神经网络模式识别及其实现PDF电子书下载

第一章 引言 1

1.1 模式识别系统 1

1.2 人工神经网络方法的产生 4

1.3 模式识别序言 7

1.4 统计模式识别 8

1.5 按句法规则的模式识别 11

1.6 字符识别问题 13

1.7 题目的组织 15

参考书与文献 15

第二章 神经网络概述 17

2.1 生物神经网络概述 17

2.2 背景 17

2.3 生物神经网络 18

2.4 大脑中的分层组织 21

2.5 历史背景 25

2.6 人工神经网络 30

参考书与文献 32

第三章 预处理 35

3.1 概述 35

3.2 扫描图像的处理 35

3.3 图像压缩 36

3.3.1 图像压缩的例子 37

3.4 边缘检测 38

3.5 骨架处理 44

3.5.1 细化的例子 46

3.6 处理手写板输入 51

3.7 图像的分割 54

参考书与文献 55

第四章 有监督学习的前馈网络 57

4.1 前馈多层感知器结构 57

4.2 用C++实现前馈多层感知器 59

4.3 利用B-P算法进行网络训练 68

4.3.1 用C++实现B-P算法 74

4.4 一个基本例子 84

4.5 训练策略和避免局部最小 90

4.6 梯度下降中的变量 92

4.6.1 块适应和数据适应梯度下降方法的比较 92

4.6.2 一阶和二阶梯度下降方法的比较 93

4.7 拓扑 93

4.8 ACON和OCON的比较 93

4.9 过训练和推广 95

4.10 训练集合和网络大小 98

4.11 共轭梯度方法 98

4.12 ALOPEX 100

参考书与文献 112

第五章 其它类型的神经网络 115

5.1 概述 115

5.2 径向基函数网络 115

5.2.1 网络结构 115

5.2.2 RBF训练 116

5.2.3 RBF网络的应用 118

5.3.1 引言 119

5.3 高阶神经网络 119

5.3.2 结构 120

5.3.3 几何变换的不变性 122

5.3.4 范例 123

5.3.5 实际应用 124

参考书与文献 125

6.2 几何特征（环、交叉点、端点） 129

6.2.1 交叉点和端点 129

6.1 概述 129

第六章 特征提取Ⅰ：几何特征和变换 129

6.2.2 环 132

6.3 特征映射 141

6.4 基于几何特征的一个网络例子 143

6.5 利用变换进行特征提取 144

6.6 傅立叶描述符（FD） 144

6.7 Gabor变换和子波 146

参考书与文献 151

第七章 特征提取Ⅱ：主分量分析 153

7.1 降维 153

7.2 主分量 154

7.2.1 PCA示例 155

7.3 KARHUNEN-LOEVE（K-L）变换 156

7.3.1 变换示例 157

7.4 主分量神经网络 159

7.5 应用 160

参考书与文献 163

第八章 Kohonen网络学习矢量量化 165

8.1 概述 165

8.2 K-均值算法 166

8.2.1 K-均值算法举例 171

8.3 Kohonen模型介绍 180

8.3.1 Kohonen网络示例 187

8.4 侧反馈规则 189

8.5 Kohonen自组织特征映射 191

8.5.1 SOFM举例 200

8.6 学习矢量量化 204

8.6.1 LVQ举例 211

8.7 LVQ的改进 221

8.7.1 LVQ2 222

8.7.2 LVQ2.1 222

8.7.3 LVQ3 223

8.7.4 LVQ的最后变形 223

参考书与文献 224

第九章 神经联想记忆和Hopfield网络 225

9.1 概述 225

9.2 线性联想记忆（LAM） 226

9.2.1 一个自联想LAM例子 227

9.3 Hopfield网络 236

9.4 Hopfield网络的一个范例 241

9.5 讨论 242

9.6 位图范例 244

9.7 BAM网络 250

9.8 一个BAM网络范例 252

参考书与文献 255

第十章 自适应共振理论（ART） 257

10.1 概述 257

10.2 寻求聚类结构 257

10.3 矢量量化 257

10.3.1 VQ举例1 264

10.3.2 VQ举例2 269

10.3.3 VQ举例3 274

10.4 ART基本原理 279

10.5 稳定性和可塑性两难问题 280

10.6 ART1：基本工作方式 281

10.7 ART1：算法 287

10.8 增益控制机制 288

10.8.1 增益控制举例1 294

10.8.2 增益控制举例2 298

10.9 ART2 模型 303

10.10 讨论 304

10.11 应用 307

参考书与文献 309

第十一章 神经认知机 311

11.1 引言 311

11.2 网络的结构 311

11.3 神经认知机的一个例子 316

参考书与文献 321

第十二章 多分类器系统 323

12.1 综述 323

12.2 多种识别器组合成的系统结构 325

12.3 投票方案 327

12.4 混淆矩阵 329

12.5 可靠性 331

12.6 一些经验方法 332

参考书与文献 333