论文部分内容阅读
联想记忆(Associative Memory,AM)是人脑的重要功能,是逻辑思维和形象思维、推理和创新的源泉。与传统的联想记忆模型相比,形态学联想记忆(MorphologicalAssociative Memories, MAM)在记忆的性能上有很大的改进。它不仅能够处理二值模式,而且能够处理实值模式。此外,MAM还具有无限的存储能力,并且回忆在一步内完成,而且具有良好的抵抗噪声的能力,在图像处理、模式识别等领域中有广阔的应用前景和强大的生命力。当然,也存在一些问题,对于形态学异联想记忆,即使输入模式无噪声,也不能够保证完美回忆记忆。然而,异联想记忆是更为普遍的联想记忆,应用也很广泛,致力于提高异联想记忆的性能具有重要的意义和价值,本文深入研究形态学联想记忆的框架,提出了新的联想记忆方法,进而提高了异联想记忆的性能。首先,在分析形态学联想记忆范式和算子的基础上,指出MAM的记忆和回忆两个通过运用逆向思维,得到了MAM逆向算子过程中存在互逆运算的特点,和∨、∨和,进而提出了形态学联想记忆逆向方法。逆向方法与原方法在抵抗噪声的能力上具有互补性,把他们结合起来应用,可以使异联想记忆和模式识别达到更好的效果。其次,在分析框架的基础上,提出了新的联想记忆方法——对数指数形态学联想记忆。该方法进行异联想时虽然不能够提供完全回忆记忆保证,但在某些情况下,能够做到完全回忆记忆或者具有较好的联想记忆效果。因而可以和其它基本的形态学联想记忆方法结合起来,共同提高异联想记忆的性能。最后,针对形态学异联想记忆,提出了分组划分的方法,该方法将原有输入模式对进行分组,逐一对分组后的模式对集合进行形态学操作计算,由局部到整体,进而实现形态学异联想记忆的完全回忆记忆。可以将分组划分作为一种新的思路和方法,广泛应用在模式识别,图像处理等领域。