| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-11页 |
| ·研究背景和意义 | 第7页 |
| ·动态模糊神经网络的提出 | 第7-8页 |
| ·动态模糊神经网络的特点 | 第8页 |
| ·课题研究的现状概述 | 第8-9页 |
| ·本文的研究内容 | 第9-10页 |
| ·本文的组织结构 | 第10-11页 |
| 第二章 基础理论及算法 | 第11-28页 |
| ·动态模糊神经网络的结构 | 第11-12页 |
| ·动态模糊神经网络的学习算法 | 第12-17页 |
| ·模糊规则产生准则 | 第12-13页 |
| ·前提参数确定 | 第13-14页 |
| ·权值的确定 | 第14-15页 |
| ·规则修剪技术 | 第15-17页 |
| ·张量脸算法 | 第17-19页 |
| ·补偿模糊神经元 | 第19-20页 |
| ·积极模糊神经元 | 第19页 |
| ·消极模糊神经元 | 第19页 |
| ·补偿模糊神经元 | 第19-20页 |
| ·动态模糊神经网络的一般应用 | 第20-26页 |
| ·函数逼近 | 第20-22页 |
| ·非线性动态系统辨识 | 第22-25页 |
| ·时间序列预测 | 第25-26页 |
| ·本章小结 | 第26-28页 |
| 第三章 动态模糊神经网络在人脸识别中的应用 | 第28-35页 |
| ·引言 | 第28页 |
| ·人脸特征提取 | 第28-30页 |
| ·主元分析法PCA | 第28-29页 |
| ·基于状态估计的张量分解方法 | 第29-30页 |
| ·实验与分析 | 第30页 |
| ·基于动态模糊神经网络的人脸识别分类器设计 | 第30-34页 |
| ·Weizman 人脸数据库 | 第31-32页 |
| ·分类器设计 | 第32-33页 |
| ·实验结果分析 | 第33-34页 |
| ·本章小结 | 第34-35页 |
| 第四章 改进的动态模糊神经网络及其在人脸识别中的应用 | 第35-41页 |
| ·引言 | 第35页 |
| ·动态补偿模糊神经网络的结构 | 第35-36页 |
| ·动态补偿模糊神经网络的学习算法 | 第36-37页 |
| ·实验与分析 | 第37-40页 |
| ·ORL 人脸数据库 | 第37-38页 |
| ·Weizmann 人脸数据库 | 第38页 |
| ·实验结果比较 | 第38-40页 |
| ·本章小结 | 第40-41页 |
| 第五章 广义的动态模糊神经网络及应用 | 第41-49页 |
| ·引言 | 第41页 |
| ·广义的动态模糊神经网络的结构 | 第41-42页 |
| ·广义的动态模糊神经网络的学习算法 | 第42-46页 |
| ·规则产生准则 | 第42-44页 |
| ·输入变量的敏感性 | 第44页 |
| ·高斯函数宽度修正 | 第44-46页 |
| ·实验 | 第46-48页 |
| ·本章小结 | 第48-49页 |
| 第六章 总结与展望 | 第49-51页 |
| ·本文总结 | 第49-50页 |
| ·研究展望 | 第50-51页 |
| 致谢 | 第51-52页 |
| 参考文献 | 第52-56页 |
| 附录：作者在攻读硕士学位期间发表的论文 | 第56页 |