| 摘要 | 第1-6页 |
| ABSTRACT | 第6-14页 |
| 第一章 绪论 | 第14-29页 |
| ·模糊理论和模糊技术的产生背景 | 第14-17页 |
| ·事物的模糊性 | 第14-15页 |
| ·模糊理论和模糊技术的产生和发展 | 第15-17页 |
| ·模糊联想记忆网络简介 | 第17-26页 |
| ·模糊神经网络的产生 | 第17-18页 |
| ·模糊神经网络研究方法和意义 | 第18-20页 |
| ·联想和联想记忆 | 第20-21页 |
| ·模糊联想存储器及模糊联想记忆 | 第21-22页 |
| ·模糊联想记忆网络的研究现状 | 第22-26页 |
| ·模糊图象处理 | 第26-27页 |
| ·本文的主要研究内容 | 第27-29页 |
| 第二章 模糊联想记忆连接权神经网络学习算法 | 第29-48页 |
| ·问题的提出 | 第29-31页 |
| ·模糊联想记忆与模糊方程 | 第31-33页 |
| ·模糊联想记忆神经网络学习算法 | 第33-36页 |
| ·定理及算法 | 第33-35页 |
| ·理论结果与证明 | 第35页 |
| ·模拟结果 | 第35-36页 |
| ·多模糊模式对联想记忆学习算法 | 第36-37页 |
| ·实例 | 第37-39页 |
| ·最大-最小模糊双向联想记忆学习算法及其容错性讨论 | 第39-46页 |
| ·最大-最小模糊双向联想记忆学习算法 | 第40-41页 |
| ·模拟结果 | 第41页 |
| ·模糊双向联想记忆的容错性讨论 | 第41-46页 |
| ·本章小结 | 第46-48页 |
| 第三章 基于一类T-模运算的模糊联想记忆连接权矩阵神经网络学习算法 | 第48-61页 |
| ·引言 | 第48-50页 |
| ·最大T-模模糊联想记忆 | 第50-51页 |
| ·基于最大T-模运算模糊联想记忆连接权学习算法 | 第51-55页 |
| ·定理及算法 | 第51-53页 |
| ·理论结果与数学证明 | 第53-55页 |
| ·多模式对最大T-模运算模糊联想记忆神经网络学习算法 | 第55-56页 |
| ·实例 | 第56-59页 |
| ·基于一类T-模运算的模糊双向联想记忆模糊神经网络学习算法 | 第59页 |
| ·本章小结 | 第59-61页 |
| 第四章 基于模糊技术的图象噪声消除 | 第61-84页 |
| ·图象中的脉冲噪声模型 | 第61-62页 |
| ·脉冲噪声消除系统的结构 | 第62-63页 |
| ·图象脉冲噪声消除的现状 | 第63-65页 |
| ·图象直方图的特征 | 第65-67页 |
| ·模糊隶属函数的建立 | 第67-69页 |
| ·脉冲噪声的检测 | 第69-70页 |
| ·改进的加权模糊均值滤波算法 | 第70-72页 |
| ·实验结果及其分析 | 第72-82页 |
| ·本章小结 | 第82-84页 |
| 第五章 FWDM滤波器应用于图象随机噪声的消除算法 | 第84-98页 |
| ·引言 | 第84-86页 |
| ·FDWM算法对于随机噪声失效的原因分析 | 第86页 |
| ·解决方法 | 第86-90页 |
| ·实验结果 | 第90-97页 |
| ·本章小结 | 第97-98页 |
| 总结与展望 | 第98-102页 |
| 1. 总结 | 第98-99页 |
| 2. 进一步的工作与展望 | 第99-102页 |
| 1) 模糊联想记忆网络问题与展望 | 第99-101页 |
| 2) 模糊图象处理问题与展望 | 第101-102页 |
| 参考文献 | 第102-110页 |
| 攻读博士学位期间完成的论文 | 第110-111页 |
| 致谢 | 第111页 |
