1=SimSun摘要针对特正像的自适应识别技术问，研究了利用具有学习和自适应功能的，汀人工神经网络原理及规则。提出了具有自稳定适应和分类学习功能的算法中法分类号丁5391文献标识码人文章编号003695200310乇0842 1引言车牌照等特征像的识别方面的应用和研究有着很好多缺少自适应学习的分类识别能力。如果环境是非平稳的，通常的学习没有能力跟踪这种变化，为此需要自适应的网络系统，对每个不同输入都作为个新的例子对待。自适应共振理论是由美国，大学的81 0哪及其同事在研究人艿认知过柙中，捉出的神经络模型系统，即胃结构的系统。它具有对已学过的对象进行稳定的快速识别的能力，同时又能迅速适应未学习过统对任意复杂的环境输入模式进行自稳定和自组织，从而使系统达至树特征像的识别和自适应学习的能力。
　　2自适应共振理论的基本原理当人们处在个复杂的环境中，经过段时间的学习，已经学会认识了些模式，人们希望把已经学会过搜索可以很快发现它与已学会的某模式充分相似，于是把它归入该模式类，即希望识别系统有定的稳定性；同时当输入对象与已学过的模式不相似时又要把它作为种新的模式来处理，即希望系统有定的可塑性，以便能接受新的事物。这两个要求之间是互相矛盾输入充分类似于已存在模式时，系统接收它，而当不够艿似，能作为新的类另来处理充分相似程度可由，数，01.如果较大，则要求的相似性较严格，1较小分类祖糙以在学习阶段调核21众1神经网络和23规则入取1神经网络是种结构的人财网络，其原理很接近竞争自稳机制，网络的输入输出均为值化数据。1是胃1神经网络的结构意。整个系统可以分为两个子系统注意子系统和调整子系统，前者实现由底向上的矢量竞争和由顶向下的相似程度比较；后者检查层状态的矢量3和由顶向下矢量2的相似程度1当相似度1低于给定值时，即取消当前获胜者，转而从其它类别已记忆的类别或作为新类别扩充中选拔获胜者。
　　注意子系统调整子系统来实现相似度计算和自稳机制如闯我们封+，神经元的兴奋状态，用，神经元的抑制基，具2济，乇久蠢，销愚，触触，穿漫甚替尖！龄蓖又割毙制，分别为观察矢量由顶向下矢量2和增益控制中心0.由顶向下矢量2和输入观察矢量样，都是值化矢量。
　　在这个输入中至少有两个兴奋输入则神经元处于兴碰态，此时称利经元受到上葚识激励如果只心1个兴奋输入则称为下意识激励，处于潜伏兴奋状态；没有兴奋输入或只有个兴奋输入时神经元处于抑制状态。用矢量3每时刻，1层中每个神经元的活动模式，3是值化矢量。
　　调整子系统中的单元儿接受来自输入观察矢量，和6层活动模式的矢量8的共同作用，观察矢量1中的1对起到兴奋作用，而矢量8中的1对入起至1抑制作用，当兴奋作用超过抑制作用时单元人向，2层发出重置波，迫使层放弃当前的竞争获胜者，重新进行竞争抉择。
　　访步相1.只是2中即将发生的在争快择。曾经获胜过的模式不能再参加。再次完成竞争抉择后，将产生个新的输出。
　　察矢量叉的情况下+进入兴奋状态；当，撤销后，使层也立即退出兴奋状态。
　　从以上的过程可以看到，当输入个观察矢量，时，6层与层之间可能有多次交互作用，*后给出答案或认为父是个新的模式类别。
　　个记忆中的模式相似程度的判断。如果将，的值取以很大，那么观察矢量必须和记忆模式非常接近才能被认可；相反，若的，得很可能区别较大的观察矢！1也会被认为是某种记忆模式。所以，较大的值使得分类更细，较小的值使得分类粗略，选取不同的值可以得到不同的聚类效果。
　　与，的相似程度太低，对于单元人而言是兴奋作用大于抑制作用，单元人发出重置波。通过对的选择，可以控制单元人对抑制作用和兴奋作用的灵敏程度。
　　228丁1神经网络原理在23规则基础上，1的完整的人取1神经网络原理分成步。
　　当输入个观察矢量叉，而由顶向下矢量2尚未到达前，层输出2=0=0，于是，增益控制中心，对巧层的输入为+，根据23规则1层活动模式3为，式1的值为1〉，所以，调整户系统中矢5作为中层的输入。产生，量7馈送到厂层，由层的竞争抉择产生出输出矢量1同时将转换为。然后进行由顶向下的馈送，其算法为矢量2使增益控制中心6对凡层的输出为，在矢量乙和父的共同作用下层的活动模式既不完全与矢量2相同，也不完全与输入矢量，相同。如果矢量和的相似程度，够，则3中的非0儿素不比中少太多，式2中定义的1满足5调整子系统中单元入不发出重置波。在此情况下系统进入自适应谐振状态，并调整中层的权值。
　　如果矢量2和，的相似程度不够高，则3中的非0元素比，中少得太多，有1于是，单元人发出重置波，重置波将当前竞争获胜者屏蔽，朽层进入再次竞争抉择。已经被屏蔽的获胜者不再参加以后的竞争。
　　在新的竞争抉择完成之前，10.20.增益控制心0付1层输为十层中，立的活动校式与观察矢量，完全相同，所以有=1调整单元入受到抑制，层通过中层将3向前馈送。这些状态都和3町网络系统的分类学习算法从下到由输人到输出的连接权值，昃从上到下的连接权坑，I.n；j=L，NSnWijXi，为警戒阈价输入为坑学习步骤如下t⑴初始化设界权的初值令。其的排序为在输入端送入个值样本对每输出节点求加权组合值1则认为未匹配，否则转6；4结束语特征像信息的识别方法很多，带有学习功能的算法各有长处。利用关于像信息的前期处理特征提取分割值化处理后，利用人取网络系统原理和算法构成的实现过程，进行仿真演算，不但能对已有信息现出有效的识别能力，对未知信息也具有良好的适应和记忆，类似人脑的自主学习可塑性及实时下转第89页用户应该形成个管理政策，保证网络审计成为个规范化的行为至少每个月检测次，来限制具有欺骗阳汀为的站点恣意进以。
　　用户应该增加对贾用户的认证功能如使用似0到2002年末。提供商们已把正802.1叫户认证标准融入到贾产品中，成为解决基于观，漏洞的种替代方式。无线局域网用户也可以配置入侵检测系统103，作为种检测欺骗访问站点的前期识别方在安全漏洞的访问点或网，能够帮助网络管理员发现入侵者的物理位置。
　　；机密竹仵多单位并要求拥1第步中捉到的其它安全防护层。已经完成了评机密性评估的用户就可以决定使用特定的网段来传输那些没有商业价值和不要求加密的信息如从货仓中扫描来的条形石骤据等。在这种情况下，使用基本的贾功能就能完个满足需要，因为这足种低级加密与*价值17息的结介不过1用在认人1交换机密1出，或者传送个人信息时，7虚拟私有，就成为保1隐私的*叮信赖的方法了。，0肌提醒企业用户每个季度要对网络使用情况进行次评估，以决定根据网络流量来改变网络中机密性要求。
　　主要的提供商目前正忙于提供胃漏洞的解决方法，包括1的后门漏洞防火墙入侵检测系统和例性能。新成长起来的提供商如81此3，如1和TiCTNlworfs，则把标睡准了解决WLAN的可移动性安全，3和管理问，还有可移植性等，不过他们的产品还处在朗阶段，对于安全性要求更高的用户，将现有的安全技术802.标准和。802.安全技术结合起来，这是目前较为理想的无线局域网络的安全解决方法。
　　常的做法是①把无线网络放在自己的防火墙后面，在不需要时随时关掉，取个与自己网络毫不相关的洛取③把处设成封闭网络模式④打开需要认证方式，将广播密钥定时为10分钟或更少，利用802.进行密钥管理和认证，选用适当的协议，每次会话时间不超过分钟。
　　2未来无线网络安仝发展的方向由于802.标准中的不安全性和管理问，亚成立了个专门小组802.；来研制更好的无线网络安全标准。802.1标准还在制定过程中，但有许多东西已经成形。无线实现分成两个部分传统的和新生新生的。它们都是用802.实现认证，但是加密的方法不同，802.1还规定只用标准来产生动态密钥。
　　为了符合802.的传统，网络需要用4的，公司开发，为了加强的。虽然它们都有效，但只在，网络上，并不是所有平台都可以。为了解决的1攻山，在应冒加密算法前增加了层加密，增加了比简单的，沉更强的正确完整性校验，防止发射出去的消息被攻击者窜改。
　　fXTutionCilrr8代替观0.这个新的加密标准是*近被美9政府用来代1观8的，化5标准的个版木。有人说证5，比也强壮得多，到底如何。尚待检验。
　　4单洪，崔宇明。无线局域网的安全性研究口。电子对抗国防科技重点实验室第九届学术会议论文集，2001.8.5应用密码学阽吴世忠，等。北京机械工业出版社，2001.3.
　　6I李强，单洪。8，2.及识协议的安全性分析口。电子工程学院学报，2002上接第85页适应对象环境的能力。
　　网络93学术会议论文集，1993.6877.
　　71束为，等。利用掌纹进行身份自动鉴别的方法研究。清8戴青云，等。基于结构特征的在线掌纹的分类方法。模孟伟，洪炳熔等。强化学习在机器人足球比赛中的应用5李凡长。协调机器学习的稳定性研究1.小型微型计算6，件这剪益既，1舰油14士及划，遂，1970，男，讲师，大学主要从事计算机智能识别分98.1讲师。大学主要从事计算机识别辅助设计，络争万面的邛究与教学工作杨明1977.男。助教。硕士51王，从事计算机控制模式识别通信等方面的守究与5，亍5.牛江197.男。助教。，士守究毛主要从事计算与模式识别辅助设计网络数据库技术等方面的研究与教学，2乃1+.男教授大主要从事汁算机与模式识