本 文 所 提 出 之 環 形 取 樣 機 制 配 合 SOM 類神經網路系統架構，相
較 於 楊 宗 憲 【13】所採用之隱藏式馬可夫模型與倒傳遞類神經網路，
具 有 更 高 的 辨 識 效 果 ， 實 驗 結 果 得 知 環 形 取 樣 對 於 辨 識 率 已 經 具 有 較 佳 的 效 果，辨 識 率 高 達 90.23%，採用本文所提出的方法進行識別，無 論 手 寫 簽 名 圖 樣 產 生 了 位 移 、 旋 轉 情 形 都 可 以 有 效 地 處 理 圖 樣 之 不 變 性 特 徵 。 然 而 對 於 手 寫 簽 名 這 類 型 不 確 定 性 高 的 樣 本 ， 並 且 手 寫 簽 名 圖 樣 所 產 生 的 變 異 性 具 有 不 穩 定 的 特 性 ， 因 此 對 於 圖 樣 的 差 異 較 無 法 有 效 的 細 部 識 別 ， 導 致 誤 判 率 9.63%。由此可知環形取樣方式對於相 似 之 手 寫 簽 名 圖 樣 無 法 更 有 效 的 降 低 誤 判 率 。 實 驗 結 果 發 現 環 形 取 樣 對 於 辨 識 率 已 經 具 有 較 佳 的 效 果 ， 因 此 建 議 後 續 發 展 方 向 可 針 對 誤 判 率 進 行 改 善 。
應 用 類 神 經 網 路 於 手 寫 圖 像 識 別 ， 建 立 個 人 專 屬 神 經 網 路 ， 提 高 手 寫 圖 像 辨 識 率 ， 並 且 能 更 有 效 的 解 決 簽 名 圖 樣 經 任 意 角 度 旋 轉 後 之 辨 識 率 。 類 神 經 網 路 具 有 比 對 模 糊 的 特 色 ， 保 留 辨 識 的 彈 性 ， 類 神 經 網 路 可 藉 由 再 訓 練 機 制 漸 進 改 變 類 神 經 網 路 的 辨 識 樣 本 ， 因 此 隨 著 簽 名 筆 跡 漸 進 式 的 變 化 ， 類 神 經 網 路 將 會 進 行 權 重 的 微 調 ， 達 到 神 經 網 路 隨 著 簽 名 的 樣 本 智 慧 型 學 習 的 目 的 。
參考文獻
1. 吳坤榮 (1997)，「線上簽名驗證的研究」，國立交通大學資訊工 程 研 究 所 博 士 論 文 。
2. 李奇政 (1998)，「利用離線簽名樣本作線上中文簽名確認」，國 立 中 央 大 學 資 訊 工 程 研 究 所 碩 士 論 文 。
3. 沈玉升 (1993)，「類神經網路在影像外形自動辨識之應用」，靜 宜 大 學 管 理 科 學 研 究 所 碩 士 論 文 。
4. 林昇浦、洪成安 (2002)，「神經網路入門與圖樣辨識」，全華科 技 圖 書 股 份 有 限 公 司 。
5. 邱宏彬 (1996)，「手寫中文字之處理及不變性識別」，國立中央 大 學 資 訊 工 程 研 究 所 博 士 論 文 。
6. 張斐章，張麗秋，黃浩倫 (2003)，「類神經網路理論與實務」，
東 華 書 局 。
7. 張森 (1998)，「以模糊性 r-model 及 SOM 為架構的手寫數字辨識 之 研 究 」 ， 朝 陽 大 學 資 訊 管 理 所 碩 士 論 文 。
8. 郭文聰 (1995)，「快速特徵擷取與旋轉法則」，國立中山大學應 用 數 學 研 究 所 碩 士 論 文 。
9. 陳育千 (2001)，「線上簽名鑑定」，中央警察大學刑事警察研究 所 碩 士 論 文 。
10. 陳 慶 逸 (1997)， 「 以 類 神 經 網 路 為 基 礎 的 文 數 字 辨 識 技 術 之 研 究 」 ， 淡 江 大 學 電 機 工 程 學 系 研 究 所 碩 士 論 文 。
11. 曾榮鴻 (2001)，「類神經網路應用於數字識別之分析與比較」，
國 立 海 洋 大 學 航 運 技 術 研 究 所 碩 士 論 文 。
12. 黃國源 (1995)，「類神經網路與圖型識別」，維科出版社。
13. 楊宗憲 (1998)，「 可處理任意旋轉角度之手寫字辨識」”，國立 成 功 大 學 資 訊 工 程 研 究 所 碩 士 論 文 。
14. 楊宗興 (1987)，「圖形辨識中旋轉問題之探討」，國立台灣學機 械 工 程 研 究 所 碩 士 論 文 。
15. 楊武智 (1994)，「影像處理與辨認」，全華科技圖書股份有限公 司 。
16. 趙永正 (1993)，「以特徵擷取做有限度旋轉文字之辨識」，國立 台 灣 科 技 大 學 工 程 技 術 研 究 所 碩 士 論 文 。
17. 蔡明志 (1999)，「神經網路應用於字元的不變性辨識」，元智大 學 工 業 工 程 研 究 所 碩 士 論 文 。
18. 賴承澤 (2001)，「利用虛筆資訊特徵作中文簽名確認」，國立中 央 大 學 資 訊 工 程 研 究 所 碩 士 論 文 。
19. 鍾孟邦 (1998)，「可連續書寫之中文簽名確認系統」，中央大學 資 訊 工 程 研 究 所 碩 士 論 文 。
20. Bajaj, R. and S. Chaudhury (1997),“Signature Verification Using Multiple Neural Network Classifier,”Pattern Recognition, Vol.30, No.1, pp.1-7.
21. Berg, M. D., M. V. Kreveld, M. Overmars, and O. Schwarzkopf (2000), Computational Geometry Algorithms and Applications, Germany:Springer.
22. Bozinovic, R. M. and S. N. Srihari, (1989), “Off-line cursive script word recognition, ” IEEE Trans. PAMI, vol. 11, no. 1.
23. Chang, J. Y. and C. L. Lee (1994), “Translation, Rotation, and Scaling Invariant Pattern Recognition by Fuzzy Neural Networks,”
The 2nd Natl. Conf. on Fuzzy Theory & Appl. (Fuzzy’94), Taiwan, ROC.
24. Cheng, H. D. and D. C. Xia (1996),“A novel parallel approach to character recognition and its VLSI implementation,”Pattern Recognition, Vol.29, No.1, pp.97-119.
25. Chiu, H. P. and D. C. Tseng (1997), “Invariant handwritten Chinese character recognition using fuzzy min-max neural network,” Pattern Recognition Letter, Vol.18, pp.481-491.
26. Dimauro, G., S. Impedovo, G. Pirlo, and A. Salzo (1997), “A Multi-expret Signature Verification System for Bankcheck Processing,” International Journal of Pattern Recognition and Artificial Intelligence, Vol.11, No.5, pp.827-844.
27. Drouhard, J. P., R. Sabourin, and M. Godbout (1996),“A Neural Network Approach to Off-line Signature Verification Using
28. Enke, D., H. C. Lee, A. M. Ozbayoglu, A. Thammano, and C. H.
Dagli (1995), “An Application to Speaker Identification Using SimNet,” Intelligent Engineering Systems Through Artificial Neural Networks, vol.5, ASME Press (ANNIE ’95) New York.
29. Fukushima, K., S. Myake, and T. Lto (1983), “Neocongitron: A neural network model for a mechanism of visual pattern recognition,” IEEE Trans. Syst., Man, Cybern., vol. SMC-13, no.5, pp.826-834.
30. Han, K. and I. K. Sethi (1996), “Handwritten signature retrieval and identification,” Pattern Recognition Letters, Vol.17, pp.83-90.
31. Holt, M., A. Stewart, M. Clint, and R. H. Perrott (1987), “An Improved Parallel Thinning Algorithm”, Communications of the ACM, Vol. 30, No. 2, pp.156-160.
32. Hsu, Y. N. and H. H. Arsenault (1982), “Rotation-invariant digital pattern recognition using circular harmonic expansion,” Appl. Opt., vol. 21, no.22, pp.4012-4015.
33. Hsu, Y. N., H. H. Arsenault, and Y. Yang (1982), “Digital multiple correlation for pattern recognition,” Appl. Opt., vol. 21, no. 4, pp.616-620.
34. Huang, K. and Hong Yan (1997),“Off-line Signature Verification Based on Geometric Feature Extraction and Neural Network Classification,”Pattern Recognition, Vol.30, No.1, pp.9-17.
35. Jain, K., F. D. Griess, and S. D. Connell (2002), “On-line signature verification,” Pattern Recognition, Vol.35, pp.2963-2972.
36. Koch, M. W., M.W. Roberts, and S. W. Aiken (1990), “A vision architecture for scale, translation, and rotation invariance,” in Proc.
Int. Joint Conf. Neural Networks, vol. II, pp. 393-396.
37. Lee, H. C., C. H. Dagli, F. Ercal, and A.M. Ozbayoglu (1995),
“SimNet: A Parallel Neuro-Fuzzy Paradigm for Data Clustering,”
OAI Neural Networks Symposium and Workshop (OAINN ’95), Athens, Ohio, USA.
38. LǕ, H. E. and P. S. P. Wang (1986), “A Comment A Fast Parallel Algorithm for Thinning Digital Patterns”, Communications of the ACM, Vol. 29, No. 3, pp.156-160.
39. Mori, S.C., Y. Suen, K. Yamamoto (1992), “Historical review of OCR research and development,” in Proc. IEEE, vol. 80, pp.1029-1058.
40. Nayar, S. K., H. Murase, and S. A. Nene (1994), “Learning, positioning, and tracking visual appeaance,” in Proc. 1994 IEEE Int.
Conf. Robotics, Automation, vol. 4, pp.3237-3244.
41. Plamondon, R. and G. Lorette (1989), "Automatic signature verification and writer identification - the state of the art", Pattern Recognition, Vol. 22, pp.107-131.
42. Qi , Y. and B. R. Hunt (1994),“Signature Verification Using Global and Grid Features,”Pattern Recognition, Vol.27, No.12, pp.1621-1629.
43. Reid, M. B., L. Spirkovska, and E. Ochoa (1989), “Rapid training of high order neural networks for invariant pattern recognition,” in Proc. Int. Joint Conf. Neural Networks, vol. 1, pp.689-692.
44. Shi, D., S. R. Gunn, and R. I. Damper (2002), “Handwritten Chinese character recognition using nonlinear active shape models and the Viterbi algorithm,” Pattern Recognition Letters, Vol.23, pp.1853-1862.
45. Shie, J. S. and G. D. Chang (1991), “A temporally resolved position sensing device for autofocusing,” Rev. Sci. Instruments, vol.
62, no. 3, pp.825-827.
46. Skyum, S. (1991), “A simple algorithm for computing the smallest enclosing circle”, Information Processing Letters, Vol. 37, pp.121-125.
47. Tseng, D. C., H. P. Chiu, and J. C. Cheng (1996), “Invariant handwritten Chinese character recognition using fuzzy ring data,”
Image Vision Computing, Vol.14, pp.647-657.
48. Widrow, R., G. Winter, and R. A. Baxter (1988), “Layered neural nets for pattern recognition,” IEEE Trans. Acoust., Speech, Signal Processing, vol. 36, no. 7, pp.1109-1118.
49. Xuhua, Y., T. Furuhashi, K. Obata, and Y. Uchikawa (1996),
“Selection of features for signature verification using the Genetic Algorithm,” Computers Engng, Vol.30, No.4, pp.1037-1045.
50. Yang, H. T., J. W. Lin, and S. J. Lee (1997), “A handwritten Chinese character recognition system based on neural-fuzzy theory,”
in Proc. IEEE Int., Conf. on Computational Cybernetics and Simulation., vol. 2, pp.1492-1497.
51. Yang, L. (1995),“Application of Hidden Markov Models for Signature Verification,”Pattern Recognition, Vol.28, No.2, pp.161-170.
52. Yuceer, C. and K. Oflazer (1993), “A Rotation, Scaling, and Translation Invariant Pattern Classification System,” Pattern Recognition, vol.26, No.5, pp.687-710.
53. Zhang, L., M. Y. Fu, and H. Yan (1998),“Handwritten Signature Verification Based on Neural ‘Gas’ Based Vector Quantization,”
Proc. of ICPR‘98, pp.1862-1864.
54. Zhang, T. Y. and C. Y. Suen (1984), “A Fast Parallel Algorithm for Thinning Digital Patterns”, Communications of the ACM, Vol. 27, No. 3, pp.236-239.
55. http://selab.csie.ncu.edu.tw/~muchun/course/nn.htm 56. http://www.cse.unsw.edu.au/~lambert/java/3d/hull.html
附錄一 訓練樣本(一)
附錄二 訓練樣本(二)
附錄三 訓練樣本(三)
附錄四 訓練樣本(四)
附錄五 錯誤測試樣本(一)
附錄六 錯誤測試樣本(二)
附錄七 錯誤測試樣本(三)