| 摘要 | 第1-5页 |
| Abstract | 第5-7页 |
| 目录 | 第7-9页 |
| 第一章 引言 | 第9-14页 |
| ·人工神经网络的发展 | 第9-10页 |
| ·人工神经网络基本特征及应用 | 第10-11页 |
| ·人脸检测简介 | 第11-12页 |
| ·数据挖掘简介 | 第12-13页 |
| ·本文研究内容及章节安排 | 第13-14页 |
| 第二章 人工神经网络概述 | 第14-22页 |
| ·脑神经系统与生物神经元 | 第14-15页 |
| ·脑神经系统 | 第14页 |
| ·生物神经元 | 第14-15页 |
| ·人工神经元 | 第15-17页 |
| ·M-P 模型 | 第15-16页 |
| ·人工神经元的分类 | 第16-17页 |
| ·人工神经网络 | 第17-22页 |
| ·人工神经网络的拓扑结构 | 第17-19页 |
| ·人工神经网络的学习机制 | 第19-22页 |
| 第三章 基于BP 网络的人脸检测系统 | 第22-41页 |
| ·前言 | 第22-23页 |
| ·系统设计目标 | 第23-24页 |
| ·系统框架及实现 | 第24-28页 |
| ·BP 神经网络简介 | 第28-33页 |
| ·BP 网络结构 | 第28-29页 |
| ·BP 学习算法 | 第29-33页 |
| ·人脸检测系统中的BP 神经网络 | 第33-38页 |
| ·改进的BP 网络结构 | 第33-34页 |
| ·改进的BP 学习算法 | 第34-35页 |
| ·BP 网络的学习样本选择及自举训练 | 第35-38页 |
| ·计算机实验 | 第38-40页 |
| ·实验方法 | 第38页 |
| ·结果及分析 | 第38-40页 |
| ·小结 | 第40-41页 |
| 第四章 基于GHSOM 网络的一种类别型数据的聚类方法 | 第41-60页 |
| ·前言 | 第41-43页 |
| ·数据挖掘中的聚类 | 第41-42页 |
| ·类别型数据的聚类 | 第42-43页 |
| ·一种新型的类别型数据量化方法 | 第43-47页 |
| ·问题描述 | 第43页 |
| ·量化方法 | 第43-45页 |
| ·量化方法的讨论 | 第45-46页 |
| ·向量降维——IFF 方法 | 第46-47页 |
| ·GHSOM 网络简介 | 第47-52页 |
| ·SOM 网络与自组织映射学习算法 | 第47-48页 |
| ·GHSOM 网络结构 | 第48-49页 |
| ·GHSOM 训练过程 | 第49-52页 |
| ·类别型数据聚类中的GHSOM 神经网络 | 第52-56页 |
| ·GHSOM 训练过程的缺陷 | 第52-53页 |
| ·改进的GHSOM 训练过程 | 第53-54页 |
| ·改进的自组织映射学习算法 | 第54-56页 |
| ·计算机实验 | 第56-59页 |
| ·实验方法 | 第56页 |
| ·结果及其分析 | 第56-59页 |
| ·小结 | 第59-60页 |
| 第五章 结束语 | 第60-62页 |
| 参考文献 | 第62-65页 |
| 致谢 | 第65-66页 |
| 作者简介 | 第66页 |