文摘
英文文摘
承诺书
注释表
第一章绪论
1.1人工神经网络的研究意义
1.2联想记忆模型的最新研究进展
1.3本文的主要研究工作
1.4本文的内容安排
第二章核自联想记忆模型统一框架
2.1传统的自联想记忆模型
2.1.1 Hopfield联想记忆模型及其稳定性分析
2.1.2其他的自联想记忆模型
2.2传统的自联想记忆模型的局限性及其解决方法
2.3基于核的学习理论
2.3.1核方法的实质
2.3.2常用的核函数及其构造
2.4核框架下的自联想记忆模型(KAMS)
2.4.1二值核自联想记忆模型(bKAMs)
2.4.2多值核自联想记忆模型(mKAMs)
2.5本章小节
第三章基于小世界体系的核自联想记忆模型统一框架
3.1核自联想记忆模型(KAMs)的局限性及其解决方法
3.2稀疏网络结构
3.2.1小世界网络、随机网络和规则网络
3.2.2无标度网络
3.3基于小世界体系的核自联想记忆模型(SWA-KAMs)
3.3.1基于小世界体系的二值核自联想记忆模型(SWA-bKAMs)
3.3.2基于小世界体系的多值核自联想记忆模型(SWA-mKAMs)
3.3.3具有其它三种稀疏网络结构的核自联想记忆模型
3.4本章小结
第四章自联想记忆模型在人脸识别中的应用
4.1人脸识别技术概述
4.1.1人脸识别技术的应用前景
4.1.2人脸识别技术研究现状
4.2 FERET人脸数据库及基于自联想记忆模型的人脸识别算法介绍
4.2.1 FERET人脸数据库介绍
4.2.2基于自联想记忆模型的人脸识别算法
4.3计算机模拟实验结果及性能比较
4.3.1核的选取对基于KAMs模型的人脸识别算法的影响
4.3.2稀疏网络结构对基于稀疏KAMs模型的人脸识别算法的影响
4.3.3稀疏连接度对基于小世界体系的指数KAMs模型的影响
4.3.4含不同程度的椒盐噪声和高斯噪声时的识别性能比较
4.3.5部分遮挡时的识别性能比较
4.4本章小结
第五章结束语
致谢
硕士研究生期间参加的科研项目及录用的论文
参考文献