手写签名鉴别是计算机安全领域中身份认证的重要技术之一.由于手写签名在个人身份表征上具有它本身特有的优势,基于手写签名的身份鉴别系统在信息交换、办公自动化、金融、军事、个人通信、商业以及工程文件等领域有着广泛的应用前景.通过对现有鉴别算法的分析、研究,在改进原有算法的基础上,提出了具有新意的三种算法:1.在基于全程信息和时间弯曲校正的签名鉴别方法中,提出了一种非线性局部寻优时间弯曲校正方法,基本解决了手写签名全程信息时间序列的时间轴弯曲现象,不仅实现了对信息序列不同局部非等强度校正,而且很好地保持了序列的单调性和连续性.获得了较高的鉴别正确率;2.在基于采样数据稳定度的在线签名鉴别方法中,提出了采样点稳定度和特征稳定度两种权值,并将它们作为权值用于加权动态匹配算法,实验结果证明了该方法的有效性;3.在简单非线性神经网络分类器算法中直接从神经元分类功能的物理意义出发,设计了具有非线性边界的神经网络分类器.妥善地解决了实际应用中由于真实签名样本数量少和伪签名样本缺乏的问题,取得了较好的鉴别结果.实验结果表明,采用多专家鉴别策略结合提出的三种鉴别算法,使HSVES的平均鉴别正确率达到了95.7﹪;采用多专家鉴别系统比采用单一鉴别算法鉴别正确率平均提高5.3﹪.