Verificação de identidade pessoal através da dinâmica da digitação baseada em PSO e SVM

Abstract

Técnicas baseadas em biometria têm sido aplicadas com sucesso em sistemas de identificação pessoal. Entre essas técnicas, uma bastante promissora é a que utiliza a dinâmica de digitação de cada usuário para reconhecê-lo. Neste trabalho investigamos uma arquitetura de um sistema de identificação pessoal através da dinâmica da digitação dos usuários. Os principais objetivos deste trabalho são desenvolver um sistema totalmente automatizado, ou seja, sem qualquer intervenção humana, e um estudo sobre como o módulo de seleção das características pode aumentar a aptidão do sistema. Em primeiro lugar, testamos a dificuldade de aprendizado dos dados através de um sistema sem seleção de características e com classificadores baseados em distância e máquinas de vetores suporte (SVM). Em seguida combinamos ao classificador SVM, um módulo de seleção das características da categoria filtro e da categoria wrapper. Avaliamos uma técnica da abordagem filtro e duas técnicas de otimização para a abordagem wrapper: algoritmos genéticos (AG) e otimização por enxame de partículas (PSO). Como AG é uma técnica bastante conhecida e pesquisada em trabalhos anteriores, nos concentramos mais no desenvolvimento de abordagens baseadas no algoritmo PSO padrão para a seleção das características. Duas novas técnicas baseadas no PSO foram criadas e comparadas aos AGs. A avaliação dessas técnicas foram feitas através de três medidas de desempenho: erro de classificação (formado pelas taxas de falsa aceitação e falsa rejeição), tempo de processamento e taxa de redução dos conjuntos das características