1、筆跡是每個(gè)人特有的行為特征，同指紋、虹膜等生物特征一樣可以用來(lái)鑒別一個(gè)人的身份。隨著模式識(shí)別技術(shù)的快速發(fā)展，在線手寫筆跡鑒別越來(lái)越受重視，應(yīng)用場(chǎng)景也更加的豐富，金融、自學(xué)考試、司法等領(lǐng)域?qū)υ诰€手寫筆跡鑒別的需求非常大。
　　傳統(tǒng)筆跡鑒別的方法很多，但是單一的方法不能保證鑒別準(zhǔn)確率和穩(wěn)定性，鑒別效果不太理想。近十幾年，信息融合技術(shù)的研究不斷出現(xiàn)新的成果，為在線手寫筆跡鑒別技術(shù)帶來(lái)了突破口，特別是在多分類器綜合判決的過(guò)程中起到了重要的

2、作用，增加了鑒別系統(tǒng)的穩(wěn)定性，降低了信息的模糊度，提高了筆跡鑒別的準(zhǔn)確率。論文提出了基于信息融合的在線手寫筆跡鑒別方法，主要內(nèi)容如下：
　　詳細(xì)介紹了在線手寫筆跡融合鑒別的體系結(jié)構(gòu)，分析了動(dòng)態(tài)特征和靜態(tài)特征的筆跡鑒別方法。動(dòng)態(tài)特征筆跡鑒別采用了兩級(jí)鑒別方法，第一級(jí)利用多數(shù)投票法對(duì)筆跡樣本進(jìn)行粗篩選，第二級(jí)利用支持向量機(jī)（Support Vector Machine，SVM）分類器對(duì)篩選后的筆跡樣本進(jìn)行細(xì)分類。靜態(tài)特征筆跡鑒別則是提

3、取了灰度共生矩陣（Gray-level Co-occurrence Matrix，GLCM）特征，利用SVM分類器對(duì)筆跡樣本進(jìn)行分類鑒別。
　　在30個(gè)人180份筆跡的基礎(chǔ)上，首先分別用動(dòng)態(tài)特征和靜態(tài)特征對(duì)單字符進(jìn)行筆跡鑒別，前者的鑒別準(zhǔn)確率比后者稍微高一點(diǎn)，但兩者的鑒別效果都不理想。然后用字符組合的方式分別基于動(dòng)態(tài)特征和靜態(tài)特征進(jìn)行筆跡鑒別，結(jié)果比單字符鑒別的準(zhǔn)確率提高了不少，但鑒別效果仍然不是很理想。最后綜合分析兩種不同的鑒別

4、方法，對(duì)這兩種多字符筆跡鑒別的結(jié)果融合，使具有不同特征的鑒別方法能夠互補(bǔ)優(yōu)勢(shì)彌補(bǔ)缺點(diǎn)，達(dá)到了較高的鑒別準(zhǔn)確率。
　　筆跡鑒別融合的算法選擇了加權(quán)平均法和模糊積分法。加權(quán)平均法融合是對(duì)不同方法鑒別的正確率以及訓(xùn)練樣本對(duì)測(cè)試樣本的置信度進(jìn)行加權(quán)，算出融合后的置信度，根據(jù)新的置信度選出待測(cè)樣本的正確候選。置信度是衡量測(cè)試樣本跟訓(xùn)練樣本的相似程度，置信度越大表示兩個(gè)樣本間相似程度越高。模糊積分法首先模糊化不同方法的鑒別結(jié)果，統(tǒng)一用置信度表