仿生模式识别应用研究
| 摘要 | 第1-7页 |
| Abstract | 第7-11页 |
| 0 前言 | 第11-13页 |
| 1 传统模式识别 | 第13-21页 |
| ·模式识别发展史 | 第13-14页 |
| ·模式识别基本概念 | 第14-15页 |
| ·模式识别系统构成 | 第15-16页 |
| ·模式识别的基本方法 | 第16-18页 |
| ·传统模式识别的局限性 | 第18-20页 |
| ·本章小结 | 第20-21页 |
| 2 仿生模式识别理论概述 | 第21-28页 |
| ·仿生模式识别基本概念 | 第21-22页 |
| ·仿生模式识别与传统模式识别的区别 | 第22-25页 |
| ·认知理论的差别 | 第22-24页 |
| ·数学模型的差异 | 第24-25页 |
| ·仿生模式识别的基点——同源连续性原理 | 第25-27页 |
| ·本章小结 | 第27-28页 |
| 3 仿生模式识别的数学工具 | 第28-42页 |
| ·高维空间几何学基本理论 | 第28-35页 |
| ·高维空间几何学基本概念 | 第29-30页 |
| ·点、线、超平面的相互关系 | 第30-33页 |
| ·高维空间中的体积问题 | 第33-35页 |
| ·高维空间中几何覆盖相关理论研究 | 第35-41页 |
| ·高维空间中的点分布 | 第35-37页 |
| ·点覆盖 | 第37-41页 |
| ·覆盖 | 第37-38页 |
| ·覆盖比 | 第38-39页 |
| ·局部顶点覆盖 | 第39-40页 |
| ·覆盖积 | 第40-41页 |
| ·本章小结 | 第41-42页 |
| 4 仿生模式识别的神经网络实现及其应用 | 第42-55页 |
| ·仿生模式识别与神经网络 | 第43-44页 |
| ·人工神经网络高维空间几何分析 | 第44-48页 |
| ·人工神经元模型及其功能 | 第44-46页 |
| ·神经元高维空间几何理解 | 第46-48页 |
| ·基于仿生模式识别的不同形态物体图像的识别 | 第48-54页 |
| ·PCA 特征提取 | 第48-49页 |
| ·多权值神经元网络构建、样本训练及识别 | 第49-50页 |
| ·实验及分析 | 第50-54页 |
| ·本章小结 | 第54-55页 |
| 5 总结与展望 | 第55-57页 |
| ·现阶段工作总结 | 第55页 |
| ·展望 | 第55-57页 |
| 参考文献 | 第57-60页 |
| 致谢 | 第60-61页 |
| 个人简历 | 第61页 |
| 作者攻读硕士学位期间发表论文 | 第61页 |
