%0 Journal Article
%T 距离加权的2D核自联想记忆模型及其应用*
%A 陈蕾
%A 王传栋
%A 孙知信
%A 陈松灿
%J 模式识别与人工智能
%P 110-114
%D 2007
%X 首先从Hopfield自联想记忆模型(HAM)出发，对其回忆规则运用机器学习中流行的核技巧，构建一个核自联想记忆模型框架(KAM).并通过核函数的选取，使指数型相关联想记忆模型(ECAM)和改进的ECAM(IECAM)模型成为其中的两个特例.然后针对二维视觉图像的识别，在核函数中引入反映视觉特性的二维(2D)距离因子，进一步提出一个距离加权的2D核自联想记忆模型框架(DW2DKAM).由此较大改进KAM对图像的存储和纠错性能，并且使该模型更加符合神经生理学和解剖学的思想.最后，计算机模拟不仅证实DW2DKAM比KAM在字符识别上具有更高的存储和纠错性能，而且其同样优于Seow和Asari提出的模块化HAM的识别效果.
%K 自联想记忆
%K 神经网络
%K 距离加权
%K 核方法
%K 模式识别
%U http://manu12.magtech.com.cn/Jweb_prai/CN/abstract/abstract10466.shtml