目前该手写体识别系统主要分为 预处理模块： 主要包括训练数据和识别数据的读取，归一化，二值化 特征提取模块：主要包括笔划方向特征和网格密度特征，还可以根据对识别率的要求继续增加其他特征 识别（分类器）模块：主要包括SVM方法和BP神经网络的方法，其中SVM方法的识别率较高，SVM＋网格密度特征， 在小字符集情况下，达到了识别率97％以上 采用OO思想编写，适合做二次开发-currently the handwriting recognition system consists of pretre

：基于脑电信号的身份识别是通过采集试验者的脑部信号来进行身份认证。对于同一个外部刺激或者主体在思考同一个 事件的时候，不同人的大脑所产生的认知脑电信号不同。选取与运动意识想象有关的电极后，分析不同个体在特定状况下脑 电的个体差异，采用以回归系数、能量谱密度、相同步、线性复杂度多种信号处理结合方法对运动想象脑电信号进行处理来 进行特征提取。组合多元特征向量并运用多层BP 神经网络对不同个体的脑电信号进行分类，并在不同的意识想象及不同数 据长度、不同的波段对试验者进行识别率验证分析。