| 第一章 序言 | 第1-12页 |
| 1．1 课题的研究意义 | 第10-11页 |
| 1．2 本文的主要工作内容 | 第11-12页 |
| 第二章 输入信号的二值编码 | 第12-21页 |
| 2．1 基于阈值的信号二值编码法 | 第12-15页 |
| 2．2 基于邻域统计信息的峰值检测法 | 第15-20页 |
| 2．2．1 算法的提出 | 第15-17页 |
| 2．2．2 算法描述与对比试验 | 第17-20页 |
| 2．3 本章小结 | 第20-21页 |
| 第三章 联想记忆网络的学习算法和输出表达 | 第21-28页 |
| 3．1 联想记忆和神经网络简介 | 第21-22页 |
| 3．2 网络的学习算法 | 第22-25页 |
| 3．2．1 基于特征结构的权值计算法介绍 | 第23-24页 |
| 3．2．2 算法实现实验 | 第24-25页 |
| 3．3 联想记忆网络输出的有效表达 | 第25-27页 |
| 3．3．1 三阶联想记忆网络作为模式识别分类器 | 第25-26页 |
| 3．3．2 基于模式相似度的AM网络输出判决法 | 第26-27页 |
| 3．4 本章小结 | 第27-28页 |
| 第四章 联想记忆网络的样本选择 | 第28-47页 |
| 4．1 联想记忆网络的样本选择试验 | 第28-39页 |
| 4．1．1 记忆样本选取方法一 | 第29-31页 |
| 4．1．2 记忆样本选取方法二 | 第31-32页 |
| 4．1．3 记忆样本选取方法三 | 第32-39页 |
| 4．2 基于聚类和多类别综合判决的样本选择方法 | 第39-45页 |
| 4．2．1 方法介绍及实验验证 | 第39-43页 |
| 4．2．2 实验结果分析 | 第43-45页 |
| 4．3 本章小结 | 第45-47页 |
| 第五章 待识别模式的特征深入分析 | 第47-58页 |
| 5．1 待识别模式的特征再分析 | 第47-48页 |
| 5．2 关于待识别模式的三种特征信息对识别结果影响的实验 | 第48-56页 |
| 5．2．1 实验思想的提出： | 第48-49页 |
| 5．2．2 实验结果介绍： | 第49-56页 |
| 5．3 对待识别模式旋转，平移，缩放后特征的分析 | 第56-57页 |
| 5．4 本章小结 | 第57-58页 |
| 第六章 基于信息融合技术的形状识别系统初步研究 | 第58-72页 |
| 6．1 信息融合技术用于目标识别 | 第58-62页 |
| 6．1．1 D-S证据理论介绍 | 第58-60页 |
| 6．1．2 结合多源信息的Dempster准则 | 第60页 |
| 6．1．3 基本概率赋值的获取 | 第60-62页 |
| 6．2． 基于信息融合技术的形状识别系统设计方案 | 第62-69页 |
| 6．2．1 系统结构 | 第62-64页 |
| 6．2．2 参数优化 | 第64-69页 |
| 6．3 系统初步实现及实验验证 | 第69-70页 |
| 6．4 本章工作小结 | 第70-72页 |
| 第七章 展望与回顾 | 第72-75页 |
| 7．1 回顾 | 第72页 |
| 7．2 展望 | 第72-75页 |
| 参考文献 | 第75-78页 |