基于高维仿生神经网络的图像识别与跟踪算法研究
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-13页 |
| ·课题背景与研究意义 | 第7页 |
| ·神经网络的发展、特点及其应用 | 第7-10页 |
| ·高维仿生神经网络产生的背景 | 第10-11页 |
| ·论文安排 | 第11-13页 |
| 第二章 图像识别与目标跟踪原理简介 | 第13-23页 |
| ·图像识别系统基本原理 | 第13页 |
| ·基于图像的模式识别算法 | 第13-18页 |
| ·模板匹配法 | 第13-14页 |
| ·统计模式识别法 | 第14-15页 |
| ·模糊模式识别法 | 第15-16页 |
| ·句法模式识别法 | 第16页 |
| ·人工神经网络模式识别法 | 第16-18页 |
| ·目标跟踪系统基础知识 | 第18-23页 |
| ·运动目标的检测 | 第18-19页 |
| ·运动目标的跟踪 | 第19-23页 |
| 第三章 高维仿生神经元的算法及其设计 | 第23-35页 |
| ·高维空间几何分析法 | 第23-28页 |
| ·高维空间几何学基本概念 | 第23-25页 |
| ·高维空间几何中的一些计算公式 | 第25-26页 |
| ·高维空间几何覆盖理论 | 第26-28页 |
| ·高维仿生神经元的设计 | 第28-33页 |
| ·超香肠神经元网络模型 | 第28-30页 |
| ·三角形神经元网络模型 | 第30-33页 |
| ·高维仿生神经元网络的优缺点讨论 | 第33-35页 |
| 第四章 基于三角形神经元网络的图像分类识别 | 第35-43页 |
| ·三角形神经元网络样本的选择 | 第35页 |
| ·三角形神经元网络分类器的设计 | 第35-36页 |
| ·实验结果和分析 | 第36-43页 |
| 第五章 基于三角形神经元网络的目标跟踪 | 第43-57页 |
| ·PCA 算法的基本思想及原理 | 第43-45页 |
| ·PCA 算法的基本思想 | 第43-44页 |
| ·基于PCA 算法的特征提取和降维 | 第44-45页 |
| ·基于三角形神经元网络的目标跟踪算法 | 第45-48页 |
| ·样本的选择和预处理 | 第45-46页 |
| ·算法流程介绍 | 第46页 |
| ·匹配度函数的设计 | 第46-48页 |
| ·算法仿真和实验结果 | 第48-57页 |
| 结论 | 第57-59页 |
| 致谢 | 第59-61页 |
| 参考文献 | 第61-64页 |
