神经网络模式识别及其实现

第一章  引言
1.1  模式识别系统
1.2  人工神经网络方法的产生
1.3  模式识别序言
1.4  统计模式识别
1.5  按句法规则的模式识别
1.6  字符识别问题
1.7  题目的组织
参考与文献
第二章  神经网络概述
2.1  生物神经网络概述
2.2  背景
2.3  生物神经网络
2.4  大脑中的分层组织
2.5  历史背景
2.3  人工神经网络
参考与文献
第三章  预处理
3.1  概述
3.2  扫描图像的处理
3.3  图像压缩
3.3.1  图像压缩的例子
3.4  边缘检测
3.5  骨架处理
3.5.1  细化的例子
3.6  处理手写输入
3.7  图像的分割
参考与文献
第四章  有监督学习的前馈网络
4.1  前馈多层感知器结构
4.2  用C++实现前馈多层感知器
4.3  利用B-P算法进行网络训练
4.3.1  用C++实现B-P算法
4.4  一个基本例子
4.5  训练策略和避免局部最小
4.6  梯度下降中的变量
4.6.1  块适应和数据适应梯度下降方法的比较
4.6.2  一阶和二阶梯度下除方法的比较
4.7  拓朴
4.8  ACON和OCON的比较
4.9  过训练和推广
4.10  训练集合和网络大小
4.11  共轭梯度方法
4.12  ALOPEX
参考与文献
第五章  其它类型的神经网络
5.1  概述
5.2  径向基函数网络
5.2.1  网络结构
5.2.2  RBF训练
5.2.3  RBF网络的应用
5.3  高阶神经网络
5.3.1  引言
5.3.2  结构
5.3.3  几何变换的不变性
5.3.4  范例
5.3.5  实际应用
参考与文献
第六章  特征提取I:几何特征和变换
6.1  概述
6.2  几何特征(环、交叉点、端点)
6.2.1  交叉点和端点
6.2.2  环
6.3  特征映射
6.4  基于几何特征的一个网络例子
6.5  利用变换进行特征提取
6.6  傅立叶描述符
6.7  Gabor变换和子波
参考与文献
第七章  特征提取II:主分量分析
7.1  降维
7.2  主分量
7.2.1  PCA示例
7.3  KARHUNEN-LOEVE（K-L）变换
7.3.1  变换示例
7.4  主分量神经网络
7.5  应用
参考与文献
第八章  Kononen网络和学习矢量量化
8.1  概述
8.2  K均值算法
8.2.1  K均值算法举例
8.3  Kohonen模型介绍
8.3.1  Kohonen网络示例
8.4  侧反馈规则
8.5  Kohonen自组织特征映射
8.5.1  SOFM举例
8.6  学习矢量量化
8.6.1  LVQ举例
8.7  LVQ的改进
8.7.1  LVQ2
8.7.2  LVQ2.1
8.7.3  LVQ3
8.7.4  LVQ的最后变形
参考与文献
第九章  神经联想记忆和Hopfield网络
9.1  概述
9.2  线性联想记忆（LAM）
9.2.1  一个自联想LAM例子
9.3  Hopfield网络
9.4  Hopfield的一个范例
9.5  讨论
9.6  位图范例
9.7  BAM网络
9.8  一个BAM网络范例
参考与文献
第十章  自适应共振理论
10.1  概述
10.2  寻求聚类结构
10.3  矢量量化
10.3.1  VQ举例1
10.3.2  VQ举例2
10.3.3  VQ举例3
10.4  ART基本原理
10.5  稳定性和可塑性两难问题
10.6  ART1：基本工作方式
10.7  ART1：算法
10.8  增益控制机制
10.8.1  增益控制机制1
10.8.2  增益控制机制2
10.9  ART2模型
10.10  讨论
10.11  应用
参考与文献
第十一章  神经认知机
11.1  引言
11.2  网络的结构
11.3  神经认知机的一个例子
参考与文献
第十二章  多分类器系统
12.1  综述
12.2  多种识别器组合成的系统结构
12.3  投票方案
12.4  混淆矩阵
12.5  可靠性
12.6  一些经验方法
参考与文献