前言：我們精心挑選了數(shù)篇優(yōu)質(zhì)文學(xué)語言的藝術(shù)性文章，供您閱讀參考。期待這些文章能為您帶來啟發(fā)，助您在寫作的道路上更上一層樓。

第1篇

【關(guān)鍵詞】視覺藝術(shù);文學(xué)藝術(shù);意象;差異

文學(xué)藝術(shù)與視覺藝術(shù)都源于藝術(shù)家的心靈意象,他們的起點(diǎn)是相同的。但是從以上視覺藝術(shù)形象和文學(xué)藝術(shù)形象的形成過程及欣賞方式來看,兩者之間存在差異。

首先,在形成過程中采用的是不同的媒介。視覺藝術(shù)形象必須通過視覺元素,利用顏色、形體等因素的組合創(chuàng)造有悖于原始自然狀態(tài)的具體視覺造型來傳達(dá);而文學(xué)藝術(shù)形象是通過文字這種抽象性的語言符號(hào),經(jīng)過閱讀而在腦海里形成的,本身更具有思維成分的參與。

其次,在欣賞過程中,由于視覺藝術(shù)形象的傳達(dá)過程的具象性,導(dǎo)致其欣賞過程是在直接的視覺感受過程中完成,有明顯的直接感受的特性,是直接的觀看過程;而文學(xué)藝術(shù)形象必須在閱讀過程中以各自的想象力去領(lǐng)會(huì),其魅力來源于在頭腦中形成的潛象的不確定性和模糊性。它相對(duì)于直接的觀看多了一個(gè)理解和想像的程序。

在這種差異中,我們更有必要區(qū)分的是在欣賞視覺藝術(shù)形象和欣賞文學(xué)藝術(shù)形象的過程中,應(yīng)該以什么樣的方式來對(duì)待。因?yàn)樯钪虚L(zhǎng)期對(duì)語言文字的學(xué)習(xí)和使用,使我們比較習(xí)慣性地用文字理解的方式去理解周圍的事物,在認(rèn)知過程中,基本以接受到訊息然后在腦中進(jìn)行一個(gè)思維和認(rèn)知的過程這種方式來形成理解。而在視覺藝術(shù)形象欣賞中,更注重的是直接的視覺感官的感受,此時(shí)是否有良好的直接視覺感受力更加重要,而一般理解語言文字的能力可以影響但并不能起到?jīng)Q定性的作用。

就藝術(shù)欣賞和批評(píng)來看,藝術(shù)家是將心象外化為藝術(shù)形式,而讀者歷經(jīng)的心理過程則相反,是從作品一路而上直溯藝術(shù)家的內(nèi)心情感,并按照自身的經(jīng)驗(yàn)理解描述出深層含義。但文學(xué)欣賞在讀者頭腦中催生形成的潛象不具可視性,而視覺藝術(shù)欣賞則需要讀者用眼睛感受、讀取圖像的圖形和色彩形式,是充分可視、直觀的。文字語言方便傳達(dá),結(jié)構(gòu)組合彈性自如、可繁可簡(jiǎn),是人類進(jìn)行信息交流和思維的主要形式;圖像語言關(guān)照視覺感官,具有直觀性和具象性特征,但對(duì)概念和邏輯的傳達(dá)有不可逾越的障礙。由于傳達(dá)方式和途徑的不同,兩種方式各有傳遞過程的信息缺失現(xiàn)象,二者也因此具有不可替代的互補(bǔ)性。

文學(xué)家在描述一件視覺藝術(shù)作品時(shí),也會(huì)加入自己的理解和認(rèn)識(shí)。但是文字閱讀產(chǎn)生的效果,依然無法在視覺欣賞中獲得,而視覺欣賞產(chǎn)生的感受也同樣無法在文字閱讀中感受,這就是文學(xué)和藝術(shù)不能互通的部分。因此某些藝術(shù)品為了完整表達(dá)而使用了書畫結(jié)合的方式來互為補(bǔ)充?！啊渲心承┮?guī)律更多地統(tǒng)轄著畫,而另一些規(guī)律卻更多地統(tǒng)轄著詩;在后一種情況之下,詩可以提供事例來說明畫,而在前一種情況之下,畫也可以提供事例來說明詩?！贝颂帉?duì)比的是詩和畫這兩種藝術(shù)形象,詩屬于文學(xué)藝術(shù)形象,畫屬于視覺藝術(shù)形象?？梢妰烧叽嬖诘幕パa(bǔ)性早已被認(rèn)識(shí)。此種互補(bǔ)性也很早就被中國(guó)人運(yùn)用在了中國(guó)畫的藝術(shù)表現(xiàn)上。

中國(guó)畫的表現(xiàn)形式一直流行于文人士大夫階層,詩與畫共同成為體現(xiàn)中國(guó)式哲學(xué)的典型表現(xiàn)形式。中國(guó)畫的藝術(shù)表達(dá)建立在中國(guó)文人墨客對(duì)于生存哲學(xué)的理解基礎(chǔ)上,此哲學(xué)謂之“道”。因此中國(guó)畫的表現(xiàn)形式一直以客觀現(xiàn)實(shí)為基礎(chǔ),“外師造化,中得心源”(唐 張b),將畫面的表現(xiàn)重點(diǎn)放在畫家自身對(duì)事物的認(rèn)識(shí)和修養(yǎng)上,由內(nèi)觀外。中國(guó)畫從一開始就沒有嚴(yán)肅追究所描繪物像的形體精準(zhǔn),而是“道法自然”,追求畫面對(duì)“境界”的表達(dá)。由于研究畫的階層均為上層的文人士大夫,于是書畫在中國(guó)畫中是不分家的,文字作為款識(shí)與畫同時(shí)出現(xiàn)在一幅作品中,起著互相補(bǔ)充的作用。在大多數(shù)的中國(guó)畫中,款識(shí)都起到了對(duì)畫面的補(bǔ)充作用,人們?cè)谛蕾p國(guó)畫時(shí),同時(shí)通過對(duì)款識(shí)的解讀,進(jìn)一步理解畫者的畫中之意以及畫外之意,包括作者的心境、觀點(diǎn)等等的認(rèn)識(shí)。而在我國(guó)古代就出現(xiàn)了很多能寫擅畫的文人,有名的諸如唐代的王維,他的詩家喻戶曉,而從他對(duì)于詩和畫這兩種形式的表達(dá)上來說,也達(dá)到了一個(gè)很高的水準(zhǔn) 。

如《王維詩意圖》,取的就是他詩中“閉戶著書多歲月,種松皆作老龍鱗?！边@兩句詩。畫面事實(shí)上表現(xiàn)了深山中、泉水邊、老松下的清幽生活場(chǎng)景,而這兩句詩將畫面之外的含義點(diǎn)出,提示觀者畫面中更深的一層意味,體現(xiàn)出畫家向往一種隱居生活和高尚的精神追求。

鄭板橋的《竹石圖》中,描繪的是生長(zhǎng)在巖石旁的幾棵瘦竹,畫面上比較特別的是,在石頭上題了款識(shí),寫到:“文與可畫竹胸有成竹,板橋畫竹胸?zé)o成竹。與可之有成竹,所謂渭川千畝在胸中也。板橋之無成竹,如雷霆霹靂,草木怒生,有莫知其然而然者,蓋大化之流行其道如是。與可之有,板橋之無,是一是二解人會(huì)之?！痹谶@幅畫作里,文字不僅補(bǔ)充說明了畫家本人的個(gè)性,讓人了解這幅畫的深層精神內(nèi)涵,也對(duì)于畫面的構(gòu)圖起到了填補(bǔ)改善的作用,讓畫面的視覺效果更加突出。

從國(guó)畫例子中可看出,中國(guó)人追求的畫面效果并非完全寫實(shí)的風(fēng)景人物,而是一種精神境界的視覺體現(xiàn)。這種追求體現(xiàn)在視覺造型藝術(shù)形象上,是抽象而又具體的。文字和圖像都屬于宣揚(yáng)自己精神追求的一種表達(dá)方式,而且這兩種表達(dá)方式既有各自的差異又能互相補(bǔ)充。由這種“圖文并茂”的藝術(shù)表現(xiàn)形式來看,中國(guó)人其實(shí)很早就意識(shí)到了文字和圖畫的差異,并且加以利用了。

【參考文獻(xiàn)】

[1] 《中國(guó)畫論輯要》周積寅 編著 江蘇美術(shù)出版社2005年7月第1版

[2] 《齊白石談藝錄》王振德 李天庥 編著 河南美術(shù)出版社1998年10月第1版

[3] 《美學(xué)是什么》周憲 著 北京大學(xué)出版社2002年1月第1版

[4] 《中國(guó)美術(shù)簡(jiǎn)史》中央美術(shù)學(xué)院美術(shù)史系中國(guó)美術(shù)教研室 編著 中國(guó)青年出版社2002年5月第1版

第2篇

一、利用課堂范讀語言，變純文本語言為傳遞情感的語言

在課堂上，教師不是不注重范讀，而是往往把范讀當(dāng)成了教學(xué)的一個(gè)環(huán)節(jié)。這就使得范讀語言的功效在不知不覺地缺失。事實(shí)是，文本語言魅力的顯示，離不開范讀語言的有效轉(zhuǎn)化、恰當(dāng)體現(xiàn)，尤其在小學(xué)階段。換句話說，范讀語言沒有藝術(shù)性，則文本語言本身的魅力只能在靜止中存在。如果教師把范讀語言當(dāng)成一種有效轉(zhuǎn)化、恰當(dāng)體現(xiàn)文本語言的課堂語言，那么，課堂語言的藝術(shù)性就會(huì)在教師的范讀中得以體現(xiàn)。

就課堂范讀語言而言，教師的范讀要情真意切，變純文本語言為傳遞情感的語言，“感人心者，莫先乎情?！薄白x到忘我之境時(shí)，師生往往投入其中，學(xué)生、教師、文本一切地融為一體?！痹谛W(xué)語文教學(xué)中，聽說讀寫的核心是讀。對(duì)于教師而言，“讀”是轉(zhuǎn)化純文本語言為情感語言的一種方式。正確、流利是對(duì)“讀”的淺層次要求，有感情、有節(jié)奏是對(duì)“讀”的高層次要求。讀正確是指不添字、不漏字、不讀錯(cuò)字。讀流利是說不一字一頓、不拿腔作勢(shì)、不上氣不接下氣。這些是課堂對(duì)范讀語言的最基本的要求，一般教師都能做到。文本中的情感，是喜，是怒，是哀，是樂？是單一的，復(fù)雜的？是淡淡的，濃烈的？文本中的節(jié)奏，是抑揚(yáng)頓挫的，是流暢自然的？文本中的語言，是樸素自然的，華美歡快的，還是意味悠長(zhǎng)的？同樣是課文中的字字句句，通過藝術(shù)性的課堂范讀，在教師的口中，必須把靜態(tài)的文本語言幻化成令學(xué)生聽來樂則開懷，悲則嗚咽的動(dòng)態(tài)的課堂語言。這是多么的美妙！讀《十里長(zhǎng)街送總理》，學(xué)生在教師飽含深情的范讀語言中體會(huì)人們翹首盼望總理的焦急；讀《吃水不挖打井人》，學(xué)生在教師情感的洋溢中感受鄉(xiāng)親們對(duì)的崇敬之情。這種范讀帶來的美妙，不就是范讀語言藝術(shù)性的體現(xiàn)嗎？極具感染力的課堂范讀語言，不僅僅是一種課堂教學(xué)的修飾，也不僅僅是一種課堂朗讀的技巧，它更是一種體現(xiàn)課堂語言藝術(shù)性的方式，更是一種此情此境的感染、潛移默化的熏陶。藝術(shù)化的范讀語言，讓學(xué)生心動(dòng)，讓學(xué)生情生。

二、課堂口頭語言要靈活，各盡其妙顯個(gè)性

課堂口頭語言關(guān)聯(lián)于文本語言的意思是指它與文本語言并行為理解文本語言而用，是課堂主導(dǎo)、引導(dǎo)、激勵(lì)、評(píng)價(jià)者主導(dǎo)、引導(dǎo)、激勵(lì)、評(píng)價(jià)學(xué)生學(xué)習(xí)文本語言的主導(dǎo)語、引導(dǎo)語、激勵(lì)語、評(píng)價(jià)語等等。為此，課堂口頭語既是具有個(gè)性色彩的和教師教學(xué)風(fēng)格相一致的課堂口語，又是極具感染力的和教學(xué)內(nèi)容相一致的課堂“臺(tái)詞”。

第3篇

【關(guān)鍵詞】網(wǎng)絡(luò)安全 生物認(rèn)證 擊鍵動(dòng)力學(xué) 鍵紋識(shí)別

生物認(rèn)證就是利用人體生物學(xué)特征來識(shí)別用戶身份的安全認(rèn)證技術(shù)，常見的有指紋、聲紋、筆跡、虹模等。生物認(rèn)證在很多領(lǐng)域得到成功的運(yùn)用，但現(xiàn)有生物特征認(rèn)證存在兩個(gè)無法克服的問題：一是需要成本相對(duì)較高的生物特征提取設(shè)備；二是需要用戶當(dāng)面認(rèn)證，無法實(shí)現(xiàn)遠(yuǎn)程自動(dòng)認(rèn)證。

早在人工摩爾斯電報(bào)時(shí)代，1895年研究人員就發(fā)現(xiàn)發(fā)報(bào)人員的擊鍵模式特征與發(fā)報(bào)人員是一一對(duì)應(yīng)，熟練的收?qǐng)?bào)員能夠通過發(fā)報(bào)人員的擊鍵特征遠(yuǎn)程確定發(fā)報(bào)人員的身份，現(xiàn)代電腦鍵盤的使用與之相似，上世紀(jì)九十年代美國(guó)華盛頓科學(xué)基金會(huì)（The Nation Science Foundation， Washington D.C.）就研究證實(shí)人們敲擊鍵盤的動(dòng)力特征有唯一性[1]。對(duì)于信息系統(tǒng)來說這種唯一性就是來自鍵盤輸入信號(hào)特征的唯一性，過去很多文獻(xiàn)將這一特征叫擊鍵動(dòng)力學(xué)特征，我們認(rèn)為，既然鍵盤輸入特征和指紋一樣對(duì)于用戶唯一確定，更確切地應(yīng)該將這一特性取名為鍵紋。

運(yùn)用鍵紋作為生物特征識(shí)別用戶身份有以下特點(diǎn)：首先它以鍵盤作為特征提取設(shè)備簡(jiǎn)單可靠、成本低廉；其次它將用戶身份識(shí)別與信息系統(tǒng)登錄、認(rèn)證過程有機(jī)結(jié)合，可以實(shí)現(xiàn)遠(yuǎn)程身份識(shí)別，用戶甚至感覺不到它的存在。

具體說來，用戶在敲擊鍵時(shí)有各自不一樣的特征。例如在使用拼音輸入“中國(guó)”二字時(shí)，一些人會(huì)以zh-ong-guo的方式打入字母，停頓在聲母和韻母以及字的中間；另一些人則會(huì)以zhon-gg-uo的方式，將兩個(gè)g字母并在一起快速輸入。這些特征是人在長(zhǎng)期的打字實(shí)踐中潛移默化形成無法隨意改變。利用這些打字特征來識(shí)別用戶不僅可以識(shí)別用戶身份，還可以實(shí)現(xiàn)遠(yuǎn)程在線識(shí)別大大提高了信息系統(tǒng)的安全性。在己往的研究中對(duì)鍵紋的識(shí)別方法主要使用模板匹配法、模糊邏輯識(shí)別法、神經(jīng)網(wǎng)絡(luò)等，這些方法往往較為復(fù)雜，需要相對(duì)深?yuàn)W的數(shù)學(xué)模型和相對(duì)大量的數(shù)據(jù)進(jìn)行機(jī)器學(xué)習(xí)。本文研究提出一種較為簡(jiǎn)便的數(shù)學(xué)模型，較好的反映了擊鍵組合產(chǎn)生的鍵紋特征，且計(jì)算較為簡(jiǎn)便、易于實(shí)現(xiàn)。

1 鍵紋識(shí)別的數(shù)學(xué)模型

在闡述算法之前，我們先定義一些名詞。用戶的打字是由一系列動(dòng)作組成，這些動(dòng)作包括了按下鍵和釋放按鍵。我們把按下某鍵x到放開x的時(shí)間稱為“x的滯留時(shí)間”記作Tx，從鍵入x開始到鍵入下一個(gè)按鍵y中間的時(shí)間稱為“xy的跨越時(shí)間”記作Txy。我們將一次滯留或者一次跨越統(tǒng)稱為一個(gè)“事件”。在用戶輸入一串文字的過程中，第i次事件記為ei，事件ei所用的時(shí)間記作ti。這里我們統(tǒng)一用大寫字母表示某一類事件，而用小寫字母表示某一個(gè)事件，比如我們用EA和TA表示按下A鍵和A鍵的滯留事件，而用ej和tj來表示第j個(gè)事件和其占用的時(shí)間。

我們現(xiàn)在來定義問題。我們希望在得知用戶輸入各個(gè)按鍵的時(shí)間情況下，判定輸入的用戶是否為特定用戶。即：已知一系列事件e1，e2，…en和其時(shí)間t1，t2，…tn，求解輸入用戶u是指定用戶u0的概率：

Pr（u=u0|e1…e2，t1…tn） （1）

我們已有的數(shù)據(jù)是用戶u0過去的輸入習(xí)慣，即我們已知用戶過去打字過程中產(chǎn)生的所有事件e1'，…，em'以及各事件的時(shí)間t1'，…，tm'。這里m是一個(gè)非常大的整數(shù)，因?yàn)橛脩粼谌粘Ｉ钪蟹e累了大量的打字經(jīng)歷，因而我們應(yīng)該擁有大量的關(guān)于用戶過去打字的數(shù)據(jù)（即大量事件）。這意味著對(duì)于任意事件Ex，我們可以獲得以下概率：

（2）

換言之，我們有對(duì)于任意事件所耗費(fèi)時(shí)間Tx的概率分布函數(shù)fx（t），使得：

（3）

實(shí)際操作時(shí)，fx（t）不是一個(gè)連續(xù)函數(shù)，（例如用戶過去在A鍵上的停留時(shí)間分別是3.5，2.2，4.3毫秒時(shí)，fx（t）在這些值上都是無窮大，而其它值上則為0），但這并不影響我們的算法，我們會(huì)在后文中再回到這點(diǎn)。

除了對(duì)單一事件所耗時(shí)外，只要我們有足夠數(shù)據(jù)（m中夠大），我們還有對(duì)任意多連續(xù)事件Tx1、Tx2……Txi所耗時(shí)的概率分布函數(shù)：

（4）

上式中的概率可以用（2）式一樣的方法求出或找出過去用戶u0的輸入中所有的Ex1……Exi連續(xù)事件，計(jì)算出其中多少事件符合a1，……ai，b1，……bi的約束條件即可。

我們的最終目標(biāo)是利用以上概率（2）（3）（4）求出（1）的值。我們首先利用貝葉斯定理把（1）改寫成：

Pr（u=u0|e1…e2，t1…tn）

=Pr（e1…e2，t1…tn|u=u0）

（5）

上式中，Pr（e1…e2，t1…tn|u=u0） 可以用我們之前的方法求出，我們只需要找出用戶過去的輸入歷史中，該片段e1…en，t1…tn出現(xiàn)的概率即可。實(shí)際操作上有兩個(gè)小問題：第一用戶隨意輸入一段話e1…en時(shí)，用戶一般在過去并沒有輸入一模一樣的段落，因此我們無法簡(jiǎn)單的通過過去的歷史直接求出這一概率。然而我們可以使用一些近似手法，假設(shè)各事件之間是獨(dú)立事件，這樣雖然會(huì)損失一些精確度，但是能給我們帶來計(jì)算概率的方法：

（6）

而乘積中的每一項(xiàng)都可以在過去的用戶歷史中求出。第二個(gè)問題是由于ti是實(shí)數(shù)，Pr（ei，ti|u=u0）要么是無窮大，要么是0。這是因?yàn)槲覀兏怕史植己瘮?shù)不連續(xù)，這個(gè)問題可以用把時(shí)間離散化的方式解決。

（5）式中的第二部分更難計(jì)算。事實(shí)上從分子分母兩式的定義來計(jì)算其值幾乎不可能，分子表示一系列事件的發(fā)生概率，而事件和用戶鍵盤輸入的具體內(nèi)容有關(guān)，因輸入內(nèi)容的改變而改變，無法人用戶過去的輸入習(xí)慣中獲得。分母則是該用戶為指定用戶的先驗(yàn)概率，更無法從輸入習(xí)慣中獲得。

在實(shí)際應(yīng)用中，我們并不需要用嚴(yán)謹(jǐn)?shù)臄?shù)學(xué)方法來計(jì)算（5）式?？紤]到

是一個(gè)關(guān)于用戶的函數(shù)，我們知道對(duì)于特定類型（用戶輸入習(xí)慣類似）的文章，該值對(duì)于特定用戶應(yīng)該是一個(gè)常數(shù)。

因此，我們可以用過去用戶輸入的類似類型的文章/段落等獲得該值。例如，同樣是輸入政府文件，同一用戶在不同時(shí)間輸入若干等長(zhǎng)的文件（同取文件中隨機(jī)的1000個(gè)事件）時(shí)，該分式的值應(yīng)為常數(shù)。（嚴(yán)格意義上說，只有用戶輸入同樣內(nèi)容時(shí)，該值才為常數(shù)，但實(shí)際上操作上我們可以做一些近似假設(shè)）。

因此我們用過去用戶輸入的同等長(zhǎng)度的片段來計(jì)算分式的值，我們把（5）改寫成：

（7）

既然我們能夠核實(shí)已有紀(jì)錄里輸入用戶u0的身份，我們可以令，并利用（6）中的獨(dú)立事件假設(shè)，把上式改寫成：

（8）

將（7）（8）代入（5）我們即可獲得正在輸入用戶為指定用戶u0的概率：

（9）

值得注意的是我們需要在用戶的過去輸入歷史中，隨機(jī)選取n個(gè)事件來進(jìn)行這一計(jì)算，這導(dǎo)致計(jì)算結(jié)果并不準(zhǔn)確。理想狀況下，如果用戶確為指定用戶u0，這一式子應(yīng)等于1。

2 實(shí)驗(yàn)與驗(yàn)證

為了驗(yàn)證本數(shù)學(xué)模型的正確性我們?cè)贚inux平臺(tái)下設(shè)計(jì)編制了一個(gè)user_name軟件，利用這個(gè)軟件對(duì)本數(shù)學(xué)模型進(jìn)行了測(cè)試與驗(yàn)證。我們?cè)趯W(xué)生中邀請(qǐng)了100名實(shí)驗(yàn)對(duì)象，將他們注冊(cè)成用戶進(jìn)行測(cè)試。測(cè)試用戶以自己的注冊(cè)身份登錄系統(tǒng)，輸入統(tǒng)一的稿件來作為各自的鍵紋儲(chǔ)存在數(shù)據(jù)庫(kù)中。然后這些用戶又輸入一些隨機(jī)片段，讓計(jì)算機(jī)識(shí)別這些片段的輸入用戶，

實(shí)際測(cè)試結(jié)果，若用戶本人輸入，軟件輸出的輸入者為用戶本人的概率一般在0.01到100之間。概率不等于1的原因是算法中用隨機(jī)片段近似地計(jì)算輸入者為用戶本人的概率，因此有若干數(shù)量級(jí)的誤差。

我們?cè)儆捎脩鬉冒充B的身份登錄系統(tǒng)，輸入一定長(zhǎng)度的文章片段，實(shí)測(cè)得軟件計(jì)算出的用戶為B本人的概率往往非常小，可達(dá)到10-10到10-6之間，由此可見本數(shù)學(xué)模型有著良好的用戶身份區(qū)別作用，盡管近似算法帶來的誤差可能有正負(fù)兩個(gè)數(shù)量級(jí)，但與其用戶間的區(qū)別率高達(dá)七個(gè)數(shù)量級(jí)的識(shí)別性能來說，本算法具有很好的認(rèn)證用戶的效果。

3 結(jié)論

實(shí)驗(yàn)表明運(yùn)用本數(shù)學(xué)模型來遠(yuǎn)程識(shí)別用戶身份，具有簡(jiǎn)單可靠、運(yùn)算速度快的特點(diǎn)，不失為一種遠(yuǎn)程登錄用戶身份識(shí)別的好方法。

參考文獻(xiàn)

[1]Donald R.Rules of Thumb for Biometric System.Security Management， 1995（39）：67-74.

[2]Miller B.Vital Signs of ldentity.IEEE Spectrum，1994，31（2）：22-30.

[3]Alexander T J.Biometrics on Smart Cards：An Approach to Keyboard Behavior Signature. Future Generation Commputer System，1997（13）：19-26.

[4]Ru W G，Eloff J H P.Enhanced Password Authentication Through Fuzzy Logic. IEEE Transaction on Expert，1997，12（6）：38-45.

[5]芮挺，沈春林，Qi TIAN，張金林.基于HMM的擊鍵特征用戶身份認(rèn)證[J].計(jì)算機(jī)工程，2005.

[6]桑應(yīng)朋，范志平，郝莉.基于Levenberg-Marquardt 算法的用戶擊鍵特征鑒別[J].計(jì)算機(jī)應(yīng)用，2004.

[7]WANG Y H，TAN T N，ZHU Y.Face identification based on singular values decomposition and data fusion.Chinese -put，2000，23（6）.

[8]NEGIN M，CHMIELEWSKI T A，SALGANICOFF M G，et al.An Iris Biometric System for public and personal puter，2000，33（2）：70-75.

[9]ERN L C，SULONG G.Fingerprint Classification Approaches an Overview.Sixth International. Symposium on Signal Processing and its Applications，2001（01）：347-350.