TY  - BOOK
AU  - Amr hefny muhammad،
AU  - Sameh Hassanien Basha
TI  - Online signature verification
U1  - 570.15195 
PY  - 2021///
KW  - biometrics
KW  - verification system (NRVS) and Genetic NRVS (GNRVS) models
N1  - .Thesis (Ph.D)-Cairo Univsersity,2022; Bibliography: p. 77-85
N2  - التحقق من التوقيع الفوري أحد أهم مواضيع القياسات الحيوية، وعادة ما يستخدام التحقق من  التوقيع المكتوب بخط اليد في التحقق من الوثائق الحكومية والمالية والتجارية. تُستخدم عدة طرق في التحقق الفوري من التوقيع.  هذه األطروحة تقدم نموذجين مبتكرين للتحقق الفوري من التوقيع المكتوب بخط اليد، أحدهما  هو نظام تحقق قائم على قواعد نيتروسوفيكية وهذا النظام يعبر عن كل فرضية منطقية بثالث  قيم هم: صواب الفرضية وخطأ الفرضية والحياد والتوقف في صحتة الفرضية من عدمها.  والنموذج المبتكر يستخدم هذه القيم الثالث الستخالص المميزات و الخصائص الكلية والجزئية  ًى عن طرق جانبية الستخالص للتوقيع الفوري، وهذا يجعلنا في غن مميزات و خصائص التوقيع.  عالوة على ذلك تم استخدام الطرق الجينية )Algorithms Genetic )لتحسين النتائج وتم  اختبار النتائج المحصول عليها من هذه النموذج على قاعدة بيانات 100-Signature-MCYT. وتظهر النتائج التجريبية أن الدقة ، ومتوسط معدل الخطأ ، ومعدل القبول الخاطئ ، ومعدل  الرفض الخاطئ قد تحسنت عندما نقارن النتائج مع نظام التحقق المبني على القواعد الغامضة .)Fuzzy Rule-Based Verification System( تم تقديم النموذج اآلخر هنا في هذه األطروحة للتحقق الفوري من التوقيع المكتوب بخط اليد ،  بنا ًء على التعلم العميق )Learning Deep .يتضمن المزيد من النتائج التجريبية من مجموعة  بيانات أخرى. في هذا النموذج ، استخدمنا معامالت polynomials Legendre كمميزات و  خصائص للتوقيع الفوري وذلك للحصول على مميزات و خصائص ذات طول ثابت لنمذجة  ِّعين. توقيعات الموق  تم تحقيق نتائج تجريبية أفضل فيما يتعلق بتقليل معدل الخطأ المتساوي وتقليل الخسارة  اللوغاريتمية وتضخيم الدقة على قواعد بيانات 100-Signature-MCYT و SigComp2011  مقارنة بأحدث األساليب المستخدمة في التحقق الفوري من التوقيع المكتوب بخط اليد
ER  -