| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第一章 绪论 | 第8-11页 |
| ·课题研究背景及意义 | 第8-9页 |
| ·论文研究内容及组织结构 | 第9-11页 |
| ·论文研究内容 | 第9页 |
| ·论文组织结构 | 第9-11页 |
| 第二章 神经网络概述 | 第11-20页 |
| ·人工神经网络介绍 | 第11页 |
| ·神经元模型 | 第11-13页 |
| ·生物神经元模型 | 第11-12页 |
| ·人工神经元模型 | 第12-13页 |
| ·神经网络的拓扑结构 | 第13-14页 |
| ·神经网络主要学习算法 | 第14-15页 |
| ·神经网络的学习规则 | 第15-17页 |
| ·Hebb规则 | 第15-16页 |
| ·离散感知器学习规则 | 第16页 |
| ·δ学习规则 | 第16-17页 |
| ·Widrow-Hoff学习规则 | 第17页 |
| ·典型神经网络简介 | 第17-19页 |
| ·BP神经网络 | 第17-18页 |
| ·RBF神经网络 | 第18-19页 |
| ·本章小结 | 第19-20页 |
| 第三章 Fourier权函数神经网络及其学习算法 | 第20-49页 |
| ·多输入单输出Fourier权函数神经网络 | 第20-34页 |
| ·多输入单输出Fourier权函数神经网络模型及学习算法 | 第20-23页 |
| ·Fourier权函数及其性质 | 第23-24页 |
| ·Fourier插值权函数的确定 | 第24-27页 |
| ·多输入单输出Fourier权函数神经网络误差分析 | 第27-34页 |
| ·Fourier权函数神经网络训练算法的一般结构 | 第34-36页 |
| ·Fourier权函数神经网络训练算法的误差分析 | 第36-37页 |
| ·Fourier权函数神经网络仿真实验 | 第37-48页 |
| ·实验环境介绍和网络拓扑结构 | 第37-38页 |
| ·实验过程与结果分析 | 第38-48页 |
| ·本章小结 | 第48-49页 |
| 第四章 Fourier权函数神经网络在纹理图像识别中的应用 | 第49-63页 |
| ·图像识别的定义 | 第49页 |
| ·基于图像的模式识别方法 | 第49-52页 |
| ·统计模式识别法 | 第50页 |
| ·句法模式识别法 | 第50-51页 |
| ·模糊集模式识别法 | 第51页 |
| ·神经网络模式识别法 | 第51-52页 |
| ·纹理的定义及纹理图像识别 | 第52-53页 |
| ·基于灰度共生矩阵的纹理特征提取方法 | 第53-57页 |
| ·灰度共生矩阵的定义 | 第53-54页 |
| ·灰度共生矩阵的参数 | 第54-56页 |
| ·基于灰度共生矩阵的特征提取算法 | 第56-57页 |
| ·Fourier权函数神经网络分类器实现纹理图像识别 | 第57-58页 |
| ·实验及实验结果分析 | 第58-62页 |
| ·实验目的 | 第58页 |
| ·实验方法 | 第58-60页 |
| ·实验结果 | 第60-62页 |
| ·实验对比分析 | 第62页 |
| ·本章小结 | 第62-63页 |
| 第五章 总结及展望 | 第63-64页 |
| 致谢 | 第64-65页 |
| 参考文献 | 第65-68页 |
| 攻读硕士研究生期间发表的论文 | 第68页 |
