| 目录 | 第1-7页 |
| 第一章 绪论 | 第7-10页 |
| ·人工神经网络与脉冲耦合神经网络 | 第7-8页 |
| ·PCNN的研究现状 | 第8页 |
| ·本文工作与结构 | 第8-10页 |
| 第二章 脉冲耦合神经网络工作原理及特性 | 第10-14页 |
| ·脉冲耦合神经网络基本模型及简化 | 第10-11页 |
| ·脉冲耦合神经网络的工作原理 | 第11-13页 |
| ·无耦合链接的情况下的PCNN运行行为 | 第11-12页 |
| ·耦合链接的情况下的PCNN运行行为 | 第12-13页 |
| ·脉冲耦合神经网络的基本特性分析 | 第13页 |
| ·本章小结 | 第13-14页 |
| 第三章 基于脉冲耦合神经网络的图像检索 | 第14-26页 |
| ·特征提取的基本任务及图像特征分类 | 第14-15页 |
| ·特征提取的基本任务 | 第14-15页 |
| ·图像特征分类 | 第15页 |
| ·基于PCNN的图像几何不变性的特征提取 | 第15-21页 |
| ·模型的选择--采用弱连接的简化PCNN模型 | 第16页 |
| ·点火时间信号及对图像的空间几何特性描述 | 第16-18页 |
| ·点火时间信号的不变性特征分析 | 第18-19页 |
| ·点火时间信号特性的进一步研究 | 第19-21页 |
| ·PCNN模型改进 | 第21页 |
| ·改进后的点火时间信号特征提取 | 第21-23页 |
| ·基本思想 | 第21页 |
| ·分割后提取的点火时间信号的具体方法 | 第21-23页 |
| ·火时间信号特征与其它特征组合 | 第23-24页 |
| ·实验与结果 | 第24-25页 |
| ·本章小结 | 第25-26页 |
| 第四章 数据聚类的PCNN方法 | 第26-39页 |
| ·聚类分析的概念及任务 | 第26-27页 |
| ·聚类分析的基本思想 | 第26页 |
| ·方法的有效性 | 第26-27页 |
| ·传统聚类算法介绍 | 第27-32页 |
| ·聚类的技术方案 | 第27页 |
| ·C-均值算法(C-means算法) | 第27-28页 |
| ·模糊C-均值法 | 第28-29页 |
| ·分级聚类法(Hierarchical Clustering Method) | 第29-30页 |
| ·自组织特征映射神经网络法(SOFM法) | 第30-32页 |
| ·基于PCNN的聚类算法 | 第32-33页 |
| ·基于PCNN聚类算法的进一步改进 | 第33-34页 |
| ·实验与结果 | 第34-38页 |
| ·本章小结 | 第38-39页 |
| 第五章 结论 | 第39-40页 |
| 致谢 | 第40-41页 |
| 参考文献 | 第41-43页 |
| 研究成果 | 第43页 |