Repository logo
Communities & Collections
All of DSpace
  • English
  • Español
Log In
New user? Click here to register. Have you forgotten your password?
  1. Home
  2. Browse by Author

Browsing by Author "Anguita Osorio, Lily Estefania"

Filter results by typing the first few letters
Now showing 1 - 1 of 1
  • Results Per Page
  • Sort Options
  • Loading...
    Thumbnail Image
    Thesis
    AUTENTIFICACIÓN DE FIRMAS OFF-LINE MEDIANTE ALGORITMO SVM
    (Universidad Técnica Federico Santa María, 2011) Anguita Osorio, Lily Estefania; Universidad Técnica Federico Santa María UTFSM. Departamento de Informática; ALLENDE OLIVARES, HÉCTOR; CASTRO VALDEBENITO, CARLOS MIGUEL
    Existen múltiples formas de identificar a un individuo de acuerdo a sus características biométricas. La factibilidad de estas técnicas depende de diversas variables tales como costos de implantación, aceptación de las personas, escenario del problema, etc. La autenticación automática de firmas es una técnica biométrica muy eficaz en estos aspectos, pero su rendimiento no siempre es el deseado. A pesar de esto, aún se utiliza diariamente en múltiples transacciones y documentos, lo que a veces puede traducirse en significativos costos para las instituciones involucradas. A continuación, se realiza una breve descripción del estado del arte de las distintas técnicas y métodos de clasificación que se encuentran en la literatura diseadas para lograr que el índice que mide los errores de autenticación sea lo más bajo posible. Adicionalmcntc, se realiza la implementación de una técnica de extracción de característica llamada GSC (Gradient Structure Concavity), la cual tiene como objetivo realizar la extracción de características de una imagen, por medio de un enfoque tanto local, como medio y global. Una vez que se obtiene el vector característico se utiliza una Máquina de Soporte Vectorial (SVM) para lograr la discriminación de un conjunto de firmas. Para cumplir con este objetivo, se eligen los kernel más adecuados para el problema según la literatura y en base a estos, se elige el de mejor desempeo. Luego se sintonizan los parámetros involucrados para luego realizar la clasificación. Debido a que el tamao del dataset es pequeo se realiza el entrenamiento de la máquina utilizando cross validation. Luego de realizar la clasificación, se calculan los errores asociados en el proceso, y así el desempeo de la máquina. Finalmente, se realiza un análisis de los resultados, y se discute la factibilidad de aplicar esta propuesta en un escenario de la vida real.

UNIVERSIDAD

  • Nuestra Historia
  • Federico Santa María
  • Definiciones Estratégicas
  • Modelo Educativo
  • Organización
  • Información Estadística USM

CAMPUS Y SEDES

  • Información Campus y Sedes
  • Tour Virtual
  • Icono Seguridad Política de Privacidad

EXTENSIÓN Y CULTURA

  • Dirección de Comunicaciones Estratégicas y Extensión Cultural
  • Dirección General de Vinculación con el Medio
  • Dirección de Asuntos Internacionales
  • Alumni
  • Noticias
  • Eventos
  • Radio USM
  • Cultura USM

SERVICIOS

  • Aula USM
  • Biblioteca USM
  • Portal de Autoservicio Institucional
  • Dirección de Tecnologías de la Información
  • Portal de Reportes UDAI
  • Sistema de Información de Gestión Académica
  • Sistema Integrado de Información Argos ERP
  • Sistema de Remuneraciones Históricas
  • Directorio USM
  • Trabaja con nosotros
Acreditación USM
usm.cl
Logo Acceso
Logo Consejo de Rectores
Logo G9
Logo AUR
Logo CRUV
Logo REUNA
Logo Universia

DSpace software copyright © 2002-2026 LYRASIS

  • Privacy policy
  • End User Agreement
  • Send Feedback