| 1 引言 | 第1-13页 |
| ·系统中的信息处理 | 第6-7页 |
| ·监督学习与非监督学习 | 第7-9页 |
| ·生物视觉与计算机视觉 | 第9-12页 |
| ·视觉的生物模型 | 第9-10页 |
| ·计算机视觉 | 第10-12页 |
| ·本文的工作 | 第12-13页 |
| 2 自组织学习原理与模型 | 第13-24页 |
| ·自组织的定义与原则 | 第13-14页 |
| ·自组织映射(SOM)及其讨论 | 第14-17页 |
| ·概述 | 第14-15页 |
| ·SOM特性分析 | 第15-16页 |
| ·多层次SOM(HSOM) | 第16-17页 |
| ·非监督学习与主分量分析 | 第17-24页 |
| ·Hebb规则与Hebbian学习 | 第17-21页 |
| ·PCA网络在图象分割中的应用 | 第21-24页 |
| 3 Gabor滤波器在文字识别和纹理分割中的应用 | 第24-38页 |
| ·Gabor滤波器的原理 | 第24-28页 |
| ·引言 | 第24-25页 |
| ·Gabor测不准原理及图象的2-D表征 | 第25-27页 |
| ·Gabor子波 | 第27-28页 |
| ·Gabor滤波器在纹理分割中的应用 | 第28-33页 |
| ·采用Gabor滤波和自组织映射的一个汉字识别系统 | 第33-38页 |
| ·背景介绍 | 第33页 |
| ·滤波器的设定 | 第33-34页 |
| ·实验数据介绍 | 第34页 |
| ·网络计算过程分析 | 第34-37页 |
| ·实验结果讨论 | 第37-38页 |
| 4 视觉感受场的自组织学习 | 第38-51页 |
| ·引言：视觉感受场的学习问题 | 第38-40页 |
| ·计算模型 | 第40-43页 |
| ·Barrow的竞争Hebbian学习 | 第40页 |
| ·自组织Hebbian学习(SOHL) | 第40-43页 |
| ·感受场的自组织学习 | 第43-47页 |
| ·多分辨率图象金字塔的构造 | 第43-44页 |
| ·局部频率值的估计 | 第44-45页 |
| ·采用自组织Hebbian学习的计算模型 | 第45-47页 |
| ·仿真结果及讨论 | 第47-51页 |
| ·实验描述 | 第47-48页 |
| ·感受场的选择性 | 第48-50页 |
| ·讨论和比较 | 第50-51页 |
| 参考文献 | 第51-61页 |
| 附录 | 第61-62页 |
| Acknowledgement | 第62页 |