فناوریهای شناسایی و ردیابی

بارکد ، RFID ، شناسایی با امواج رادیویی ، ردیابی ، ردگیری، ردیابی ماهواره ای ، GPS ، بینایی ماشین ، بیومتریک ، کارت هوشمند، سنسور

فناوریهای شناسایی و ردیابی

بارکد ، RFID ، شناسایی با امواج رادیویی ، ردیابی ، ردگیری، ردیابی ماهواره ای ، GPS ، بینایی ماشین ، بیومتریک ، کارت هوشمند، سنسور

صحت اطلاعات در شهر الکترونیک با تشخیص صحت امضاء با شبکه عصبی

کنترل صحت اطلاعات در شهر الکترونیک با تشخیص صحت امضاء با روش هوشمند شبکه های عصبی

فن آوری اطلاعات و کلیه زمینه های مشتق شده از آن یکی از پر رونق ترین مباحث، در محافل علمی‌و عمومی‌در چندین سال گذشته بوده است. اما امروزه جهان و به تبع آن جامعه ما به دنبال استفاده بهینه از دانش نهفته در این صنعت است. از جمله تجارت الکترونیک، آموزش الکترونیک، کسب و کار الکترونیک، مدیریت الکترونیک، تامین اجتماعی الکترونیک و به تبع آنها دولت الکترونیک می‌باشد. در این راستا شهر الکترونیک ثمره توسعه دنیای اطلاعات است. در یک شهر الکترونیک کلیه مراکز دولتی و خصوصی با تکنولوژی فن آوری اطلاعات و از طریق شبکه های متعدد با هم مرتبط بوده و در تمام اوقات شبانه روز در دسترس مردم می‌باشند. این در حالیست که اطلاعات باید به صورت امن و محرمانه منتقل شوند. شهر الکترونیک ثمره توسعه دنیای اطلاعات است به طوریکه در آن کلیه مراکز دولتی و خصوصی با تکنولوژی های فن آوری اطلاعات و از طریق شبکه های متعدد با یکدیگر مرتبط بوده و در تمام اوقات شبانه روز در دسترس مردم می‌باشند. در حالیکه صحت اطلاعات و امنیت آن از اساسی ترین و بنیادی ترین مواردی است که توجه مدیران و بانیان شهرهای الکترونیک را به خود جلب کرده است. لذا به منظور بالا رفتن صحت اطلاعات و سرعت و دقت تکمیل انجام کارهایی چون؛ بانکداری الکترونیک و مدیریت الکترونیک، تشخیص صحت امضاء هوشمند، دوران گذار از روالهای دستی به الکترونیکی را سرعت خواهد بخشید. لذا روشی برای تشخیص صحت امضاء از روی شکل امضاء به صورت هوشمند با بهره گیری از تکنیک های پردازش تصویر و تشخیص الگو در این مقاله ارائه شده است. برای استخراج ویژگی های امضاء نیز از الگوریتمهای تشخیص شکل shape-detection، نحوه گسترش لبه ها در تصویر، تعیین فاصله لبه ها از نقطه مرکزی امضاء، کدگذاری حلقوی برای کد کردن امضاء و از روش differential momentum برای غیر حساس کردن الگوریتم استخراج ویژگی نسبت به اندازه و چرخش بهره گرفته شده است. در تشخیص الگو نیز از شبکه های رقابتی supervised با ساختار شبکه های LVQ[1] استفاده شده است که هم لایه رقابتی و هم لایه خطی در آن به منظور تطبیق الگو با اهداف به کار رفته است.
نظرات 0 + ارسال نظر
برای نمایش آواتار خود در این وبلاگ در سایت Gravatar.com ثبت نام کنید. (راهنما)
ایمیل شما بعد از ثبت نمایش داده نخواهد شد