摘要 | 第1-7页 |
ABSTRACT | 第7-13页 |
第一章 绪论 | 第13-22页 |
·研究背景 | 第13-17页 |
·机器学习问题 | 第13-14页 |
·两种科学哲学观 | 第14-15页 |
·神经网络 | 第15-16页 |
·流形学习 | 第16-17页 |
·高维仿生信息几何理论 | 第17-19页 |
·两种思维方式 | 第17页 |
·仿生模式识别理论 | 第17-19页 |
·本文的主要内容及意义 | 第19-20页 |
·主要内容 | 第19-20页 |
·研究意义 | 第20页 |
·论文组织结构 | 第20-22页 |
第二章 高维仿生信息几何理论的代数表示 | 第22-51页 |
·n 维欧氏空间公理化系统及基本性质 | 第22-25页 |
·公理化系统 | 第22-24页 |
·n 维欧氏空间基本性质 | 第24-25页 |
·基本几何术语及符号 | 第25-28页 |
·点到平面及平面间距离 | 第28-34页 |
·点到平面的距离 | 第28-30页 |
·两平面间距离 | 第30-34页 |
·直线与平面间夹角 | 第34-36页 |
·k _平行四边形:k _矢量 | 第36-39页 |
·k _平行四边形的k _维体积 | 第36-38页 |
·k _矢量 | 第38-39页 |
·k _单形的k _维体积 | 第39-40页 |
·重心坐标 | 第40-49页 |
·R~n 的点在重心坐标和直角坐标下的变换 | 第42-43页 |
·重心坐标下n _ 单形的体积及其应用 | 第43-46页 |
·在重心坐标下两点之间距离 | 第46-48页 |
·重心和外接球心 | 第48-49页 |
·小结 | 第49-51页 |
第三章 基于高维仿生信息几何理论的多权值神经元模型 | 第51-73页 |
·人工神经网络学习过程 | 第51-64页 |
·人工神经网络的学习 | 第51页 |
·单层感知器 | 第51-53页 |
·多层感知器 | 第53-55页 |
·RBF | 第55-59页 |
·SVM | 第59-64页 |
·多权值矢量神经元模型 | 第64-67页 |
·HSN | 第66页 |
·Ψ_3 及多自由度神经元模型 | 第66-67页 |
·基于多权值矢量神经元模型的说话人识别 | 第67-73页 |
·说话人识别概述 | 第67-68页 |
·多权值神经元模型的说话人识别训练及识别算法 | 第68-70页 |
·实验结果及分析 | 第70-73页 |
第四章 基于高维仿生信息几何理论的人脸识别研究 | 第73-97页 |
·人脸识别概述 | 第73-79页 |
·人脸识别概述 | 第73-74页 |
·人脸检测和特征提取 | 第74页 |
·人脸识别算法比较 | 第74-76页 |
·人脸识别中的两个关键问题及研究趋势 | 第76-79页 |
·基于核最小球的人脸识别算法 | 第79-83页 |
·核最小球的构造 | 第79-81页 |
·核最小球的识别算法 | 第81-82页 |
·实验结果 | 第82页 |
·结论 | 第82-83页 |
·基于Gabor 小波的人脸识别 | 第83-91页 |
·基于Gabor 小波人脸识别文献概述 | 第83页 |
·Gabor 小波 | 第83-84页 |
·Gabor 滤波 | 第84-86页 |
·最小生成树仿生模式识别算法 | 第86-88页 |
·实验结果 | 第88-90页 |
·结论 | 第90-91页 |
·基于Log-Gabor 滤波二值变换的人脸识别 | 第91-97页 |
·Log-Gabor 滤波 | 第91-92页 |
·二值变换 | 第92-93页 |
·实验结果 | 第93-96页 |
·结论 | 第96-97页 |
第五章 基于高维仿生信息几何理论的图像检索研究 | 第97-108页 |
·基于内容图像检索技术概述 | 第97-101页 |
·国内外研究现状 | 第97-98页 |
·图像表示 | 第98-100页 |
·图像的相似性度量 | 第100页 |
·研究趋势 | 第100-101页 |
·基于高维仿生信息几何理论的图像检索技术 | 第101-108页 |
·整体视觉特征 | 第101-102页 |
·区域视觉特征 | 第102-104页 |
·相关反馈技术 | 第104-107页 |
·结论 | 第107-108页 |
第六章 结论与展望 | 第108-110页 |
参考文献 | 第110-125页 |
致谢 | 第125-126页 |
攻读学位期间发表的学术论文目录 | 第126页 |