowane
Kalendarz 2011 Real Madryt Autor: Bartosz Trzciński.
KALENDARZ 2011r. Autor: Alicja Chałupka klasa III a.
1 ANALIZA STANU BEZROBOCIA NA TERENIE MIASTA I GMINY GOŁAŃCZ ANALIZA STANU BEZROBOCIA NA TERENIE MIASTA I GMINY GOŁAŃCZ ZA ROK 2004 ORAZ PORÓWNANIE Z LATAMI.
Podstawy adresowania hostów w sieciach komputerowych
Plan prezentacji Zarys projektu Geneza tematu
Podstawy działania wybranych usług sieciowych
ŻYWE JĘZYKI PROGRAMOWANIA LIVING IT UP WITH A LIVE PROGRAMMING LANGUAGE Sean McDirmid Ecole Polytechnique Fédérale de Lausanne (EPFL)
Analiza wpływu regulatora na jakość regulacji (1)
Analiza wpływu regulatora na jakość regulacji
Dekompozycja Kalmana systemów niesterowalnych i nieobserwowalnych
Elementy Rachunku Prawdopodobieństwa i Statystyki
MATURA 2007 raport ZESPÓŁ SZKÓŁ I PLACÓWEK KSZTAŁCENIA ZAWODOWEGO.
Kalendarz 2011r. styczeń pn wt śr czw pt sb nd
1.
Obserwowalność i odtwarzalność
  Prof.. dr hab.. Janusz A. Dobrowolski Instytut Systemów Elektronicznych, Politechnika Warszawska.
-17 Oczekiwania gospodarcze – Europa Wrzesień 2013 Wskaźnik > +20 Wskaźnik 0 a +20 Wskaźnik 0 a -20 Wskaźnik < -20 Unia Europejska ogółem: +6 Wskaźnik.
Prof. nadzw. dr Edward Wiktor Radecki Zakład Problemów Społecznych
1 Jak by tu po-współpracować z innymi ? a może coś jeszcze… Word 2007.
Planowanie badań i analiza wyników
+21 Oczekiwania gospodarcze – Europa Grudzień 2013 Wskaźnik > +20 Wskaźnik 0 do +20 Wskaźnik 0 do -20 Wskaźnik < -20 Unia Europejska ogółem: +14 Wskaźnik.
EcoCondens Kompakt BBK 7-22 E.
W2 Modelowanie fenomenologiczne I
Ekonometryczne modele nieliniowe
User experience studio Użyteczna biblioteka Teraźniejszość i przyszłość informacji naukowej.
Testogranie TESTOGRANIE Bogdana Berezy.
Dr hab. Renata Babińska- Górecka
Ekonometryczne modele nieliniowe
ZOSTAŃ SPORTOWYM KOKSEM SP 11 TYM KTÓRY OCZARUJE KOMISJĘ SĘDZIOWSKĄ.
Systemy dynamiczne 2014/2015Obserwowalno ść i odtwarzalno ść  Kazimierz Duzinkiewicz, dr hab. in ż. Katedra In ż ynierii Systemów Sterowania 1 Obserwowalność.
Kalendarz 2020.
ANKIETA ZOSTAŁA PRZEPROWADZONA WŚRÓD UCZNIÓW GIMNAZJUM ZPO W BORONOWIE.
Ankieta dotycząca kart bankomatowych i kont bankowych.
Elementy geometryczne i relacje
Statystyczna Analiza Danych SAD2 Wykład 4 i 5. Test dla proporcji (wskaźnika struktury) 2.
Statystyczna analiza danych SAD2 Wykład 5. Testy o różnicy wartości średnich dwóch rozkładów normalnych (znane wariancje) Statystyczna analiza danych.
Zapis prezentacji:

Piotr Porwik Uniwersytet Śląski w Katowicach Rozpoznawanie podpisów odręcznych na podstawie zredukowanego zbioru cech i nowej miary podobieństwa Piotr Porwik Uniwersytet Śląski w Katowicach

Zagadnienia prezentacji Urządzenia rejestrujące Cechy podpisu Miary podobieństwa cech Nowa koncepcja podobieństwa Redukcja cech Klasyfikacja na pełnym i zredukowanym zbiorze cech Biometria w urządzeniach moblinych

Czy identyfikacja /weryfikacja osoby jest zawsze możliwa? NIE! Podpis kapitana Bonaparte w roku 1793 (ma 24 lata) Generał dywizji (1796) (ma 27 lat) Napoleon jak cesarz Francji 1804 (ma 35 lat) Dowódca Francuzów pod Austerlitz 1805 (ma 36 lat) Dowódca Francuzów pod Moskwą 1812 (ma 43 lata) Przed śmiercią na wyspie Św. Heleny 1821 (ma 52 lata) Biometria w urządzeniach moblinych 1769 Korsyka – 1821 Św. Helena

Urządzenia rejestrujące podpis SigLite Backlit LCD 1x5 HID USB Biometria w urządzeniach moblinych

Biometria w urządzeniach moblinych Cechy podpisu (1) Cechy statyczne (np. podpis off-line) Cechy dynamiczne (np. podpis on-line) Siła nacisku pióra na podłoże Chwilowe przyśpieszania pióra Prędkości kierunkowe Liczba podniesień i opuszczeń pióra Kąt nachylenia pióra (40 cech można zarejestrować lub je wyznaczyć na podstawie zarejestrowanych cech) Biometria w urządzeniach moblinych

Biometria w urządzeniach moblinych Czy to jest ważne ? Biometria w urządzeniach moblinych

Biometria w urządzeniach moblinych Cechy podpisu (2) Biometria w urządzeniach moblinych

Cech podpisu –graficznie (1) Biometria w urządzeniach moblinych

Cechy podpisu – graficznie (2) Biometria w urządzeniach moblinych

Biometria w urządzeniach moblinych Miary podobieństwa (1) 1 Euclidean 12 Jaccard 2 Gower 13 Fidelity 3 Minkowski 14 Bhattacharyya 4 City Block 15 Hellinger 5 Cosine 16 Matusita 6 Kulczynski 17 Pearson 7 Canberra 18 Neyman χ2 8 Czekanowski 19 Squared χ2 9 Intersection 20 Symmetric χ2 10 Clark 21 Kullback–Leibler 11 Lorentzian 22 Kumar-Hassebrook Biometria w urządzeniach moblinych

Biometria w urządzeniach moblinych Miary podobieństwa (2) Sung-Hyug Cha (2007) Comprehensive survey on distance/similarity measures between probability density functions. Int. J. of Mathematical Models and Methods in Applied Sciences, vol. 1, pp. 300-307. Biometria w urządzeniach moblinych

Nowa koncepcja podobieństwa (1) Zbiór cech: Zbiór metod : (sposoby wyznaczania podobieństwa) Zbiór wszystkich kombinacji „cecha-metoda”: Niech nowy współczynnik nazywa się Sim Biometria w urządzeniach moblinych

Nowa koncepcja podobieństwa (2) Podpisy oryginalne: Podpisy fałszywe: c –liczba podpisów oryginalnych, d – liczba podpisów fałszywych, u – liczba zarejestrowanych cech, k – liczba użytych miar podobieństwa (metod pomiaru) Biometria w urządzeniach moblinych

Nowa koncepcja podobieństwa (3) Współczynnik Sim pomiędzy podpisami oryginalnymi: Biometria w urządzeniach moblinych

Nowa koncepcja podobieństwa (4) Współczynnik Sim pomiędzy podpisami prawdziwymi i fałszywymi: Biometria w urządzeniach moblinych

Nowa koncepcja podobieństwa (5) Macierze X oraz Y mogą być jednak bardzo duże! Rozwiązanie: redukcja rozmiarów macierzy. Na przykład: PCA SVD Metoda Hotellinga Dwie pierwsze metod są dobrze znane i opisane w literaturze. Metoda Hotellinga jest mniej znana ale tutaj daje najlepsze rezultaty. Biometria w urządzeniach moblinych

Szkic metody Hotellinga (1) Biometria w urządzeniach moblinych

Szkic metody Hotellinga (2) Elementy macierzy X oraz Y są próbkami dwóch populacji: Rozkład jest normalny, a parametry tego rozkładu są nieznane. Można je jednak estymować: Biometria w urządzeniach moblinych

Szkic metody Hotellinga (3) * - test Bartletta Jeśli kowariancje S1 oraz S2 są homogeniczne*, to: (wariancja wspólna) w przeciwnym przypadku: (wariancje oddzielnie) Statystyka Hotellinga: Test Hotellinga można sprowadzić do testu F: Poziom istotności Biometria w urządzeniach moblinych

Szkic metody Hotellinga (4) Biometria w urządzeniach moblinych

Biometria w urządzeniach moblinych Bazy danych SVC 2004 http://www.cse.ust.hk/svc2004 MCYT http://atvs.ii.uam.es/mcytscores.html SigComp2011 http://www.iapr-tc11.org/mediawiki/index.php/Datasets_List 4NSigComp2012 http://www.iapr-tc11.org/mediawiki/index.php/Datasets_List SigWiComp2013 http://www.dfki.de/afha/2013/SigWiComp.html Baza własna http://biometrics.us.edu.pl Bazy zawierają podpisy oryginalne i sfałszowane. W eksperymencie badano 1600 podpisów z podziałem na podpisy uczące i testowe Biometria w urządzeniach moblinych

Testy praktyczne, (k-NN), Hotelling Prawidłowe rozpoznanie Biometria w urządzeniach moblinych

Biometria w urządzeniach moblinych Testy praktyczne, PCA Biometria w urządzeniach moblinych

Biometria w urządzeniach moblinych Testy praktyczne, PCA Biometria w urządzeniach moblinych

Testy praktyczne (k-NN), PCA Nieprawidłowe rozpoznanie! Biometria w urządzeniach moblinych

Jakie klasyfikatory stosować do weryfikacji podpisu ? Pytania dodatkowe. Dla nowego typu danych: czy jakość klasyfikacji jest podobna kiedy klasyfikator pracuje na: danych zredukowanych, danych nie zredukowanych, (to może być duży zbiór!) danych surowych (pierwotne cechy, bez przetworzenia) Aby odpowiedzieć na te pytania trzeba przeprowadzić odpowiednie eksperymenty! Biometria w urządzeniach moblinych

Biometria w urządzeniach moblinych ?? „It is obvious that more does not mean better, especially in the case of classifiers!!” *) *) XIAO-HUA ZHOU et al..Statistical Methods in Diagnostic Medicine. Wiley-Interscience, 2002, Biometria w urządzeniach moblinych

Zastosowane klasyfikatory Biometria w urządzeniach moblinych

Biometria w urządzeniach moblinych Wyniki klasyfikacji Biometria w urządzeniach moblinych

Biometria w urządzeniach moblinych Wyniki klasyfikacji Biometria w urządzeniach moblinych

Wyniki klasyfikacji Użyte narzędzia Matlab, R, KNIME Biometria w urządzeniach moblinych

Biometria w urządzeniach moblinych Wyniki klasyfikacji Biometria w urządzeniach moblinych

Porównanie z innymi (przybliżona ocena) 1) D. Impedovo, G. Pirlo, Automatic signature verification: the state of the art. IEEE Trans. on Syst. Man. and Cybernetics. Part C: Applications and Reviews, vol. 38v no. 5, 2008, pp. 609-635. Biometria w urządzeniach moblinych

Biometria w urządzeniach moblinych PNN+PSO Biometria w urządzeniach moblinych

Biometria w urządzeniach moblinych Trening sieci Biometria w urządzeniach moblinych

Biometria w urządzeniach moblinych www://mit.us.edu.pl Biometria w urządzeniach moblinych

Biometria w urządzeniach moblinych www://mit.us.edu.pl Biometria w urządzeniach moblinych

Biometria w urządzeniach moblinych Dziękuję za uwagę Biometria w urządzeniach moblinych