| 第一章 前言 | 第1-8页 |
| 1．1 应用背景 | 第6页 |
| 1．2 研究现状 | 第6-7页 |
| 1．3 论文组织结构 | 第7-8页 |
| 第二章 模式识别概述 | 第8-13页 |
| 2．1 模式识别系统 | 第8-9页 |
| 2．2 神经网络用于模式识别综述 | 第9-10页 |
| 2．3 一些常用的重要概念 | 第10-13页 |
| 2．3．1 模式类的紧致性 | 第10-11页 |
| 2．3．2 对训练样本的过度吻合及网络的泛化能力问题 | 第11页 |
| 2．3．3 泛化能力的统计学习理论的解释 | 第11-13页 |
| 第三章 球面领域覆盖算法简介 | 第13-21页 |
| 3．1 传统神经网络的缺点 | 第13页 |
| 3．2 球面领域模型 | 第13-14页 |
| 3．3 CSN网络的基本框架 | 第14-16页 |
| 3．4 CSN网络的实现算法 | 第16-17页 |
| 3．5 样本的归一化 | 第17-18页 |
| 3．6 CSN算法的性能分析 | 第18-21页 |
| 第四章 对球面领域的模糊化及剪枝 | 第21-38页 |
| 4．1 模糊化的引入 | 第21-22页 |
| 4．2 模糊球面领域算法 | 第22-29页 |
| 4．2．1 FCSN1算法 | 第23-25页 |
| 4．2．2 FCSN2算法 | 第25-29页 |
| 4．3 CSN、FCSN1、FCSN2算法小结 | 第29-30页 |
| 4．4 CSN网络的剪枝 | 第30-32页 |
| 4．5 CSN、FCSN网络的泛化能力 | 第32-34页 |
| 4．6 球面领域覆盖的思想在统计学上探讨 | 第34-38页 |
| 4．6．1 支持向量机（SVM） | 第34-35页 |
| 4．6．2 SVM的理论依据 | 第35-36页 |
| 4．6．3 球面领域覆盖思想与SVM | 第36-38页 |
| 第五章 模糊化球面领域在多级分类器中的应用 | 第38-44页 |
| 5．1 多级分类器概述 | 第38-39页 |
| 5．1．1 多级分类器与单级分类器 | 第38-39页 |
| 5．1．2 多级分类器的作用 | 第39页 |
| 5．2 粗分类算法 | 第39-42页 |
| 5．2．1 聚类算法的适用性 | 第39-40页 |
| 5．2．2 设计多级分类器需要考虑的问题 | 第40页 |
| 5．2．3 基于可能集的粗分类算法 | 第40-42页 |
| 5．3 一个两级分类器的设计 | 第42-44页 |
| 第六章 软件设计与开发 | 第44-48页 |
| 6．1 输入数据文件格式 | 第44-45页 |
| 6．2 软件的功能 | 第45-47页 |
| 6．3 主要程序的界面 | 第47-48页 |
| 结束语 | 第48页 |
| 致谢 | 第48-49页 |
| 参考文献 | 第49-50页 |
| 个人简历、在学期间研究成果及发表的学术论文 | 第50页 |