InforLorV4, PascalFrancis, Corpus, bibRecord, 000214

Évaluation sur la création automatique de classes de signatures manuscrites pour l'authentification en ligne

Identifieur interne : 000214 ( PascalFrancis/Corpus ); précédent : 000213; suivant : 000215

Évaluation sur la création automatique de classes de signatures manuscrites pour l'authentification en ligne

Auteurs : Nicolas Ragot ; Julie Fortune ; Paul M'Bongo ; Nicole Vincent ; Hubert Cardot

Source :

TS. Traitement du signal [ 0765-0019 ] ; 2009.

RBID : Pascal:10-0301314

Descripteurs français

Pascal (Inist)
- Signature, Authentification, Traitement en ligne, Classification automatique, Reconnaissance caractère manuscrit, Reconnaissance écriture, Algorithme, Taux erreur, Biométrie, Classification non supervisée, Simulation Time Warp, Classification signal, Reconnaissance forme, Reconnaissance automatique.

English descriptors

KwdEn :
- Algorithm, Authentication, Automatic classification, Automatic recognition, Biometrics, Error rate, Handwriting recognition, Handwritten character recognition, On line processing, Pattern recognition, Signal classification, Signing, Time warp simulation, Unsupervised classification.

Abstract

Dans ce papier, nous avons cherché à évaluer l'intérêt de la création de classes de signatures manuscrites pour un système d'authentification en ligne. Notre objectif est d'étudier: comment créer automatiquement des classes de signatures (ou styles de signature); comment prendre en compte ces classes pendant l'authentification afin de spécialiser le système lors de l'enrôlement d'un utilisateur; quelles améliorations nous pouvons en attendre. Dans notre étude, la création des classes s'effectue grâce à deux algorithmes de clustering et en se basant sur différents sous-espaces de description des signatures. La spécialisation du système consiste à déterminer non plus un seuil de décision (acceptation ou rejet) global au système (i.e. le même pour toutes les personnes qui s'enrôleront) mais un seuil adapté à chacune des classes. En termes d'évaluation, nous nous sommes plus particulièrement attachés à étudier l'impact de la classification (en fonction de l'algorithme de classification, du nombre de classes, de l'espace de description) sur les performances d'un système d'authentification basé sur une approche Coarse To Fine et l'algorithme Dynamic Time Warping. Les résultats expérimentaux sur la base SVC montrent que l'on peut améliorer les performances en diminuant le taux d'erreurs égales de 14,4%. Cependant la sensibilité de la classification est très grande et la notion de classe unique pour un signataire semble trop restrictive.

Notice en format standard (ISO 2709)

Pour connaître la documentation sur le format Inist Standard.

A01	`01`	`1`		`@0 0765-0019`
A03		`1`		`@0 Trait. signal`
A05				`@2 26`
A06				`@2 5`
A08	`01`	`1`	`FRE`	`@1 Évaluation sur la création automatique de classes de signatures manuscrites pour l'authentification en ligne`
A09	`01`	`1`	`FRE`	`@1 Le document écrit`
A11	`01`	`1`		`@1 RAGOT (Nicolas)`
A11	`02`	`1`		`@1 FORTUNE (Julie)`
A11	`03`	`1`		`@1 M'BONGO (Paul)`
A11	`04`	`1`		`@1 VINCENT (Nicole)`
A11	`05`	`1`		`@1 CARDOT (Hubert)`
A12	`01`	`1`		`@1 TABBONE (Salvatore-Antoine) @9 limin.`
A14	`01`			`@1 Université François Rabelais Tours, Laboratoire Informatique, 64 av. Jean Portalis @2 37200, Tours @3 FRA @Z 1 aut. @Z 2 aut. @Z 3 aut. @Z 5 aut.`
A14	`02`			`@1 Atos Worldline, 19 rue de la Valle Maillard @2 41000 Blois @3 FRA @Z 2 aut. @Z 4 aut.`
A15	`01`			`@1 LORIA-UMR7503, Université Nancy 2, BP 239 @2 54506 Vandœuvre-les-Nancy @3 FRA @Z 1 aut.`
A20				`@1 353-363`
A21				`@1 2009`
A23	`01`			`@0 FRE`
A24	`01`			`@0 eng`
A43	`01`			`@1 INIST @2 20481 @5 354000180689580030`
A44				`@0 0000 @1 © 2010 INIST-CNRS. All rights reserved.`
A45				`@0 1/2 p.`
A47	`01`	`1`		`@0 10-0301314`
A60				`@1 P`
A61				`@0 A`
A64	`01`	`1`		`@0 TS. Traitement du signal`
A66	`01`			`@0 FRA`
A68	`01`	`1`	`ENG`	`@1 Evaluation of automatic classification of handwritten signatures for online authentication`
C01	`01`		`FRE`	@0 Dans ce papier, nous avons cherché à évaluer l'intérêt de la création de classes de signatures manuscrites pour un système d'authentification en ligne. Notre objectif est d'étudier: comment créer automatiquement des classes de signatures (ou styles de signature); comment prendre en compte ces classes pendant l'authentification afin de spécialiser le système lors de l'enrôlement d'un utilisateur; quelles améliorations nous pouvons en attendre. Dans notre étude, la création des classes s'effectue grâce à deux algorithmes de clustering et en se basant sur différents sous-espaces de description des signatures. La spécialisation du système consiste à déterminer non plus un seuil de décision (acceptation ou rejet) global au système (i.e. le même pour toutes les personnes qui s'enrôleront) mais un seuil adapté à chacune des classes. En termes d'évaluation, nous nous sommes plus particulièrement attachés à étudier l'impact de la classification (en fonction de l'algorithme de classification, du nombre de classes, de l'espace de description) sur les performances d'un système d'authentification basé sur une approche Coarse To Fine et l'algorithme Dynamic Time Warping. Les résultats expérimentaux sur la base SVC montrent que l'on peut améliorer les performances en diminuant le taux d'erreurs égales de 14,4%. Cependant la sensibilité de la classification est très grande et la notion de classe unique pour un signataire semble trop restrictive.
C02	`01`	`X`		`@0 001D04A04E`
C02	`02`	`X`		`@0 001D04A04A1`
C02	`03`	`X`		`@0 001D04A05A`
C02	`04`	`X`		`@0 001D02C03`
C03	`01`	`X`	`FRE`	`@0 Signature @5 01`
C03	`01`	`X`	`ENG`	`@0 Signing @5 01`
C03	`01`	`X`	`SPA`	`@0 Firma @5 01`
C03	`02`	`X`	`FRE`	`@0 Authentification @5 02`
C03	`02`	`X`	`ENG`	`@0 Authentication @5 02`
C03	`02`	`X`	`SPA`	`@0 Autenticación @5 02`
C03	`03`	`X`	`FRE`	`@0 Traitement en ligne @5 03`
C03	`03`	`X`	`ENG`	`@0 On line processing @5 03`
C03	`03`	`X`	`SPA`	`@0 Tratamiento en línea @5 03`
C03	`04`	`X`	`FRE`	`@0 Classification automatique @5 04`
C03	`04`	`X`	`ENG`	`@0 Automatic classification @5 04`
C03	`04`	`X`	`SPA`	`@0 Clasificación automática @5 04`
C03	`05`	`3`	`FRE`	`@0 Reconnaissance caractère manuscrit @5 05`
C03	`05`	`3`	`ENG`	`@0 Handwritten character recognition @5 05`
C03	`06`	`3`	`FRE`	`@0 Reconnaissance écriture @5 06`
C03	`06`	`3`	`ENG`	`@0 Handwriting recognition @5 06`
C03	`07`	`X`	`FRE`	`@0 Algorithme @5 07`
C03	`07`	`X`	`ENG`	`@0 Algorithm @5 07`
C03	`07`	`X`	`SPA`	`@0 Algoritmo @5 07`
C03	`08`	`X`	`FRE`	`@0 Taux erreur @5 08`
C03	`08`	`X`	`ENG`	`@0 Error rate @5 08`
C03	`08`	`X`	`SPA`	`@0 Indice error @5 08`
C03	`09`	`X`	`FRE`	`@0 Biométrie @5 09`
C03	`09`	`X`	`ENG`	`@0 Biometrics @5 09`
C03	`09`	`X`	`SPA`	`@0 Biometría @5 09`
C03	`10`	`X`	`FRE`	`@0 Classification non supervisée @5 10`
C03	`10`	`X`	`ENG`	`@0 Unsupervised classification @5 10`
C03	`10`	`X`	`SPA`	`@0 Clasificación no supervisada @5 10`
C03	`11`	`3`	`FRE`	`@0 Simulation Time Warp @5 11`
C03	`11`	`3`	`ENG`	`@0 Time warp simulation @5 11`
C03	`12`	`3`	`FRE`	`@0 Classification signal @5 46`
C03	`12`	`3`	`ENG`	`@0 Signal classification @5 46`
C03	`13`	`X`	`FRE`	`@0 Reconnaissance forme @5 47`
C03	`13`	`X`	`ENG`	`@0 Pattern recognition @5 47`
C03	`13`	`X`	`SPA`	`@0 Reconocimiento patrón @5 47`
C03	`14`	`X`	`FRE`	`@0 Reconnaissance automatique @5 48`
C03	`14`	`X`	`ENG`	`@0 Automatic recognition @5 48`
C03	`14`	`X`	`SPA`	`@0 Reconocimiento automático @5 48`
N21				`@1 193`

Format Inist (serveur)

NO :	PASCAL 10-0301314 INIST
FT :	Évaluation sur la création automatique de classes de signatures manuscrites pour l'authentification en ligne
ET :	(Evaluation of automatic classification of handwritten signatures for online authentication)
AU :	RAGOT (Nicolas); FORTUNE (Julie); M'BONGO (Paul); VINCENT (Nicole); CARDOT (Hubert); TABBONE (Salvatore-Antoine)
AF :	Université François Rabelais Tours, Laboratoire Informatique, 64 av. Jean Portalis/37200, Tours/France (1 aut., 2 aut., 3 aut., 5 aut.); Atos Worldline, 19 rue de la Valle Maillard/41000 Blois/France (2 aut., 4 aut.); LORIA-UMR7503, Université Nancy 2, BP 239/54506 Vandœuvre-les-Nancy/France (1 aut.)
DT :	Publication en série; Niveau analytique
SO :	TS. Traitement du signal; ISSN 0765-0019; France; Da. 2009; Vol. 26; No. 5; Pp. 353-363; Abs. anglais; Bibl. 1/2 p.
LA :	Français
FA :	Dans ce papier, nous avons cherché à évaluer l'intérêt de la création de classes de signatures manuscrites pour un système d'authentification en ligne. Notre objectif est d'étudier: comment créer automatiquement des classes de signatures (ou styles de signature); comment prendre en compte ces classes pendant l'authentification afin de spécialiser le système lors de l'enrôlement d'un utilisateur; quelles améliorations nous pouvons en attendre. Dans notre étude, la création des classes s'effectue grâce à deux algorithmes de clustering et en se basant sur différents sous-espaces de description des signatures. La spécialisation du système consiste à déterminer non plus un seuil de décision (acceptation ou rejet) global au système (i.e. le même pour toutes les personnes qui s'enrôleront) mais un seuil adapté à chacune des classes. En termes d'évaluation, nous nous sommes plus particulièrement attachés à étudier l'impact de la classification (en fonction de l'algorithme de classification, du nombre de classes, de l'espace de description) sur les performances d'un système d'authentification basé sur une approche Coarse To Fine et l'algorithme Dynamic Time Warping. Les résultats expérimentaux sur la base SVC montrent que l'on peut améliorer les performances en diminuant le taux d'erreurs égales de 14,4%. Cependant la sensibilité de la classification est très grande et la notion de classe unique pour un signataire semble trop restrictive.
CC :	001D04A04E; 001D04A04A1; 001D04A05A; 001D02C03
FD :	Signature; Authentification; Traitement en ligne; Classification automatique; Reconnaissance caractère manuscrit; Reconnaissance écriture; Algorithme; Taux erreur; Biométrie; Classification non supervisée; Simulation Time Warp; Classification signal; Reconnaissance forme; Reconnaissance automatique
ED :	Signing; Authentication; On line processing; Automatic classification; Handwritten character recognition; Handwriting recognition; Algorithm; Error rate; Biometrics; Unsupervised classification; Time warp simulation; Signal classification; Pattern recognition; Automatic recognition
SD :	Firma; Autenticación; Tratamiento en línea; Clasificación automática; Algoritmo; Indice error; Biometría; Clasificación no supervisada; Reconocimiento patrón; Reconocimiento automático
LO :	INIST-20481.354000180689580030
ID :	10-0301314

Links to Exploration step

Pascal:10-0301314

Le document en format XML

<record><TEI><teiHeader><fileDesc><titleStmt><title xml:lang="fr" level="a">Évaluation sur la création automatique de classes de signatures manuscrites pour l'authentification en ligne</title>
<author><name sortKey="Ragot, Nicolas" sort="Ragot, Nicolas" uniqKey="Ragot N" first="Nicolas" last="Ragot">Nicolas Ragot</name>
<affiliation><inist:fA14 i1="01"><s1>Université François Rabelais Tours, Laboratoire Informatique, 64 av. Jean Portalis</s1>
<s2>37200, Tours</s2>
<s3>FRA</s3>
<sZ>1 aut.</sZ>
<sZ>2 aut.</sZ>
<sZ>3 aut.</sZ>
<sZ>5 aut.</sZ>
</inist:fA14>
</affiliation>
</author>
<author><name sortKey="Fortune, Julie" sort="Fortune, Julie" uniqKey="Fortune J" first="Julie" last="Fortune">Julie Fortune</name>
<affiliation><inist:fA14 i1="01"><s1>Université François Rabelais Tours, Laboratoire Informatique, 64 av. Jean Portalis</s1>
<s2>37200, Tours</s2>
<s3>FRA</s3>
<sZ>1 aut.</sZ>
<sZ>2 aut.</sZ>
<sZ>3 aut.</sZ>
<sZ>5 aut.</sZ>
</inist:fA14>
</affiliation>
<affiliation><inist:fA14 i1="02"><s1>Atos Worldline, 19 rue de la Valle Maillard</s1>
<s2>41000 Blois</s2>
<s3>FRA</s3>
<sZ>2 aut.</sZ>
<sZ>4 aut.</sZ>
</inist:fA14>
</affiliation>
</author>
<author><name sortKey="M Bongo, Paul" sort="M Bongo, Paul" uniqKey="M Bongo P" first="Paul" last="M'Bongo">Paul M'Bongo</name>
<affiliation><inist:fA14 i1="01"><s1>Université François Rabelais Tours, Laboratoire Informatique, 64 av. Jean Portalis</s1>
<s2>37200, Tours</s2>
<s3>FRA</s3>
<sZ>1 aut.</sZ>
<sZ>2 aut.</sZ>
<sZ>3 aut.</sZ>
<sZ>5 aut.</sZ>
</inist:fA14>
</affiliation>
</author>
<author><name sortKey="Vincent, Nicole" sort="Vincent, Nicole" uniqKey="Vincent N" first="Nicole" last="Vincent">Nicole Vincent</name>
<affiliation><inist:fA14 i1="02"><s1>Atos Worldline, 19 rue de la Valle Maillard</s1>
<s2>41000 Blois</s2>
<s3>FRA</s3>
<sZ>2 aut.</sZ>
<sZ>4 aut.</sZ>
</inist:fA14>
</affiliation>
</author>
<author><name sortKey="Cardot, Hubert" sort="Cardot, Hubert" uniqKey="Cardot H" first="Hubert" last="Cardot">Hubert Cardot</name>
<affiliation><inist:fA14 i1="01"><s1>Université François Rabelais Tours, Laboratoire Informatique, 64 av. Jean Portalis</s1>
<s2>37200, Tours</s2>
<s3>FRA</s3>
<sZ>1 aut.</sZ>
<sZ>2 aut.</sZ>
<sZ>3 aut.</sZ>
<sZ>5 aut.</sZ>
</inist:fA14>
</affiliation>
</author>
</titleStmt>
<publicationStmt><idno type="wicri:source">INIST</idno>
<idno type="inist">10-0301314</idno>
<date when="2009">2009</date>
<idno type="stanalyst">PASCAL 10-0301314 INIST</idno>
<idno type="RBID">Pascal:10-0301314</idno>
<idno type="wicri:Area/PascalFrancis/Corpus">000214</idno>
</publicationStmt>
<sourceDesc><biblStruct><analytic><title xml:lang="fr" level="a">Évaluation sur la création automatique de classes de signatures manuscrites pour l'authentification en ligne</title>
<author><name sortKey="Ragot, Nicolas" sort="Ragot, Nicolas" uniqKey="Ragot N" first="Nicolas" last="Ragot">Nicolas Ragot</name>
<affiliation><inist:fA14 i1="01"><s1>Université François Rabelais Tours, Laboratoire Informatique, 64 av. Jean Portalis</s1>
<s2>37200, Tours</s2>
<s3>FRA</s3>
<sZ>1 aut.</sZ>
<sZ>2 aut.</sZ>
<sZ>3 aut.</sZ>
<sZ>5 aut.</sZ>
</inist:fA14>
</affiliation>
</author>
<author><name sortKey="Fortune, Julie" sort="Fortune, Julie" uniqKey="Fortune J" first="Julie" last="Fortune">Julie Fortune</name>
<affiliation><inist:fA14 i1="01"><s1>Université François Rabelais Tours, Laboratoire Informatique, 64 av. Jean Portalis</s1>
<s2>37200, Tours</s2>
<s3>FRA</s3>
<sZ>1 aut.</sZ>
<sZ>2 aut.</sZ>
<sZ>3 aut.</sZ>
<sZ>5 aut.</sZ>
</inist:fA14>
</affiliation>
<affiliation><inist:fA14 i1="02"><s1>Atos Worldline, 19 rue de la Valle Maillard</s1>
<s2>41000 Blois</s2>
<s3>FRA</s3>
<sZ>2 aut.</sZ>
<sZ>4 aut.</sZ>
</inist:fA14>
</affiliation>
</author>
<author><name sortKey="M Bongo, Paul" sort="M Bongo, Paul" uniqKey="M Bongo P" first="Paul" last="M'Bongo">Paul M'Bongo</name>
<affiliation><inist:fA14 i1="01"><s1>Université François Rabelais Tours, Laboratoire Informatique, 64 av. Jean Portalis</s1>
<s2>37200, Tours</s2>
<s3>FRA</s3>
<sZ>1 aut.</sZ>
<sZ>2 aut.</sZ>
<sZ>3 aut.</sZ>
<sZ>5 aut.</sZ>
</inist:fA14>
</affiliation>
</author>
<author><name sortKey="Vincent, Nicole" sort="Vincent, Nicole" uniqKey="Vincent N" first="Nicole" last="Vincent">Nicole Vincent</name>
<affiliation><inist:fA14 i1="02"><s1>Atos Worldline, 19 rue de la Valle Maillard</s1>
<s2>41000 Blois</s2>
<s3>FRA</s3>
<sZ>2 aut.</sZ>
<sZ>4 aut.</sZ>
</inist:fA14>
</affiliation>
</author>
<author><name sortKey="Cardot, Hubert" sort="Cardot, Hubert" uniqKey="Cardot H" first="Hubert" last="Cardot">Hubert Cardot</name>
<affiliation><inist:fA14 i1="01"><s1>Université François Rabelais Tours, Laboratoire Informatique, 64 av. Jean Portalis</s1>
<s2>37200, Tours</s2>
<s3>FRA</s3>
<sZ>1 aut.</sZ>
<sZ>2 aut.</sZ>
<sZ>3 aut.</sZ>
<sZ>5 aut.</sZ>
</inist:fA14>
</affiliation>
</author>
</analytic>
<series><title level="j" type="main">TS. Traitement du signal</title>
<title level="j" type="abbreviated">Trait. signal</title>
<idno type="ISSN">0765-0019</idno>
<imprint><date when="2009">2009</date>
</imprint>
</series>
</biblStruct>
</sourceDesc>
<seriesStmt><title level="j" type="main">TS. Traitement du signal</title>
<title level="j" type="abbreviated">Trait. signal</title>
<idno type="ISSN">0765-0019</idno>
</seriesStmt>
</fileDesc>
<profileDesc><textClass><keywords scheme="KwdEn" xml:lang="en"><term>Algorithm</term>
<term>Authentication</term>
<term>Automatic classification</term>
<term>Automatic recognition</term>
<term>Biometrics</term>
<term>Error rate</term>
<term>Handwriting recognition</term>
<term>Handwritten character recognition</term>
<term>On line processing</term>
<term>Pattern recognition</term>
<term>Signal classification</term>
<term>Signing</term>
<term>Time warp simulation</term>
<term>Unsupervised classification</term>
</keywords>
<keywords scheme="Pascal" xml:lang="fr"><term>Signature</term>
<term>Authentification</term>
<term>Traitement en ligne</term>
<term>Classification automatique</term>
<term>Reconnaissance caractère manuscrit</term>
<term>Reconnaissance écriture</term>
<term>Algorithme</term>
<term>Taux erreur</term>
<term>Biométrie</term>
<term>Classification non supervisée</term>
<term>Simulation Time Warp</term>
<term>Classification signal</term>
<term>Reconnaissance forme</term>
<term>Reconnaissance automatique</term>
</keywords>
</textClass>
</profileDesc>
</teiHeader>
<front><div type="abstract" xml:lang="fr">Dans ce papier, nous avons cherché à évaluer l'intérêt de la création de classes de signatures manuscrites pour un système d'authentification en ligne. Notre objectif est d'étudier: comment créer automatiquement des classes de signatures (ou styles de signature); comment prendre en compte ces classes pendant l'authentification afin de spécialiser le système lors de l'enrôlement d'un utilisateur; quelles améliorations nous pouvons en attendre. Dans notre étude, la création des classes s'effectue grâce à deux algorithmes de clustering et en se basant sur différents sous-espaces de description des signatures. La spécialisation du système consiste à déterminer non plus un seuil de décision (acceptation ou rejet) global au système (i.e. le même pour toutes les personnes qui s'enrôleront) mais un seuil adapté à chacune des classes. En termes d'évaluation, nous nous sommes plus particulièrement attachés à étudier l'impact de la classification (en fonction de l'algorithme de classification, du nombre de classes, de l'espace de description) sur les performances d'un système d'authentification basé sur une approche Coarse To Fine et l'algorithme Dynamic Time Warping. Les résultats expérimentaux sur la base SVC montrent que l'on peut améliorer les performances en diminuant le taux d'erreurs égales de 14,4%. Cependant la sensibilité de la classification est très grande et la notion de classe unique pour un signataire semble trop restrictive.</div>
</front>
</TEI>
<inist><standard h6="B"><pA><fA01 i1="01" i2="1"><s0>0765-0019</s0>
</fA01>
<fA03 i2="1"><s0>Trait. signal</s0>
</fA03>
<fA05><s2>26</s2>
</fA05>
<fA06><s2>5</s2>
</fA06>
<fA08 i1="01" i2="1" l="FRE"><s1>Évaluation sur la création automatique de classes de signatures manuscrites pour l'authentification en ligne</s1>
</fA08>
<fA09 i1="01" i2="1" l="FRE"><s1>Le document écrit</s1>
</fA09>
<fA11 i1="01" i2="1"><s1>RAGOT (Nicolas)</s1>
</fA11>
<fA11 i1="02" i2="1"><s1>FORTUNE (Julie)</s1>
</fA11>
<fA11 i1="03" i2="1"><s1>M'BONGO (Paul)</s1>
</fA11>
<fA11 i1="04" i2="1"><s1>VINCENT (Nicole)</s1>
</fA11>
<fA11 i1="05" i2="1"><s1>CARDOT (Hubert)</s1>
</fA11>
<fA12 i1="01" i2="1"><s1>TABBONE (Salvatore-Antoine)</s1>
<s9>limin.</s9>
</fA12>
<fA14 i1="01"><s1>Université François Rabelais Tours, Laboratoire Informatique, 64 av. Jean Portalis</s1>
<s2>37200, Tours</s2>
<s3>FRA</s3>
<sZ>1 aut.</sZ>
<sZ>2 aut.</sZ>
<sZ>3 aut.</sZ>
<sZ>5 aut.</sZ>
</fA14>
<fA14 i1="02"><s1>Atos Worldline, 19 rue de la Valle Maillard</s1>
<s2>41000 Blois</s2>
<s3>FRA</s3>
<sZ>2 aut.</sZ>
<sZ>4 aut.</sZ>
</fA14>
<fA15 i1="01"><s1>LORIA-UMR7503, Université Nancy 2, BP 239</s1>
<s2>54506 Vandœuvre-les-Nancy</s2>
<s3>FRA</s3>
<sZ>1 aut.</sZ>
</fA15>
<fA20><s1>353-363</s1>
</fA20>
<fA21><s1>2009</s1>
</fA21>
<fA23 i1="01"><s0>FRE</s0>
</fA23>
<fA24 i1="01"><s0>eng</s0>
</fA24>
<fA43 i1="01"><s1>INIST</s1>
<s2>20481</s2>
<s5>354000180689580030</s5>
</fA43>
<fA44><s0>0000</s0>
<s1>© 2010 INIST-CNRS. All rights reserved.</s1>
</fA44>
<fA45><s0>1/2 p.</s0>
</fA45>
<fA47 i1="01" i2="1"><s0>10-0301314</s0>
</fA47>
<fA60><s1>P</s1>
</fA60>
<fA61><s0>A</s0>
</fA61>
<fA64 i1="01" i2="1"><s0>TS. Traitement du signal</s0>
</fA64>
<fA66 i1="01"><s0>FRA</s0>
</fA66>
<fA68 i1="01" i2="1" l="ENG"><s1>Evaluation of automatic classification of handwritten signatures for online authentication</s1>
</fA68>
<fC01 i1="01" l="FRE"><s0>Dans ce papier, nous avons cherché à évaluer l'intérêt de la création de classes de signatures manuscrites pour un système d'authentification en ligne. Notre objectif est d'étudier: comment créer automatiquement des classes de signatures (ou styles de signature); comment prendre en compte ces classes pendant l'authentification afin de spécialiser le système lors de l'enrôlement d'un utilisateur; quelles améliorations nous pouvons en attendre. Dans notre étude, la création des classes s'effectue grâce à deux algorithmes de clustering et en se basant sur différents sous-espaces de description des signatures. La spécialisation du système consiste à déterminer non plus un seuil de décision (acceptation ou rejet) global au système (i.e. le même pour toutes les personnes qui s'enrôleront) mais un seuil adapté à chacune des classes. En termes d'évaluation, nous nous sommes plus particulièrement attachés à étudier l'impact de la classification (en fonction de l'algorithme de classification, du nombre de classes, de l'espace de description) sur les performances d'un système d'authentification basé sur une approche Coarse To Fine et l'algorithme Dynamic Time Warping. Les résultats expérimentaux sur la base SVC montrent que l'on peut améliorer les performances en diminuant le taux d'erreurs égales de 14,4%. Cependant la sensibilité de la classification est très grande et la notion de classe unique pour un signataire semble trop restrictive.</s0>
</fC01>
<fC02 i1="01" i2="X"><s0>001D04A04E</s0>
</fC02>
<fC02 i1="02" i2="X"><s0>001D04A04A1</s0>
</fC02>
<fC02 i1="03" i2="X"><s0>001D04A05A</s0>
</fC02>
<fC02 i1="04" i2="X"><s0>001D02C03</s0>
</fC02>
<fC03 i1="01" i2="X" l="FRE"><s0>Signature</s0>
<s5>01</s5>
</fC03>
<fC03 i1="01" i2="X" l="ENG"><s0>Signing</s0>
<s5>01</s5>
</fC03>
<fC03 i1="01" i2="X" l="SPA"><s0>Firma</s0>
<s5>01</s5>
</fC03>
<fC03 i1="02" i2="X" l="FRE"><s0>Authentification</s0>
<s5>02</s5>
</fC03>
<fC03 i1="02" i2="X" l="ENG"><s0>Authentication</s0>
<s5>02</s5>
</fC03>
<fC03 i1="02" i2="X" l="SPA"><s0>Autenticación</s0>
<s5>02</s5>
</fC03>
<fC03 i1="03" i2="X" l="FRE"><s0>Traitement en ligne</s0>
<s5>03</s5>
</fC03>
<fC03 i1="03" i2="X" l="ENG"><s0>On line processing</s0>
<s5>03</s5>
</fC03>
<fC03 i1="03" i2="X" l="SPA"><s0>Tratamiento en línea</s0>
<s5>03</s5>
</fC03>
<fC03 i1="04" i2="X" l="FRE"><s0>Classification automatique</s0>
<s5>04</s5>
</fC03>
<fC03 i1="04" i2="X" l="ENG"><s0>Automatic classification</s0>
<s5>04</s5>
</fC03>
<fC03 i1="04" i2="X" l="SPA"><s0>Clasificación automática</s0>
<s5>04</s5>
</fC03>
<fC03 i1="05" i2="3" l="FRE"><s0>Reconnaissance caractère manuscrit</s0>
<s5>05</s5>
</fC03>
<fC03 i1="05" i2="3" l="ENG"><s0>Handwritten character recognition</s0>
<s5>05</s5>
</fC03>
<fC03 i1="06" i2="3" l="FRE"><s0>Reconnaissance écriture</s0>
<s5>06</s5>
</fC03>
<fC03 i1="06" i2="3" l="ENG"><s0>Handwriting recognition</s0>
<s5>06</s5>
</fC03>
<fC03 i1="07" i2="X" l="FRE"><s0>Algorithme</s0>
<s5>07</s5>
</fC03>
<fC03 i1="07" i2="X" l="ENG"><s0>Algorithm</s0>
<s5>07</s5>
</fC03>
<fC03 i1="07" i2="X" l="SPA"><s0>Algoritmo</s0>
<s5>07</s5>
</fC03>
<fC03 i1="08" i2="X" l="FRE"><s0>Taux erreur</s0>
<s5>08</s5>
</fC03>
<fC03 i1="08" i2="X" l="ENG"><s0>Error rate</s0>
<s5>08</s5>
</fC03>
<fC03 i1="08" i2="X" l="SPA"><s0>Indice error</s0>
<s5>08</s5>
</fC03>
<fC03 i1="09" i2="X" l="FRE"><s0>Biométrie</s0>
<s5>09</s5>
</fC03>
<fC03 i1="09" i2="X" l="ENG"><s0>Biometrics</s0>
<s5>09</s5>
</fC03>
<fC03 i1="09" i2="X" l="SPA"><s0>Biometría</s0>
<s5>09</s5>
</fC03>
<fC03 i1="10" i2="X" l="FRE"><s0>Classification non supervisée</s0>
<s5>10</s5>
</fC03>
<fC03 i1="10" i2="X" l="ENG"><s0>Unsupervised classification</s0>
<s5>10</s5>
</fC03>
<fC03 i1="10" i2="X" l="SPA"><s0>Clasificación no supervisada</s0>
<s5>10</s5>
</fC03>
<fC03 i1="11" i2="3" l="FRE"><s0>Simulation Time Warp</s0>
<s5>11</s5>
</fC03>
<fC03 i1="11" i2="3" l="ENG"><s0>Time warp simulation</s0>
<s5>11</s5>
</fC03>
<fC03 i1="12" i2="3" l="FRE"><s0>Classification signal</s0>
<s5>46</s5>
</fC03>
<fC03 i1="12" i2="3" l="ENG"><s0>Signal classification</s0>
<s5>46</s5>
</fC03>
<fC03 i1="13" i2="X" l="FRE"><s0>Reconnaissance forme</s0>
<s5>47</s5>
</fC03>
<fC03 i1="13" i2="X" l="ENG"><s0>Pattern recognition</s0>
<s5>47</s5>
</fC03>
<fC03 i1="13" i2="X" l="SPA"><s0>Reconocimiento patrón</s0>
<s5>47</s5>
</fC03>
<fC03 i1="14" i2="X" l="FRE"><s0>Reconnaissance automatique</s0>
<s5>48</s5>
</fC03>
<fC03 i1="14" i2="X" l="ENG"><s0>Automatic recognition</s0>
<s5>48</s5>
</fC03>
<fC03 i1="14" i2="X" l="SPA"><s0>Reconocimiento automático</s0>
<s5>48</s5>
</fC03>
<fN21><s1>193</s1>
</fN21>
</pA>
</standard>
<server><NO>PASCAL 10-0301314 INIST</NO>
<FT>Évaluation sur la création automatique de classes de signatures manuscrites pour l'authentification en ligne</FT>
<ET>(Evaluation of automatic classification of handwritten signatures for online authentication)</ET>
<AU>RAGOT (Nicolas); FORTUNE (Julie); M'BONGO (Paul); VINCENT (Nicole); CARDOT (Hubert); TABBONE (Salvatore-Antoine)</AU>
<AF>Université François Rabelais Tours, Laboratoire Informatique, 64 av. Jean Portalis/37200, Tours/France (1 aut., 2 aut., 3 aut., 5 aut.); Atos Worldline, 19 rue de la Valle Maillard/41000 Blois/France (2 aut., 4 aut.); LORIA-UMR7503, Université Nancy 2, BP 239/54506 Vandœuvre-les-Nancy/France (1 aut.)</AF>
<DT>Publication en série; Niveau analytique</DT>
<SO>TS. Traitement du signal; ISSN 0765-0019; France; Da. 2009; Vol. 26; No. 5; Pp. 353-363; Abs. anglais; Bibl. 1/2 p.</SO>
<LA>Français</LA>
<FA>Dans ce papier, nous avons cherché à évaluer l'intérêt de la création de classes de signatures manuscrites pour un système d'authentification en ligne. Notre objectif est d'étudier: comment créer automatiquement des classes de signatures (ou styles de signature); comment prendre en compte ces classes pendant l'authentification afin de spécialiser le système lors de l'enrôlement d'un utilisateur; quelles améliorations nous pouvons en attendre. Dans notre étude, la création des classes s'effectue grâce à deux algorithmes de clustering et en se basant sur différents sous-espaces de description des signatures. La spécialisation du système consiste à déterminer non plus un seuil de décision (acceptation ou rejet) global au système (i.e. le même pour toutes les personnes qui s'enrôleront) mais un seuil adapté à chacune des classes. En termes d'évaluation, nous nous sommes plus particulièrement attachés à étudier l'impact de la classification (en fonction de l'algorithme de classification, du nombre de classes, de l'espace de description) sur les performances d'un système d'authentification basé sur une approche Coarse To Fine et l'algorithme Dynamic Time Warping. Les résultats expérimentaux sur la base SVC montrent que l'on peut améliorer les performances en diminuant le taux d'erreurs égales de 14,4%. Cependant la sensibilité de la classification est très grande et la notion de classe unique pour un signataire semble trop restrictive.</FA>
<CC>001D04A04E; 001D04A04A1; 001D04A05A; 001D02C03</CC>
<FD>Signature; Authentification; Traitement en ligne; Classification automatique; Reconnaissance caractère manuscrit; Reconnaissance écriture; Algorithme; Taux erreur; Biométrie; Classification non supervisée; Simulation Time Warp; Classification signal; Reconnaissance forme; Reconnaissance automatique</FD>
<ED>Signing; Authentication; On line processing; Automatic classification; Handwritten character recognition; Handwriting recognition; Algorithm; Error rate; Biometrics; Unsupervised classification; Time warp simulation; Signal classification; Pattern recognition; Automatic recognition</ED>
<SD>Firma; Autenticación; Tratamiento en línea; Clasificación automática; Algoritmo; Indice error; Biometría; Clasificación no supervisada; Reconocimiento patrón; Reconocimiento automático</SD>
<LO>INIST-20481.354000180689580030</LO>
<ID>10-0301314</ID>
</server>
</inist>
</record>

Pour manipuler ce document sous Unix (Dilib)

EXPLOR_STEP=$WICRI_ROOT/Wicri/Lorraine/explor/InforLorV4/Data/PascalFrancis/Corpus

HfdSelect -h $EXPLOR_STEP/biblio.hfd -nk 000214 | SxmlIndent | more

HfdSelect -h $EXPLOR_AREA/Data/PascalFrancis/Corpus/biblio.hfd -nk 000214 | SxmlIndent | more

Pour mettre un lien sur cette page dans le réseau Wicri

{{Explor lien
   |wiki=    Wicri/Lorraine
   |area=    InforLorV4
   |flux=    PascalFrancis
   |étape=   Corpus
   |type=    RBID
   |clé=     Pascal:10-0301314
   |texte=   Évaluation sur la création automatique de classes de signatures manuscrites pour l'authentification en ligne
}}

This area was generated with Dilib version V0.6.33.
Data generation: Mon Jun 10 21:56:28 2019. Site generation: Fri Feb 25 15:29:27 2022

	Serveur d'exploration sur la recherche en informatique en Lorraine
	Attention, ce site est en cours de développement ! Attention, site généré par des moyens informatiques à partir de corpus bruts. Les informations ne sont donc pas validées.

Serveur d'exploration sur la recherche en informatique en Lorraine

Évaluation sur la création automatique de classes de signatures manuscrites pour l'authentification en ligne

Évaluation sur la création automatique de classes de signatures manuscrites pour l'authentification en ligne

Source :

Descripteurs français

English descriptors

Abstract

Notice en format standard (ISO 2709)

Format Inist (serveur)

Links to Exploration step

Le document en format XML

Pour manipuler ce document sous Unix (Dilib)

Pour mettre un lien sur cette page dans le réseau Wicri