| 第一章 前言 | 第1-7页 |
| 第二章 键入特性可分辨性证明实验 | 第7-15页 |
| 2．1 常用键入特性特征提取的方法 | 第7-9页 |
| 2．1．1 按键持续时间和按键间隔时间 | 第7-8页 |
| 2．1．2 按键相互关系 | 第8-9页 |
| 2．2 键入特性可分辨性证明实验 | 第9-15页 |
| 2．2．1 特征提取 | 第9页 |
| 2．2．2 实验方法 | 第9-11页 |
| 2．2．3 实验结果及讨论 | 第11-15页 |
| 第三章 常用键入特性验真方法 | 第15-28页 |
| 3．1 传统统计模式识别方法 | 第15-20页 |
| 3．1．1 模板匹配法 | 第15-16页 |
| 3．1．2 假设检验法 | 第16-18页 |
| 3．1．3 键入速度均值比较 | 第18-19页 |
| 3．1．4 最近邻分类器 | 第19-20页 |
| 3．1．5 归纳学习分类器 | 第20页 |
| 3．2 模糊逻辑模式识别方法 | 第20-23页 |
| 3．3 神经网络模式识别方法 | 第23-28页 |
| 3．3．1 BP网络和自组织特征映射网络用于键入特性识别 | 第23-26页 |
| 3．3．2 其它神经网络方法 | 第26-28页 |
| 第四章 利用支持向量机进行键入特性验真 | 第28-35页 |
| 4．1 实验方法 | 第28页 |
| 4．2 实验数据正态性检验 | 第28-29页 |
| 4．3 支持向量机 | 第29-33页 |
| 4．4 实验结果及讨论 | 第33-35页 |
| 第五章 加权主分量分类器 | 第35-46页 |
| 5．1 主分量分类器 | 第35-38页 |
| 5．2 PCC与SVM对野值处理能力的比较 | 第38-39页 |
| 5．3 加权主分量分类器 | 第39-42页 |
| 5．3．1 线性可分情况 | 第39-41页 |
| 5．3．2 线性不可分情况 | 第41-42页 |
| 5．4 实验结果及讨论 | 第42-46页 |
| 5．4．1 实验1：Toy problem | 第42-44页 |
| 5．4．2 实验2：Iris数据分类 | 第44-45页 |
| 5．4．3 实验3：键入特性数据集分类 | 第45-46页 |
| 第六章 结论及展望 | 第46-47页 |
| 致谢 | 第47-48页 |
| 在学期间发表论文 | 第48-49页 |
| 主要参考文献 | 第49-50页 |