计算机信息系统与工业管理应用“，

文摘:神经网络作为一种智能数据挖掘方法，已被应用于许多具有挑战性的模式识别问题，如股票市场预测。然而，在文献中还没有确定用于预测目的的最佳神经网络的形式化方法。本文利用前向多层感知器(MLP)和Elman循环网络这两种神经网络，基于公司股票价值历史，对公司股票价值进行预测。实验结果表明，MLP神经网络在预测股票价值变化方面比Elman循环网络和线性回归方法更有前景。然而，基于本文将提出的标准测度，我们发现Elman循环网络和线性回归比MLP更能预测股票价值的变化方向。

文摘:本文介绍了一种阿拉伯手语手工字母手势自动翻译系统。提议的阿拉伯手语字母翻译系统(ArSLAT)不依赖于使用任何手套或视觉标记来完成识别工作。作为一种替代方案，它处理赤手空拳的图像，允许用户以自然的方式与系统交互。拟议的制度包括五个主要阶段;预处理阶段、最佳帧检测阶段、类别检测阶段、特征提取阶段、分类阶段。提取的特征包括平移不变量、缩放不变量和旋转不变量，使系统更加灵活。实验结果表明，所提出的ArSLAT系统能够识别30个阿拉伯字母，准确率为91.3%。

文摘:本文概述了我们对生物识别认证和加密系统的实际安全性的看法。从某种程度上讲，一些新方法的吸引力是可以理解的，比如从生物特征数据中生成密码密钥，但到目前为止，这种方法已经导致了各种各样的捷径和安全上的妥协。我们的论文从介绍部分开始，接着是关于生物特征可变性的部分，特别注意在大型系统中使用的生物识别技术。接下来的部分将讨论生物识别认证系统的潜力，以及生物识别技术在支持密码应用程序方面的应用，因为它们通常用于计算机系统。

文摘:动态键盘用户授权无疑是高安全性计算机系统标准安全程序的一个有趣选项。未经授权访问已登录的工作站可能威胁数据和系统的安全。传统的授权方法(密码、指纹扫描)只在登录过程中验证用户身份，容易在登录后替换用户。克服这种危险的程序通常是侵入性的(持续的视觉监控)或不舒服的(在用户合作下频繁的身份验证)。没有这些缺点的持续授权的一种可能解决方案是在输入时识别键盘用户。我们提出的方法是基于两个提取的击键特征:“飞行”和“停留”。我们已经在类似中型公司的单个集团上测试了建议的解决方案。所得结果是有希望的。

文摘:提出了一种基于特征提取阶段的心电图自动分类器的分类性能，用于异常心跳的检测。特征集基于ECG形态学和rr -interval。配置采用Kohonen自组织映射(SOM)进行信号特征分析和聚类。在这项研究中，使用ANSI/AAMI EC57标准推荐的记录数据，利用SOM和学习矢量量化(LVQ)算法开发了一个分类器。本文比较了基于原始心电形态学特征和基于预处理心电形态学特征的两种标注QRS复合体分类策略。采用数学形态学滤波方法对心电信号进行预处理。研究了心电信号处理中数学形态学滤波结构元的选择问题。根据AAMI的建议，在MIT-BIH心律失常数据库上评估算法的性能。使用该方法可改善对正常或心律失常的识别结果。