| 摘要 | 第1-3页 |
| Abstract | 第3-6页 |
| 前言 | 第6-8页 |
| 第一章 推广的矢量量化数字图像编码 | 第8-15页 |
| ·K 均值聚类算法 | 第8-10页 |
| ·模式相似性测度 | 第8-9页 |
| ·K 均值聚类算法 | 第9-10页 |
| ·推广的矢量量化编码 | 第10-15页 |
| ·编码方法 | 第10-11页 |
| ·码书的设计 | 第11页 |
| ·深度优先的最小距离算法编码 | 第11-15页 |
| 第二章 推广的多值指数双向联想记忆模型在图像压缩中的应用 | 第15-27页 |
| ·二值双向联想记忆神经网络 | 第15-20页 |
| ·人工神经网络的基本理论知识 | 第15-17页 |
| ·二值双向联想记忆神经网络模型 | 第17-20页 |
| ·改进的多值双向联想记忆神经网络 | 第20-22页 |
| ·图像压缩实验过程 | 第22-24页 |
| ·图像数据的预处理 | 第22-23页 |
| ·码书的形成 | 第23页 |
| ·图像的压缩与解压缩过程 | 第23-24页 |
| ·实验结果分析与结论 | 第24-27页 |
| ·实验结果分析 | 第24-26页 |
| ·结论 | 第26-27页 |
| 第三章 基于神经网络的图像快速分类 | 第27-36页 |
| ·BP 网络结构及其算法 | 第27-29页 |
| ·BP 网络结构 | 第27-28页 |
| ·经典BP 算法 | 第28-29页 |
| ·SOFM 网络 | 第29-32页 |
| ·SOFM 网络结构 | 第29-30页 |
| ·SOFM 算法原理 | 第30-31页 |
| ·SOFM 学习算法 | 第31-32页 |
| ·图像分类识别实验与结论 | 第32-36页 |
| ·数据的预处理 | 第32页 |
| ·图像压缩与分类识别 | 第32-34页 |
| ·复杂性分析 | 第34-35页 |
| ·结论 | 第35-36页 |
| 参考文献 | 第36-38页 |
| 致谢 | 第38页 |