基于联想记忆神经网络的形状识别系统应用研究

摘要

该课题针对联想记忆网络形状识别系统应用中出现的若干关键问题进行了深入研究.联想记忆网络在应用中的第一个问题是由于联想记忆网络要求输入信号必须是二值的,而特征矢量通常以实值分量出现,它不能直接用作联想记忆网络的输入,因此输入之前必须编码,所以第一个问题是采用何种方法进行编码.由于联想记忆网络是复杂的动力学过程,其稳定状态不仅是所记忆的状态,也可能是伪状态,所以第二个问题是如何明确表达其输出的含义.第三个问题是如何进行学习样本选择,以提高形状识别系统的识别正确率.

目录

文摘

英文文摘

致谢

图表目录

第一章序言

1.1课题的研究意义

1.2本文的主要工作内容

第二章输入信号的二值编码

2.1基于阈值的信号二值编码法

2.2基于邻域统计信息的峰值检测法

2.2.1算法的提出

2.2.2算法描述与对比试验

2.3本章小结

第三章联想记忆网络的学习算法和输出表达

3.1联想记忆和神经网络简介

3.2网络的学习算法

3.2.1基于特征结构的权值计算法介绍

3.2.2算法实现实验

3.3联想记忆网络输出的有效表达

3.3.1三阶联想记忆网络作为模式识别分类器

3.3.2基于模式相似度的AM网络输出判决法

3.4本章小结

第四章联想记忆网络的样本选择

4.1联想记忆网络的样本选择试验

4.1.1记忆样本选取方法一

4.1.2记忆样本选取方法二

4.1.3记忆样本选取方法三

4.2基于聚类和多类别综合判决的样本选择方法

4.2.1方法介绍及实验验证

4.2.2实验结果分析

4.3本章小结

第五章待识别模式的特征深入分析

5.1待识别模式的特征再分析

5.2关于待识别模式的三种特征信息对识别结果影响的实验

5.2.1实验思想的提出：

5.2.2实验结果介绍：

5.3对待识别模式旋转，平移，缩放后特征的分析

5.4本章小结

第六章基于信息融合技术的形状识别系统初步研究

6.1信息融合技术用于目标识别

6.1.1 D-S证据理论介绍

6.1.2结合多源信息的Dempster准则

6.1.3基本概率赋值的获取

6.2.基于信息融合技术的形状识别系统设计方案

6.2.1系统结构

6.2.2参数优化

6.3系统初步实现及实验验证

6.4本章工作小结

第七章展望与回顾

7.1回顾

7.2展望

参考文献

读研期间发表论文