3.2 Person-dependent learning (Pers

3.2 Person-dependent learning (Person specific learning)
In questioned document case work there are typically multiple genuine signatures av ailable. They can be used
to learn the variation across them– so as to determine whether the questioned signature is within the range of
variation. First, pairs of known samples are compared using a similarity measure to obtain a distribution over
distances between features of samples — this represents the distribution of the variation/similarities amongst
samples — for the individual. The corresponding classification method involves comparing the questioned sample
against all available known samples to obtain another distribution in distance space. The Kolmogorov-Smirnov
test, KL-divergence and other information-theoretic methods can be used to obtain a probability of similarity of
the two distributions, which is the probability of the questioned sample belonging to the ensemble of knowns.
These methods are discussed below.
Within-person distribution If a given person has N samples,
N
2


defined as
N!
N!(N−r)!
pairs of samples can
be compared as shown in Figure 6. In each comparison, the distance between the features is computed. This
calculation maps feature space to distance space. The result of all
N
2


comparisons is a {
N
2


×1} distance vector.
This vector is the distribution in distance space for a given person. For example, in the signature verification
problem this vector is the distribution in distance space for the ensemble of genuine known signatures for that
writer. A key advantage of mapping from feature space to distance space is that the number of data points in
the distribution is
N
2


as compared to N for a distribution in feature space alone. Also the calculation of the
distance between every pair of samples gives a measure of the variation in samples for that writer. In essence
the distribution in distance space for a given known person captures the similarities and variation amongst
the samples for that person. Let N be the total number of samples and NWD =
N
2


be the total number
of comparisons that can be made which also equals the length of the within-person distribution vector. The
within-person distribution can be written as

Kết quả (Việt) 1:

3.2 phụ thuộc vào người học tập (người học tập cụ thể)Trong trường hợp đặt câu hỏi liệu công việc có thường được nhiều chính hãng chữ ký av ailable. Họ có thể được sử dụngđể tìm hiểu các biến thể trên chúng-để xác định xem chữ ký questioned trong phạm vi củasự thay đổi. Đầu tiên, trong số các cặp được biết đến mẫu được so sánh bằng cách sử dụng một biện pháp tương tự để có được một bản phân phối quakhoảng cách giữa các tính năng của mẫu — điều này thể hiện sự phân bố của biến thể/điểm tương đồng giữamẫu — cho các cá nhân. Các phương pháp phân loại tương ứng liên quan đến việc so sánh mẫu questionedchống lại tất cả có được biết đến mẫu để có được một phân phối trong khoảng cách không gian. Kolmogorov Smirnovkiểm tra, phân kỳ KL và các phương pháp lý thuyết thông tin khác có thể được sử dụng để có được một xác suất của sự tương tự củaphân phối hai, đó là xác suất của mẫu questioned thuộc các ensemble knowns.Những phương pháp này sẽ được thảo luận dưới đây.Phân phối trong người nếu người cho có N mẫu,N2
định nghĩa như làN!N! (N−r)!trong số các cặp mẫu có thểđược so sánh như minh hoạ trong hình 6. Trong so sánh mỗi, khoảng cách giữa các tính năng được tính. Điều nàytính toán bản đồ tính năng space để khoảng cách không gian. Kết quả của tất cảN2
so sánh là một {}N2
× 1} vector khoảng cách.Vector này là phân phối trong khoảng không gian cho một người nhất định. Ví dụ, trong chữ ký xác nhậnvấn đề vector này là phân phối trong khoảng cách không gian toàn bộ chữ ký nổi tiếng chính hãng cho rằngnhà văn. Một lợi thế quan trọng của lập bản đồ từ tính năng không gian khoảng cách không gian đó là số lượng các điểm dữ liệu trongphân phối làN2
so với N cho một bản phân phối trong tính năng không gian một mình. Cũng có tính toán của cáckhoảng cách giữa mỗi cặp mẫu cho một thước đo của các biến thể trong mẫu cho nhà văn đó. Về bản chấtphân phối trong khoảng không gian cho một người nổi tiếng nhất định bắt điểm tương đồng và các biến thể trongCác mẫu cho người đó. Giả sử N là tổng số mẫu và VÙNG =N2
có tổng sốtrong so sánh có thể được thực hiện mà cũng tương đương với độ dài của vectơ phân phối trong người. Cácphân phối trong người có thể được viết dưới dạng

Kết quả (Việt) 2:

3.2 Người phụ thuộc vào việc học (Người học tập cụ thể)
Trong trường hợp nghi ngờ tài liệu công việc có thường nhiều chữ ký chính hãng av ailable. Chúng có thể được sử dụng
để tìm hiểu những biến đổi trên họ- để xác định xem chữ ký hỏi là trong phạm vi của
biến thể. Đầu tiên, các cặp mẫu biết được so sánh sử dụng một biện pháp tương tự để có được một bản phân phối qua
các khoảng cách giữa các tính năng của mẫu - điều này thể hiện sự phân bố của các biến thể / tương đồng giữa các
mẫu - cho cá nhân. Các phương pháp phân loại tương ứng liên quan đến việc so sánh các mẫu được hỏi
đối với tất cả các mẫu có sẵn được biết để có được một bản phân phối trong không gian khoảng cách. Các Kolmogorov-Smirnov
kiểm tra, KL-phân kỳ và phương pháp thông tin lý thuyết khác có thể được sử dụng để có được một khả năng giống nhau của
hai phân phối, đó là xác suất của mẫu hỏi thuộc toàn bộ các knowns.
Những phương pháp này sẽ được thảo luận dưới đây.
phân phối trong người Nếu một người nào đó có N mẫu,
N
2
?
định nghĩa là
N!
N! (N-r)!
cặp mẫu có thể
được so sánh như thể hiện trong hình 6. trong mỗi so sánh, khoảng cách giữa các tính năng được tính . Điều này
bản đồ tính đặc trưng không gian để không gian khoảng cách. Các kết quả của tất cả các
N
2
?
So sánh là một {
N
2
?
× 1} vector khoảng cách.
Vector này là sự phân bố trong không gian khoảng cách cho một người nào đó. Ví dụ, trong việc xác minh chữ ký
vấn đề vector này là sự phân bố trong không gian khoảng cách cho toàn bộ các chữ ký chính hãng được biết cho rằng
nhà văn. Một lợi thế quan trọng của ánh xạ từ không gian đặc trưng với không gian khoảng cách là số lượng các điểm dữ liệu trong
phân phối là
N
2
?
So với N cho một phân bố trong không gian đặc trưng riêng. Ngoài việc tính toán
khoảng cách giữa mỗi cặp mẫu cho một biện pháp của các biến thể trong các mẫu cho nhà văn đó. Về bản chất
sự phân bố trong không gian khoảng cách cho một người nổi tiếng được chụp những điểm tương đồng và sự khác biệt giữa
các mẫu cho người đó. Hãy N là tổng số mẫu và NWD =
N
2
?
Là tổng số
những so sánh có thể được thực hiện mà cũng bằng với chiều dài của vector phân phối trong người. Các
phân phối trong người có thể được viết như