基于模糊形态双向联想记忆网络的研究

论文题目: 基于模糊形态双向联想记忆网络的研究

论文类型: 博士论文

论文专业: 模式识别与智能系统

作者: 吴锡生

导师: 王士同

关键词: 联想记忆,模糊形态学,模式识别,图像处理,模糊神经网络,核函数,多值反馈神经网络

文献来源: 南京理工大学

发表年度: 2005

论文摘要: 联想记忆是人类脑细胞的重要功能之一。近年来，G．X．Ritter等人提出的形态双向联想记忆网络(MBAM)是一种比较有效的联想记忆方法，克服了传统联想记忆网络样本存储能力有限、联想记忆需要多次迭代、并有可能不收敛或收敛到局部极值点的缺陷，较好地解决了二值图像的联想记忆问题，因而得到了较为成功的应用。本文是在MBAM的基础上，提出了模糊形态双向联想记忆网络(FMBAM)，从理论上证明了其保证正确双向联想的条件和可行性，利用乘法和取大取小操作，较好地解决了双向完全联想记忆问题，并且FMBAM能够记忆模糊规则和提高存储能力，从而为联想记忆的应用提供了一种新的途径和方法。在此基础上，为了解决联想记忆中的难点之一，使联想记忆网络具有抗任意随机噪声的能力，本文提出了动态核的FMBAM，分析了核矢量的特点，证明了它的有效性和必要性，并给出了寻找最佳核矢量的步骤和方法，比较好地解决了二值图像抗任意随机噪声的联想记忆问题，并把该方法应用于二值图像的模式识别上，同样获得了有效的结果。我的实验验证了其联想记忆和识别的正确率明显高于已有的方法。本文也把动态核的FMBAM推广应用于灰度图像和彩色图像。理论证明了这种推广的可行性与正确性。在灰度图像的实现中其难点在于核矢量的选择，本文提出了一种寻找动态核的方法；在彩色图像的实现中，存在计算量急剧增加的困难，为此，提出了选取分色核，再合成的联想记忆方法。从而初步解决了这二类图像在含有任意随机噪声时的联想记忆与识别问题，实验也验证了这种方法的有效性。为了改变Hopfield网络仅能储存二进制样本和双极样本的缺点，近年来，M．Casermeiro等人提出了多值自联想反馈神经网络(MREM)，但其对存储容量的提高效果很小，为此，本文提出了核化的多值自联想反馈神经网络(KARN)，它利用核函数把维数较低的样本映射到高维空间，再通过能量函数来计算经过核化的多值网络的容量，理论与实验结果表明，核化后的多值自联想反馈神经网络KARN与MREM相比，能够有效地提高网络的容量。

论文目录:

摘要

Abstract

1 绪论

1.1 概述

1.2 Hopfield反馈神经网络及联想记忆

1.2.1 离散型Hopfield神经元网络

1.2.2 联想记忆的原理

1.2.3 学习规则

1.2.4 双向异联想记忆网络

1.2.5 Hopfield网络的弱点

1.3 模糊联想记忆网络

1.3.1.模糊自联想存储器与模糊异联想存储器实现原理

1.3.2.模糊双向联想记忆网络

1.4 形态联想记忆网络

1.5 联想记忆及在模式识别中的应用综述

1.6 本文研究工作概述

1.7 本文内容安排

2 模糊形态双向联想记忆网络

2.1 概述

2.2 形态双向联想网络MBAM的原理和实现

2.2.1 形态神经网络的数学基础

2.2.2 联想记忆数据对的存储

2.2.3 双向联想记忆

2.3 模糊形态双向联想记忆网络FMBAM

2.4 FMBAM的抗噪声能力

2.5 实验结果

2.6 本章小结

3 利用动态核的模糊形态联想记忆网络

3.1 FMBAM核模式的提出

3.2 FMBAM动态核的作用

3.3 FMBAM动态核的抗噪声能力

3.4 本章小结

4 动态核的FMBAM在灰度图像和彩色图像联想识别中的应用

4.1 概述

4.2 灰度图像的FMBAM方法

4.3 核模式的FMBAM应用于灰度图像的联想和识别

4.4 彩色图像的联想和识别

4.4.1 RGB模型

4.4.2 RGB模型图像的联想与识别

4.4.3 HSV模型

4.4.4.RGB模型与HSV模型转换

4.5 HSV颜色模型的有序矢量

4.5.1 HSV有序矢量的定义

4.5.2 有序矢量的取大取小操作

4.5.3 彩色图像的形态操作

4.6 彩色图像的腐蚀和膨胀操作

4.6.1 彩色图像矢量的腐蚀操作

4.6.2 彩色图像矢量的膨胀操作

4.6.3 彩色图像的开操作和闭操作

4.7 彩色图像在SHV空间的形态学处理

4.8 本章小结

5 核化的自联想多值反馈神经网络研究

5.1 多值自联想反馈神经网络(MREM)

5.2 核化的自联想多值反馈神经网络(KARN)

5.2.1 对潜在增加函数核化

5.2.2 核化的自联想多值反馈神经网络的权值

5.3 核化的自联想多值反馈神经网络稳定点的分析

5.4 核化的自联想多值反馈神经网络KARN的容量分析

5.4.1 使用核函数进行核化

5.4.2 多项式核函数的计算

5.4.3 使用多项式核函数后容量的讨论

5.4.4 径向基核函数的计算

5.4.5 使用径向基核函数后容量的讨论

5.5 实验结果与分析

5.6 本章小结

结束语

致谢

参考文献

附录

攻读博士期间完成的的论文

发布时间: 2006-12-06

参考文献

[1].基于核的联想记忆及聚类算法的研究与应用[D]. 张道强.南京航空航天大学2005
[2].一类新型联想记忆神经网络研究[D]. 王剑.华南理工大学2003
[3].多向联想记忆神经网络理论研究[D]. 周铁军.中南大学2007
[4].多向联想记忆神经网络的多稳定性及其在多模式识别中的应用[D]. 王敏.湖南农业大学2014
[5].全局耦合网络的特性及其混沌控制研究[D]. 王涛.哈尔滨工程大学2012
[6].基于忆阻递归神经网络的联想记忆分析与设计[D]. 鲍刚.华中科技大学2012
[7].延迟反馈神经网络和两层反馈神经网络的研究[D]. 吴桂坤.厦门大学2008
[8].稀疏互联联想记忆及其复杂网络实现[D]. 杨静.合肥工业大学2009
[9].基于仿人机器人的人机交互与合作研究[D]. 王毅.北京科技大学2015
[10].基于征兆分析的多故障智能诊断方法的研究和应用[D]. 张可.重庆大学2010

基于模糊形态双向联想记忆网络的研究

猜你喜欢