| 摘要 | 第1-5页 |
| Abstract | 第5-7页 |
| 第一章 绪论 | 第7-10页 |
| ·课题的研究背景与意义 | 第7-8页 |
| ·本文的主要内容与组织结构 | 第8-10页 |
| 第二章 第二类样条权函数神经网络人工神经网络 | 第10-17页 |
| · | 第10-13页 |
| ·人工神经网络介绍 | 第10-11页 |
| ·人工神经网络的学习规则 | 第11-13页 |
| ·第二类权函数神经网络 | 第13-16页 |
| ·第二类权函数神经网络的拓扑结构 | 第13-14页 |
| ·第二类权函数神经网络的训练算法 | 第14-16页 |
| ·本章小结 | 第16-17页 |
| 第三章 第二类权函数神经网络算法复杂度研究 | 第17-37页 |
| ·算法复杂度的定义 | 第17-19页 |
| ·三次样条插值函数 | 第19-21页 |
| ·三次样条插值函数的建立 | 第19页 |
| ·三次样条插值函数的求解 | 第19-21页 |
| ·第二类权函数神经网络算法复杂度的计算 | 第21-28页 |
| ·第二类权函数神经网络的时间复杂度分析 | 第22-28页 |
| ·第二类样条权函数神经网络算法时间复杂度的仿真实验 | 第28-36页 |
| ·实验环境介绍和网络拓扑结构 | 第28页 |
| ·实验过程与结果分析 | 第28-36页 |
| ·本章小结 | 第36-37页 |
| 第四章 第二类样条权函数神经网络在人脸朝向识别中的应用 | 第37-51页 |
| ·人脸识别系统 | 第37-38页 |
| ·使用主成分分析方法进行人脸朝向检测 | 第38-41页 |
| ·PCA 的定义和基本计算方法 | 第38-39页 |
| ·使用主成分分析提取人脸朝向特征 | 第39-41页 |
| ·基于神经网络的人脸朝向识别方法 | 第41-45页 |
| ·基于 PCA 的像素矩阵的降维处理 | 第41-42页 |
| ·BP 神经网络的人脸识别模型 | 第42-44页 |
| ·第二类权函数神经网络的人脸识别模型 | 第44-45页 |
| ·仿真实验 | 第45-50页 |
| ·本章小结 | 第50-51页 |
| 第五章 总结与展望 | 第51-52页 |
| ·本文总结 | 第51页 |
| ·课题展望 | 第51-52页 |
| 参考文献 | 第52-56页 |
| 附录 1 程序清单 | 第56-57页 |
| 附录 2 攻读硕士学位期间撰写的论文 | 第57-58页 |
| 致谢 | 第58页 |