声明
摘要
第1章 绪论
1.1 课题研究背景及意义
1.2 国内外研究现状
1.2.1 国外研究动态
1.2.2 国内研究动态
1.3 本文主要工作
1.4 本文结构安排
第2章 协同学原理相关理论和方法研究
2.1 协同学概述
2.2 协同学基本概念
2.2.1 序参量
2.2.2 支配原理
2.2.3 自组织
2.2.4 涨落
2.3 协同学基本原理
2.4 从协同学到协同神经网络
2.4.1 匹配子网结构及工作原理
2.4.2 竞争子网结构及工作原理
2.5 本章小结
第3章 协同神经网络模式识别模型及其算法
3.1 协同模式识别标准流程
3.2 现有的原型模式向量求解算法
3.2.1 SCAP算法求解原型模式向量
3.2.2 ICA免疫克隆算法求解原型模式向量
3.2.3 K-均值聚类算法求解原型模式向量
3.2.4 遗传算法求解原型模式向量
3.3 优化的遗传K-均值聚类算法求解原型模式向量
3.3.1 染色体编码
3.3.2 生成初始种群
3.3.3 构造适应度函数
3.3.4 遗传操作
3.3.6 实验分析与验证
3.4 本章小结
第4章 协同神经网络分类器
4.1 现有的神经网络分类器
4.1.1 Hopfield神经网络分类器
4.1.2 BP神经网络分类器
4.1.3 RLC神经网络分类器
4.2 协同神经网络分类器
4.3 本章小结
第5章 协同神经网络人脸分类系统的初步研究与实现
5.1 人脸分类系统的研究意义与发展现状
5.1.1 人脸分类系统的研究意义
5.1.2 人脸分类系统的发展现状
5.2 协同人脸分类系统的主要算法选择
5.3 基于协同人脸识别分类器的运行步骤
5.4 实验结果及分析
5.5 本章小结
第6章 结论与展望
6.1 总结
6.2 工作展望
参考文献
攻读硕士学位期间发表的论文及其它成果
致谢