| 中文摘要 | 第1-4页 |
| 英文摘要 | 第4-8页 |
| 1 绪论 | 第8-16页 |
| ·选题背景及意义 | 第8-9页 |
| ·图像目标识别的国内外研究现状 | 第9-11页 |
| ·本文的主要研究内容 | 第11-13页 |
| ·本文的内容组织安排 | 第13-16页 |
| 2 图式理论概述 | 第16-26页 |
| ·引言 | 第16页 |
| ·认知心理学的图式理论 | 第16-20页 |
| ·发展过程 | 第16-17页 |
| ·现代图式理论中的图式概念 | 第17-18页 |
| ·图式的运算方法 | 第18-19页 |
| ·图式理论对人的人认知结构发展过程的描述 | 第19-20页 |
| ·人工智能领域的图式理论 | 第20-25页 |
| ·研究历程 | 第20-21页 |
| ·人工智能领域的图式含义 | 第21页 |
| ·仿人智能控制理论对图式理论的引用 | 第21-25页 |
| ·本章小结 | 第25-26页 |
| 3 联合轮廓特征矢量的建立 | 第26-46页 |
| ·引言 | 第26页 |
| ·图像预处理 | 第26-36页 |
| ·图像去噪 | 第26-32页 |
| ·边缘检测 | 第32-36页 |
| ·联合轮廓特征矢量 | 第36-42页 |
| ·轮廓提取 | 第36-38页 |
| ·轮廓绘制 | 第38-39页 |
| ·轮廓矩不变特征 | 第39-41页 |
| ·轮廓几何特征 | 第41-42页 |
| ·联合轮廓特征矢量的建立 | 第42页 |
| ·实验验证 | 第42-43页 |
| ·本章小结 | 第43-46页 |
| 4 图像目标识别系统感知图式的 ART2 网络描述 | 第46-62页 |
| ·引言 | 第46-47页 |
| ·ART2 网络 | 第47-50页 |
| ·ART2 网络的结构 | 第47-48页 |
| ·ART2 网络的运算规则 | 第48-49页 |
| ·ART2 网络的学习规则 | 第49-50页 |
| ·ART2 网络的改进 | 第50-56页 |
| ·活跃度 | 第50-53页 |
| ·警戒值调节机制 | 第53-54页 |
| ·改进的ART2 网络的具体计算步骤 | 第54-56页 |
| ·基于改进的ART2 网络的图像目标识别系统 | 第56-61页 |
| ·感知图式在图像目标识别系统中的实现 | 第56-58页 |
| ·改进的ART2 网络对认知过程的模拟 | 第58-61页 |
| ·本章小结 | 第61-62页 |
| 5 仿真实验 | 第62-76页 |
| ·图像采集 | 第62-63页 |
| ·提取样本的联合轮廓特征矢量 | 第63-65页 |
| ·分类对比实验 | 第65-75页 |
| ·交替样本快速学习下的稳定性-可塑性对比 | 第65-69页 |
| ·连续样本快速学习下的稳定性-可塑性对比 | 第69-72页 |
| ·交替样本慢速学习不同警戒值分类性能对比 | 第72-73页 |
| ·连续样本慢速学习不同警戒值分类性能对比 | 第73-75页 |
| ·实验结论 | 第75-76页 |
| 6 结束语 | 第76-78页 |
| ·本文研究工作的总结 | 第76页 |
| ·对后续工作的展望 | 第76-78页 |
| 致谢 | 第78-80页 |
| 参考文献 | 第80-84页 |
| 附录 | 第84页 |
| A 作者在攻读学位期间发表的论文目录 | 第84页 |
| B 作者在攻读学位期间取得的科研成果目录 | 第84页 |