73、多特征集与交互式特征选择在自动签名验证中的应用与性能分析

多特征集与交互式特征选择在自动签名验证中的应用与性能分析

1. MSF 及其性能

1.1 MSF 与 BFS 性能对比

在自动签名验证（ASV）领域，多特征集（MSF）技术展现出了独特的优势。与最佳特征集（BFS）相比，MSF 在一些关键指标上表现出色。如图所示，MSF 的某些性能指标优于 BFS，例如，在特定情况下，MSF 的某个性能值达到 88.26，而 BFS 为 88.17。一般来说，在相同的成功率（SR）下，MSF 能获得比 BFS 更高的正确分类率（PCR）。MSF 技术带来的性能提升十分重要，这是基于单一特征集的方法难以实现的，这种优势往往容易被忽视。

1.2 大量特征集下 MSF 的性能

之前的实验采用了 18 个性能超过 SR = 87.0 的特征集。进一步研究增加用于 MSF 的有效特征集（EFS）数量的影响是很有意义的。当使用 108 个性能超过 SR = 80.0 的 EFS 时，结果令人惊喜。MSF 的 SR 接近 89.0，而 18 个特征集时为 88.26。在伪造检测方面，MSF 的增益非常显著，在验证阈值（VTH）为 2.0 - 4.0 的较宽范围内，与 BFS 相比，增益在 30% - 200% 之间。

1.3 大量特征下 MSF 的性能

为了研究 MSF 技术在更多特征情况下的表现，进行了使用 625（25 × 25）个条目结果矩阵和 63 个特征的测试。得到的 BFS 在（1, 20）条目处，SR = 90.9。使用 15 个 SR > 90.5 的 EFS 得到的 MSF 曲线与 BFS 曲线对比，有以下发现：
- BFS 从 625 个条目结果矩阵和