神經網絡模式識別及其實現(xiàn)

第一章  引言
1.1  模式識別系統(tǒng)
1.2  人工神經網絡方法的產生
1.3  模式識別序言
1.4  統(tǒng)計模式識別
1.5  按句法規(guī)則的模式識別
1.6  字符識別問題
1.7  題目的組織
參考與文獻
第二章  神經網絡概述
2.1  生物神經網絡概述
2.2  背景
2.3  生物神經網絡
2.4  大腦中的分層組織
2.5  歷史背景
2.3  人工神經網絡
參考與文獻
第三章  預處理
3.1  概述
3.2  掃描圖像的處理
3.3  圖像壓縮
3.3.1  圖像壓縮的例子
3.4  邊緣檢測
3.5  骨架處理
3.5.1  細化的例子
3.6  處理手寫輸入
3.7  圖像的分割
參考與文獻
第四章  有監(jiān)督學習的前饋網絡
4.1  前饋多層感知器結構
4.2  用C++實現(xiàn)前饋多層感知器
4.3  利用B-P算法進行網絡訓練
4.3.1  用C++實現(xiàn)B-P算法
4.4  一個基本例子
4.5  訓練策略和避免局部最小
4.6  梯度下降中的變量
4.6.1  塊適應和數據適應梯度下降方法的比較
4.6.2  一階和二階梯度下除方法的比較
4.7  拓樸
4.8  ACON和OCON的比較
4.9  過訓練和推廣
4.10  訓練集合和網絡大小
4.11  共軛梯度方法
4.12  ALOPEX
參考與文獻
第五章  其它類型的神經網絡
5.1  概述
5.2  徑向基函數網絡
5.2.1  網絡結構
5.2.2  RBF訓練
5.2.3  RBF網絡的應用
5.3  高階神經網絡
5.3.1  引言
5.3.2  結構
5.3.3  幾何變換的不變性
5.3.4  范例
5.3.5  實際應用
參考與文獻
第六章  特征提取I:幾何特征和變換
6.1  概述
6.2  幾何特征(環(huán)、交叉點、端點)
6.2.1  交叉點和端點
6.2.2  環(huán)
6.3  特征映射
6.4  基于幾何特征的一個網絡例子
6.5  利用變換進行特征提取
6.6  傅立葉描述符
6.7  Gabor變換和子波
參考與文獻
第七章  特征提取II:主分量分析
7.1  降維
7.2  主分量
7.2.1  PCA示例
7.3  KARHUNEN-LOEVE（K-L）變換
7.3.1  變換示例
7.4  主分量神經網絡
7.5  應用
參考與文獻
第八章  Kononen網絡和學習矢量量化
8.1  概述
8.2  K均值算法
8.2.1  K均值算法舉例
8.3  Kohonen模型介紹
8.3.1  Kohonen網絡示例
8.4  側反饋規(guī)則
8.5  Kohonen自組織特征映射
8.5.1  SOFM舉例
8.6  學習矢量量化
8.6.1  LVQ舉例
8.7  LVQ的改進
8.7.1  LVQ2
8.7.2  LVQ2.1
8.7.3  LVQ3
8.7.4  LVQ的最后變形
參考與文獻
第九章  神經聯(lián)想記憶和Hopfield網絡
9.1  概述
9.2  線性聯(lián)想記憶（LAM）
9.2.1  一個自聯(lián)想LAM例子
9.3  Hopfield網絡
9.4  Hopfield的一個范例
9.5  討論
9.6  位圖范例
9.7  BAM網絡
9.8  一個BAM網絡范例
參考與文獻
第十章  自適應共振理論
10.1  概述
10.2  尋求聚類結構
10.3  矢量量化
10.3.1  VQ舉例1
10.3.2  VQ舉例2
10.3.3  VQ舉例3
10.4  ART基本原理
10.5  穩(wěn)定性和可塑性兩難問題
10.6  ART1：基本工作方式
10.7  ART1：算法
10.8  增益控制機制
10.8.1  增益控制機制1
10.8.2  增益控制機制2
10.9  ART2模型
10.10  討論
10.11  應用
參考與文獻
第十一章  神經認知機
11.1  引言
11.2  網絡的結構
11.3  神經認知機的一個例子
參考與文獻
第十二章  多分類器系統(tǒng)
12.1  綜述
12.2  多種識別器組合成的系統(tǒng)結構
12.3  投票方案
12.4  混淆矩陣
12.5  可靠性
12.6  一些經驗方法
參考與文獻