| 第一章 序言 | 第1-12页 |
| 1 协同神经网络基本理论和研究现状 | 第6-9页 |
| ·协同学及协同计算机介绍 | 第6-7页 |
| ·协同神经网络的基本思想 | 第7-8页 |
| ·协同神经网络的研究现状 | 第8-9页 |
| 2 经典Haken协同神经网络的优点和存在的不足 | 第9-10页 |
| ·经典Haken协同网络的优点 | 第9页 |
| ·经典Haken网络存在的不足 | 第9-10页 |
| 3 本课题的项目背景介绍 | 第10-11页 |
| ·基于协同神经网络的淋巴瘤分类器的重要意义 | 第10页 |
| ·项目研究的主要问题 | 第10-11页 |
| 4 本论文的主要工作 | 第11页 |
| 5 本章小结 | 第11-12页 |
| 第二章 经典Haken协同神经网络结构分析 | 第12-21页 |
| 1 协同神经网络总体结构 | 第12页 |
| 2 匹配子网结构及工作原理分析 | 第12-13页 |
| 3 匹配子网工作过程试验演示 | 第13-15页 |
| 4 协同竞争子网结构及工作原理分析 | 第15-16页 |
| 5 协同竞争子网工作过程试验演示 | 第16-18页 |
| 6 非平衡注意参数的竞争子网 | 第18-19页 |
| 7 协同神经网络优点 | 第19-20页 |
| 8 本章小结 | 第20-21页 |
| 第三章 协同匹配子网中关键技术的现状研究及改进 | 第21-49页 |
| 1 协同匹配子网中的关键技术问题 | 第21-22页 |
| 2 改进协同匹配子网关键技术问题的思路 | 第22-23页 |
| 3 原型选择算法 | 第23-34页 |
| ·基于遗传算法的原型选择算法 | 第23页 |
| ·基于C-均值聚类算法的原型选择算法 | 第23-24页 |
| ·基于近邻函数准则算法的动态聚类的原型选择算法 | 第24-34页 |
| ·近邻函数准则原理 | 第24-26页 |
| ·基于近邻函数准则算法的动态聚类原型选择算法过程 | 第26-27页 |
| ·实验结果及讨论 | 第27-33页 |
| ·有监督的近邻函数原型选择算法 | 第33-34页 |
| 4 转变特征空间的方法 | 第34-41页 |
| ·傅立叶模式空间变换 | 第34-35页 |
| ·基于核函数的空间变换 | 第35-36页 |
| ·基于对象特征的协同模式识别方法 | 第36-41页 |
| ·基于对象特征的协同模式识别模型 | 第36-37页 |
| ·SCAP法构造原型特征向量 | 第37-38页 |
| ·邻近次序法定义特征间的相似度 | 第38页 |
| ·基于对象特征的协同模式识别的算法 | 第38-39页 |
| ·实验结果及讨论 | 第39-41页 |
| 5 原型矩阵的伴随矩阵迭代算法及改进 | 第41-44页 |
| ·Haken伴随矩阵迭代算法 | 第41页 |
| ·求伪逆算法 | 第41-43页 |
| ·实验结果及讨论 | 第43-44页 |
| 6 重构序参量的算法 | 第44-48页 |
| ·基于遗传算法的序参量重构算法 | 第44页 |
| ·一种直接求相似度的序参量重构算法 | 第44-45页 |
| ·剩余矢量W的最小化 | 第45-46页 |
| ·实验结果和讨论 | 第46-48页 |
| 7 本章小结 | 第48-49页 |
| 第四章 协同网络竞争子网中关键问题的研究现状及改进 | 第49-61页 |
| 1 竞争子网中的关键技术问题 | 第49页 |
| 2 改进协同竞争子网的思路 | 第49-50页 |
| 3 自适应注意参数选择的算法 | 第50-55页 |
| ·基于遗传算法的注意参数选择算法 | 第50页 |
| ·基于奖惩学习机制的注意参数训练算法 | 第50-51页 |
| ·动态注意参数的选择算法 | 第51-55页 |
| ·基于平均灰度的动态注意参数的选择算法 | 第51-52页 |
| ·基于均方差的动态注意参数的选择算法 | 第52-53页 |
| ·基于直接相似度的动态注意参数选择算法 | 第53-54页 |
| ·基于临近度的动态注意参数选择算法 | 第54-55页 |
| 4 快速Haken协同神经网络算法 | 第55-60页 |
| ·平衡注意参数快速协同网络 | 第55-58页 |
| ·平衡注意参数快速协同网络原理 | 第55-56页 |
| ·实验结果及讨论 | 第56-58页 |
| ·不平衡注意参数快速协同神经网络 | 第58-60页 |
| ·不平衡注意参数快速协同神经网络的原理 | 第58-59页 |
| ·实验结果及讨论 | 第59-60页 |
| 5 本章小结 | 第60-61页 |
| 第五章 协同神经网络的应用 | 第61-70页 |
| 1 协同分类器模型 | 第61页 |
| 2 基于协同的淋巴瘤分类器 | 第61-64页 |
| ·主要算法选择 | 第61-62页 |
| ·基于协同的淋巴瘤分类器运行步骤 | 第62页 |
| ·实验结果及讨论 | 第62-64页 |
| 3 基于协同的人脸分类器 | 第64-69页 |
| ·主要算法选择 | 第64页 |
| ·基于协同的人脸分类器运行步骤 | 第64-65页 |
| ·实验结果及讨论 | 第65-69页 |
| 4 本章小节 | 第69-70页 |
| 结束语 | 第70-71页 |
| 感谢 | 第71页 |
| 参考文献 | 第71-73页 |