第一章 研究的性质 1
1.1 引言 1
1.2 研究自适应模式识别的动机 1
1.3 用映射描述基于计算机的模式识别 5
1.4 研究的重点 8
1.5 模式识别研究的目标 10
1.6 模式的表达形式 13
1.7 评论及有关文献说明 18
第二章 贝叶斯方法 23
2.1 引言 23
2.2 一般性考虑 25
2.3 训练中所需的知识 33
2.4 在连续分布情况下的系统误差 37
2.5 判别函数的本质及作用 39
2.6 对贝叶斯方法的不同看法 47
2.7 评论及有关文献说明 51
第三章 模糊特征和模糊决策规则：模糊集方法 55
3.1 引言 55
3.2 基本概念 56
3.3 模糊集运算：扩展原理 63
3.4 在模式识别中使用模糊集理论 68
3.5 评论及有关文献说明 79
第四章 具有非数值特征值的模式 81
4.1 引言 81
4.2 ID3方法 83
4.3 Pao-Hu方法 91
4.4 M过程方法 97
4.5 评论及有关文献说明 106
第五章 广义感知机 109
5.1 引言 109
5.2 线性判别函数 110
5.3 半线性前馈网络、误差反向传播及推广的规则 117
5.4 前馈多层网络复杂性分析 125
5.5 用“映射”解释多层网络 127
5.6 评论及有关文献说明 134
第六章 联想存储器 137
6.1 引言 137
6.2 矩阵联想存储器 141
6.3 全息存储器 144
6.4 Walsh联想存储器 149
6.5 联想存储器网络 152
6.6 评论及有关文献说明 162
第七章 自组织神经网络 167
7.1 引言 167
7.2 MAXNET网络 170
7.3 能揭示聚类结构的网络 174
7.4 Kohonen关于有序映射的研究 179
7.5 评论及有关文献说明 189
第八章 函数型连接神经网络 192
8.1 引言 192
8.2 非线性连接的函数变换 194
8.3 函数型连接网络的数学基础概要 199
8.4 函数型连接网络的监督学习 202
8.5 监督学习和无监督学习的结合 210
8.6 联想存储及检索 212
8.7 评论及有关文献说明 215
第九章 符号和子符号处理：模糊逻辑、模式识别和神经网络的作用 217
9.1 引言 217
9.2 隶属度函数的网络表达 218
9.3 扩展原理的模拟 223
9.4 模糊推理 226
9.5 评论及有关文献说明 229
第十章 自适应模式识别应用中的问题 230
10.1 引言 230
10.2 模式内部结构的处理 231
10.3 对语言符号的处理 241
10.4 语言符号模式中结构的处理 245
10.5 变化的可信度 249
10.6 估计与分类 250
10.7 输入和输出之间的时间相关 252
10.8 用自适应模式识别解决真正难题的可能性 253
10.9 评论及有关文献说明 257
附录A 监督学习的推广的规则网络程序 261
附录B 揭示聚类结构的无监督学习 280
参考文献 288
索引 303