基于狼群優化概率神經網絡的筆跡鑒定應用

李琰延 李大娟 李楠 邢問天

【摘要】筆跡鑒定是文件檢驗的重要組成部分，但目前的筆跡鑒定存在識別率低、識別速度慢等問題。為此，提出一種狼群優化概率神經網絡（ WAPNN）的筆跡鑒定方法。該方法融合概率神經網絡（PNN）和狼群算法（WA）的優勢來構造WAPNN，采用狼群算法尋求PNN中最優平滑參數α值，優化概率神經網絡結構，應用表明，基于狼群優化概率神經網絡（WAPNN）的方法提高了筆跡鑒定的識別率和識別速度，能夠為筆跡鑒定的進一步發展提供科學的理論支持，具有一定的使用價值。

【關鍵詞】筆跡鑒定 概率伸進網絡 狼群算法 平滑參數

筆跡鑒定是根據書寫痕跡所體現的書寫技能、習慣特征等來鑒別書寫人的一門科學。目前，筆跡鑒定多使用于公安、安全、法院等領域的手寫文件檢驗以及銀行、電子商務等領域的簽名核實等方面。傳統的筆跡鑒定主要靠文檢人員根據筆跡的線條和運筆進行判斷，鑒定過程中主觀隨意性缺乏有效的控制，具有一定的局限性。近幾年，人工神經網絡已被證實具有良好的容錯性、自適應性以及并行處理和樣本學習能力，被廣泛應用于筆跡鑒定、信息融合、故障診斷等領域。

早在2008年何延鵬等人借助計算機進行筆跡鑒定，發揮了計算機高效、客觀的自動初篩功能，提高了鑒定的速度，但缺乏對筆跡的特征提取和學習，其識別具有一定的局限型；趙宏偉等人利用改進多數規則信息融合算法提高了筆跡鑒定的識別率，但忽視了筆跡鑒定的識別速度，因此該方法在筆跡鑒定的識別率與識別速度方面仍存在一定缺陷。

本文將狼群算法（WA）與概率神經網絡（PNN）融合在一起，構造狼群優化概率神經網絡模型。運用概率神經網絡模型對筆跡進行識別，鑒于概率神經網絡模型中的平滑參數的取值對筆跡鑒定的識別率及識別速度具有重要影響，因此，采用狼群算法優化所需平滑參數，使筆跡鑒定達到最優效果。

一、PNN神經網絡結構

概率神經網絡是集統計方法與前饋神經網絡與一體的神經網絡模型。具有訓練時間短、結構穩定、獲取正確識別結果的最大可能概率等優點。其結構為4層前饋網絡，即輸入層、模式層、求和層和輸出層，如圖l所示。

二、狼群優化PNN結構

PNN神經網絡中，唯一需調整的參數是平滑參數δ，該參數對樣本的分類正確率具有重要影響，優取平滑參數，將會得出分類效果的最優值。因此，如何獲得平滑參數的最優解是概率神經網絡的關鍵問題。狼群算法是一種模式狼群捕食的智能優化算法，能有效解決連續變量的全局優化問題，具有后期收斂速度快，不易陷入局部最優和計算精度高等優點。

2.1 狼群算法的構造

由PNN中8參數的取值范圍（0-1）構造算法中的狼群。具體步驟如下：

2.2 全結構狼群優化PNN的實現

根據狼群算法進行PNN結構優化的介紹，本文狼群算法優化PNN的算法流程如圖2所示

由圖2可知，首先對筆跡數據及控制參數進行初始化，并判斷其迭代數是否符合要求，然后運用概率神經網絡對筆跡進行鑒定識別，在其過程中，采用狼群算法不斷對平滑參數進行優化，直到仿真中的識別誤差小于設定的誤差值，最后，輸出理想的識別率和識別速度。

三、實驗研究

3.1 實驗數據

為驗證狼群算法對概率神經網絡優化的有效性，本文采集了來自10個人的1600個手寫字體，將字體圖像歸一化為32×32大小，如圖3所示。

然后將每個人的字體數據分為兩部分，從而建立實驗所需的筆跡訓練識別的數據集。

3.2 實驗結果分析

為驗證狼群優化PNN算法的有效性，本文對所采集的實驗數據進行訓練識別，所得結果如表1所示。

從表1可得，WAPNN識別率和識別速度都取得了一定幅度的提高，囚此通過狼群算法對概率神經網絡中平滑參數的優化確實對普通PNN的識別率和識別速度的提高具有一定的有效性。

四、結語

本文提出的狼群優化概率神經網絡是一種基于WA算法和PNN優點構造而成的。

運用狼群算法在整個種群范圍內尋優，搜索獲取概率神經網絡中的最優平滑參數，增強了網絡結構的穩定，提高了網絡收斂的速度和精度。

由仿真實驗結果對比可知，基于狼群優化PNN的筆跡鑒定識別方法相對于其他識別方法具有識別率高、識別速度快、網絡結構穩定、推廣泛化能力好等優點。經多次實驗表明，該方法能夠達到人們所需的標準要求，為筆跡的鑒定識別提供了科學的方法支持和理論依靠。