| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-12页 |
| 1.1 课题的研究背景与意义 | 第8-9页 |
| 1.2 本课题的研究内容与成果 | 第9-10页 |
| 1.3 本文的主要内容与组织结构 | 第10-11页 |
| 1.4 本文的研究与创新工作 | 第11页 |
| 1.4.1 本文的研究工作 | 第11页 |
| 1.4.2 本文的创新工作 | 第11页 |
| 1.5 本章小结 | 第11-12页 |
| 第二章 相关背景知识介绍 | 第12-23页 |
| 2.1 神经网络简介 | 第12-17页 |
| 2.1.1 生物神经元模型 | 第12-13页 |
| 2.1.2 人工神经元模型 | 第13-14页 |
| 2.1.3 神经网络拓扑结构 | 第14-15页 |
| 2.1.4 神经网络学习规则 | 第15-16页 |
| 2.1.5 传统神经网络简介 | 第16-17页 |
| 2.2 权函数神经网络简介 | 第17-20页 |
| 2.2.1 权函数神经网络的拓扑结构 | 第17页 |
| 2.2.2 第一类权函数神经网络的理论概念 | 第17-20页 |
| 2.3 算法复杂度研究 | 第20-22页 |
| 2.3.1 算法的时间复杂度概念 | 第20-22页 |
| 2.3.2 算法的空间复杂度概念 | 第22页 |
| 2.4 本章小结 | 第22-23页 |
| 第三章 第一类正交权函数神经网络复杂度分析 | 第23-39页 |
| 3.1 第一类正交权函数神经网络概念介绍 | 第23-28页 |
| 3.1.1 第一类正交权函数神经网络一般性结构 | 第23-24页 |
| 3.1.2 第一类正交权函数神经网络学习算法 | 第24-25页 |
| 3.1.3 正交函数族及其性质 | 第25-28页 |
| 3.2 第一类正交权函数的求解 | 第28-30页 |
| 3.2.1 最小二乘拟合 | 第28-29页 |
| 3.2.2 第一类正交权函数的求解 | 第29-30页 |
| 3.3 第一类正交权函数神经网络算法时间复杂度 | 第30-34页 |
| 3.4 第一类正交权函数神经网络算法复杂度仿真实验 | 第34-38页 |
| 3.4.1 实验环境介绍 | 第34页 |
| 3.4.2 实验步骤与结果 | 第34-38页 |
| 3.5 本章小结 | 第38-39页 |
| 第四章 第一类正交（张量）权函数神经网络 | 第39-48页 |
| 4.1 奇异样本问题 | 第39-40页 |
| 4.2 张量概念及坐标变换 | 第40-43页 |
| 4.2.1 张量基本概念 | 第40-41页 |
| 4.2.2 坐标系基本概念 | 第41-42页 |
| 4.2.3 张量坐标变换 | 第42-43页 |
| 4.3 第一类正交（张量）权函数神经网络训练样本变换 | 第43-45页 |
| 4.4 奇异样本张量转换实验 | 第45-47页 |
| 4.4.1 实验环境介绍 | 第45页 |
| 4.4.2 实验步骤与结果 | 第45-47页 |
| 4.5 本章小结 | 第47-48页 |
| 第五章 第一类正交权函数神经网络在人脸识别中的应用 | 第48-60页 |
| 5.1 人脸识别研究背景 | 第48-50页 |
| 5.1.1 人脸识别背景介绍 | 第48-49页 |
| 5.1.2 人脸识别技术的优势与挑战 | 第49-50页 |
| 5.2 人脸识别技术简介 | 第50-55页 |
| 5.2.1 人脸图像识别技术过程 | 第50-51页 |
| 5.2.2 人脸图像预处理方法 | 第51-54页 |
| 5.2.3 人脸图像特征提取 | 第54-55页 |
| 5.3 第一类正交权函数神经网络人脸识别分类器 | 第55-56页 |
| 5.4 人脸识别仿真实验 | 第56-59页 |
| 5.4.1 第一类正交权函数人脸识别应用实验 | 第56-57页 |
| 5.4.2 实验结果与分析 | 第57-59页 |
| 5.5 本章小结 | 第59-60页 |
| 第六章 总结与展望 | 第60-62页 |
| 6.1 本文工作总结 | 第60页 |
| 6.2 本文工作展望 | 第60-62页 |
| 参考文献 | 第62-65页 |
| 附录 1 程序清单 | 第65-66页 |
| 附录 2 攻读硕士学位期间撰写的论文 | 第66-67页 |
| 致谢 | 第67页 |
