| 摘要 | 第1-6页 |
| ABSTRACT | 第6-12页 |
| 第一章 绪论 | 第12-16页 |
| ·引言 | 第12-13页 |
| ·研究背景及意义 | 第13-14页 |
| ·本文的贡献及内容组织 | 第14-16页 |
| ·本文的贡献 | 第14页 |
| ·本文的内容组织 | 第14-16页 |
| 第二章 ART2神经网络的基本结构及工作原理 | 第16-32页 |
| ·自适应谐振体系结构 | 第16-19页 |
| ·ART1:二进制输入模型 | 第19页 |
| ·ART2:模拟输入模型 | 第19-24页 |
| ·ART2网络的设计原则 | 第24-27页 |
| ·ART2神经网络的工作原理 | 第27-30页 |
| ·本章小结 | 第30-32页 |
| 第三章 ART2改进算法的验证及分析 | 第32-40页 |
| ·基于记忆强度的ART2算法 | 第32-37页 |
| ·艾宾浩斯记忆遗忘曲线 | 第32-33页 |
| ·算法步骤 | 第33-34页 |
| ·实验模拟研究 | 第34-35页 |
| ·实验分析结果 | 第35-37页 |
| ·本章小结 | 第37-40页 |
| 第四章 人脸图像的降维方法 | 第40-54页 |
| ·人脸图像的预处理 | 第40-44页 |
| ·图像的积分投影方法 | 第41页 |
| ·人脸轮廓的确定 | 第41-44页 |
| ·主成分分析(PCA)方法 | 第44-49页 |
| ·PCA算法原理 | 第44-45页 |
| ·人脸识别的简单分类准则 | 第45页 |
| ·实验过程与结果 | 第45-49页 |
| ·小波变换在图像降维中的应用 | 第49-53页 |
| ·二维离散小波变换 | 第50-51页 |
| ·基于二维小波变换的人脸图像降维 | 第51-53页 |
| ·本章小结 | 第53-54页 |
| 第五章 基于记忆强度的ART2网络对人脸识别的影响 | 第54-60页 |
| ·具有记忆强度的ART2网络对人脸样本的识别率研究 | 第54-55页 |
| ·具有记忆强度的ART2网络对人脸样本的识别速度研究 | 第55-58页 |
| ·实验样本一的实验结果与分析 | 第57页 |
| ·实验样本二和实验样本三的实验结果与分析 | 第57-58页 |
| ·本章小结 | 第58-60页 |
| 第六章 总结及展望 | 第60-62页 |
| ·总结 | 第60-61页 |
| ·展望 | 第61-62页 |
| 参考文献 | 第62-64页 |
| 致谢 | 第64-66页 |
| 研究成果及发表的学术论文 | 第66-68页 |
| 作者及导师简介 | 第68-70页 |
| 硕士研究生学位论文答辩委员会决议书 | 第70-71页 |
