| 摘要 | 第1-5页 |
| Abstract | 第5-11页 |
| 第一章 绪论 | 第11-15页 |
| ·课题背景 | 第11-12页 |
| ·神经模糊技术 | 第11页 |
| ·基于神经模糊的模式识别技术 | 第11-12页 |
| ·课题目标和意义 | 第12页 |
| ·神经模糊模式识别及相关研究面临的挑战 | 第12页 |
| ·课题的研究目标和意义 | 第12页 |
| ·课题主要研究内容、特色和创新 | 第12-15页 |
| 第二章 鲁棒性的模糊聚类神经网络RFCNN | 第15-25页 |
| ·引言 | 第15页 |
| ·FCNN算法及其例外点敏感性 | 第15-16页 |
| ·具有更好鲁棒性的模糊聚类神经网络RFCNN | 第16-20页 |
| ·基于Vapnik’sε- 不敏感损失函数的网络目标函数的构造 | 第16-17页 |
| ·RFCNN算法 | 第17-20页 |
| ·仿真试验及试验分析 | 第20-23页 |
| ·本章小结 | 第23-25页 |
| 第三章 鲁棒的极大熵聚类算法RMEC及其例外点标识 | 第25-35页 |
| ·引言 | 第25页 |
| ·极大熵聚类算法MEC | 第25-26页 |
| ·鲁棒的极大熵聚类算法RMEC | 第26-29页 |
| ·改进的目标函数 | 第26-27页 |
| ·算法RMEC的推导及证明 | 第27-29页 |
| ·试验研究 | 第29-33页 |
| ·本章小结 | 第33-35页 |
| 第四章 基于视觉原理和Weber定律的TSK模糊建模 | 第35-43页 |
| ·引言 | 第35页 |
| ·视觉原理和Weber定律 | 第35页 |
| ·视觉原理 | 第35页 |
| ·Weber定律 | 第35页 |
| ·基于视觉系统原理和Weber定律的TSK模糊系统构造 | 第35-39页 |
| ·TSK模糊系统 | 第35-36页 |
| ·基于视觉原理和Weber定律的误差函数 | 第36-38页 |
| ·基于视觉目标函数的TSK模糊系统的构造 | 第38-39页 |
| ·试验研究 | 第39-42页 |
| ·本章小结 | 第42-43页 |
| 第五章 具有高度解释性和更好鲁棒性的级联加法TS型多层感知器网络 | 第43-61页 |
| ·引言 | 第43-44页 |
| ·加法TS型MLP神经网络和加法TS型模糊推理系统 | 第44-46页 |
| ·级联加法TS型MLP神经网络CATSMLP | 第46-52页 |
| ·网络结构 | 第46-48页 |
| ·CATSMLP神经网络和CATSFIS模糊系统的等价性 | 第48-51页 |
| ·演绎模糊推理 | 第48-49页 |
| ·基于演绎模糊推理的级联模糊推理系统CATSFIS | 第49页 |
| ·CATSMLP和CATSFIS之间的等价性证明 | 第49-51页 |
| ·CATSMLP神经网络的鲁棒性分析 | 第51-52页 |
| ·试验研究 | 第52-59页 |
| ·本章小结 | 第59-61页 |
| 第六章 模糊核超球感知器 | 第61-69页 |
| ·引言 | 第61页 |
| ·超球感知器 | 第61-62页 |
| ·核化超球感知器 | 第62-65页 |
| ·多类样本模糊核超球感知器分类 | 第65-66页 |
| ·试验研究 | 第66-68页 |
| ·人造样本数据 | 第66-68页 |
| ·网络下载的基准样本数据 | 第68页 |
| ·本章小结 | 第68-69页 |
| 第七章 最小最大概率模糊超椭球学习机 | 第69-83页 |
| ·引言 | 第69页 |
| ·基于最小最大概率的决策超椭球 | 第69-76页 |
| ·主要思想 | 第70-71页 |
| ·主要结论 | 第71-74页 |
| ·MPFHM算法 | 第74-76页 |
| ·核化的MPFHM | 第76-79页 |
| ·试验研究 | 第79-82页 |
| ·模拟数据集 | 第79-80页 |
| ·基准数据集 | 第80-81页 |
| ·癌基因表达数据集 | 第81-82页 |
| ·本章小结 | 第82-83页 |
| 第八章 基于最小包含球逼近的快速压缩数据集概率密度估计器及其应用 | 第83-101页 |
| ·引言 | 第83页 |
| ·压缩集密度估计器RSDE | 第83-84页 |
| ·快速的压缩集密度估计器FRSDE | 第84-88页 |
| ·MEB和核化的MEB | 第84-85页 |
| ·RSDE和MEB之间的联系 | 第85-86页 |
| ·基于Core-Set和MEB逼近的快速RSDE | 第86-88页 |
| ·基于Core-set的MEB逼近 | 第86-87页 |
| ·FRSDE | 第87-88页 |
| ·关于FRSDE的一些讨论 | 第88页 |
| ·试验研究 | 第88-100页 |
| ·逼近参数ε对FRSDE性能的影响 | 第89-90页 |
| ·密度估计性能比较研究 | 第90-95页 |
| ·FRSDE对一维多模态数据集性能 | 第90-93页 |
| ·FRSDE对多维2 模态数据集性能 | 第93-95页 |
| ·FRSDE对大规模数据集密度估计的性能 | 第95-96页 |
| ·FRSDE在大尺寸图像分割上的应用 | 第96-97页 |
| ·FRSDE在分类识别上的应用 | 第97-98页 |
| ·FRSDE在模糊建模上的应用 | 第98-100页 |
| ·本章小结 | 第100-101页 |
| 第九章 基于模糊规则自适应学习的自动弹性图像配准及其在视频跟踪中的应用 | 第101-125页 |
| ·引言 | 第101-102页 |
| ·基于模糊推理规则的弹性变换模型 | 第102-104页 |
| ·几何和特征变换的线性模型 | 第102-103页 |
| ·基于模糊规则的弹性变换模型 | 第103-104页 |
| ·模型参数的学习 | 第104-112页 |
| ·基于移动估计和SSD目标函数的模型参数自适应学习 | 第105-109页 |
| ·鲁棒的模型参数学习 | 第109-111页 |
| ·基于模糊推理规则的自动弹性图像配准算法FIR_AEIR | 第111-112页 |
| ·试验研究 | 第112-123页 |
| ·医学和遥感图像配准 | 第112-120页 |
| ·试验细节 | 第112页 |
| ·模拟图像实验 | 第112页 |
| ·真实图像实验 | 第112-118页 |
| ·性能比较 | 第118-120页 |
| ·FIR_AEIR在视频跟踪中的应用 | 第120-123页 |
| ·基于FIR_AEIR的形变视频跟踪策略 | 第120-121页 |
| ·人脸视频跟踪结果 | 第121-122页 |
| ·车辆视频跟踪结果 | 第122-123页 |
| ·本章小结 | 第123-125页 |
| 第十章 结束语 | 第125-126页 |
| 博士学位论文的主要创新点 | 第126-127页 |
| 致谢 | 第127-128页 |
| 参考文献 | 第128-136页 |
| 附录 | 第136-137页 |
| 附录1: 攻读博士学位期间撰写的与课题相关的论文列表 | 第136-137页 |
| 附录2: 攻读博士学位期间参加的科研项目列表 | 第137页 |
