Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

Highly robust analysis of keystroke dynamics measurements

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216208%3A11110%2F15%3A10322976" target="_blank" >RIV/00216208:11110/15:10322976 - isvavai.cz</a>

  • Výsledek na webu

    <a href="http://dx.doi.org/10.1109/SAMI.2015.7061862" target="_blank" >http://dx.doi.org/10.1109/SAMI.2015.7061862</a>

  • DOI - Digital Object Identifier

    <a href="http://dx.doi.org/10.1109/SAMI.2015.7061862" target="_blank" >10.1109/SAMI.2015.7061862</a>

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Highly robust analysis of keystroke dynamics measurements

  • Popis výsledku v původním jazyce

    Standard classification procedures of both data mining and multivariate statistics are sensitive to the presence of outlying values. In this paper, we propose new algorithms for computing regularized versions of linear discriminant analysis for data withsmall sample sizes in each group. Further, we propose a highly robust version of a regularized linear discriminant analysis. The new method denoted as MWCD-L2-LDA is based on the idea of implicit weights assigned to individual observations, inspired bythe minimum weighted covariance determinant estimator. Classification performance of the new method is illustrated on a detailed analysis of our pilot study of authentication methods on computers, using individual typing characteristics by means of keystroke dynamics. (C) 2015 IEEE.

  • Název v anglickém jazyce

    Highly robust analysis of keystroke dynamics measurements

  • Popis výsledku anglicky

    Standard classification procedures of both data mining and multivariate statistics are sensitive to the presence of outlying values. In this paper, we propose new algorithms for computing regularized versions of linear discriminant analysis for data withsmall sample sizes in each group. Further, we propose a highly robust version of a regularized linear discriminant analysis. The new method denoted as MWCD-L2-LDA is based on the idea of implicit weights assigned to individual observations, inspired bythe minimum weighted covariance determinant estimator. Classification performance of the new method is illustrated on a detailed analysis of our pilot study of authentication methods on computers, using individual typing characteristics by means of keystroke dynamics. (C) 2015 IEEE.

Klasifikace

  • Druh

    D - Stať ve sborníku

  • CEP obor

    IN - Informatika

  • OECD FORD obor

Návaznosti výsledku

  • Projekt

  • Návaznosti

    S - Specificky vyzkum na vysokych skolach

Ostatní

  • Rok uplatnění

    2015

  • Kód důvěrnosti údajů

    S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Údaje specifické pro druh výsledku

  • Název statě ve sborníku

    SAMI 2015

  • ISBN

    978-1-4799-8221-9

  • ISSN

  • e-ISSN

  • Počet stran výsledku

    6

  • Strana od-do

    133-138

  • Název nakladatele

    Institute of Electrical and Electronics Engineers Inc.

  • Místo vydání

    USA

  • Místo konání akce

    Herl'any, Slovakia

  • Datum konání akce

    22. 1. 2015

  • Typ akce podle státní příslušnosti

    WRD - Celosvětová akce

  • Kód UT WoS článku