| 摘要 | 第1-6页 |
| ABSTRACT | 第6-9页 |
| 第一章 绪论 | 第9-19页 |
| ·人工智能发展动态 | 第9-11页 |
| ·不确定性人工智能 | 第9-10页 |
| ·不确定性人的研究动态 | 第10-11页 |
| ·模糊神经网络的发展动态 | 第11-15页 |
| ·人工神经网络简介 | 第11-12页 |
| ·模糊神经网络简介及发展动态概述 | 第12-13页 |
| ·模糊HOPFIELD 神经网络简介 | 第13-15页 |
| ·模式识别的发展动态 | 第15-16页 |
| ·研究的目的和意义 | 第16-17页 |
| ·本文主要工作简介 | 第17-19页 |
| 第二章 一类模糊 HOPFIELD 网络的摄动性质 | 第19-35页 |
| ·基于T-模的模糊HOPFIELD 网络簇 | 第19页 |
| ·基于MAX-T 模的模糊HOPFIELD 网络的学习算法 | 第19-24页 |
| ·T 模及相关的基本概念 | 第19-22页 |
| ·MAX-T 模糊HOPFIELD 网络的通用学习算法 | 第22页 |
| ·采用通用学习算法时MAX-T 模糊HOPFIELD 网络的性质 | 第22-24页 |
| ·已知规则和模式的不确定性发生的情形 | 第24-25页 |
| ·训练模式摄动对MAX-T 模糊HOPFIELD 网络的性能的影响 | 第25-33页 |
| ·相关定义及引理 | 第25-28页 |
| ·MAX-T 模糊HOPFIELD 网络的鲁棒性的分析 | 第28-30页 |
| ·仿真实验 | 第30-33页 |
| ·本章小结 | 第33-35页 |
| 第三章 MAX-T 模糊HOPFIELD 网络的应用 | 第35-45页 |
| ·模糊HOPFIELD 网络的应用 | 第35页 |
| ·车型识别的背景 | 第35-36页 |
| ·车型识别相关技术 | 第36-41页 |
| ·图像恢复 | 第37页 |
| ·图像分割 | 第37-39页 |
| ·图像的二值化 | 第39-40页 |
| ·车辆轮廓提取 | 第40页 |
| ·模糊模式识别 | 第40-41页 |
| ·车型分类标准 | 第41-42页 |
| ·基于MAX-T 模糊HOPFIELD 网络的车型识别 | 第42-44页 |
| ·特征的提取 | 第42-43页 |
| ·MAX-T 模糊HOPFIELD 网络的训练 | 第43页 |
| ·MAX-T 模糊HOPFIELD 网络对特征向量的处理 | 第43-44页 |
| ·车型分类 | 第44页 |
| ·本章小结 | 第44-45页 |
| 第四章 车型识别实验 | 第45-53页 |
| ·实验环境 | 第45页 |
| ·实验过程 | 第45-51页 |
| ·实验结果与分析 | 第51-52页 |
| ·本章小结 | 第52-53页 |
| 结束语 | 第53-55页 |
| 参考文献 | 第55-59页 |
| 致谢 | 第59-60页 |
| 附录 A（攻读学位期间发表论文目录） | 第60-61页 |
| 详细摘要 | 第61-67页 |
