本文主要研究了核框架下基于小世界体系的自联想记忆模型及其在人脸识别中的小规模应用。内容涉及传统自联想记忆模型统一框架的建立、传统模型全互连结构的简化以及结构简化后的统一框架在人脸识别中的应用。本文将机器学习领域中流行的核技巧和社会领域中广泛存在的小世界网络应用于自联想记忆模型的研究,主要做出了以下三个方面的创新工作: 1、构建了一个核自联想记忆模型的统一框架。本文首先从 Hopfield 联想记忆模型出发,通过在传统的自联想记忆模型中引入机器学习中颇具影响力的核方法,构建了一类统一的核自联想记忆模型框架。将现有众多的自联想记忆模型从数学的高度统一于同一框架中,并从中可以推广出更多不同形式的自联想记忆模型。 2、对全互连的核自联想记忆模型框架进行了稀疏化改造。现有的自联想记忆模型无一不是采用传统的全互连结构,随着实际的需求和被处理问题规模的扩大,模型的复杂度大大增加了,从而导致布线工艺上的困难难以克服,限制了模型的 VLSI 硬件实现。本文的研究表明,和引入规则互连网络、随机互连网络相比较,引入小世界网络体系结构到核自联想记忆模型中是最为理想的。 3、提出了一系列新颖的基于自联想记忆模型的鲁棒人脸识别算法。在上述工作的基础上,本文主要研究了基于小世界体系的指数核自联想记忆模型在人脸识别中的应用。该算法在著名的 FERET 人脸数据库上不仅获得了与模型全互连时几乎相当的识别性能,而且还明显优于标准特征脸算法(Eigenfaces)和最近提出的(PC)2A 算法,表现出了较强的鲁棒性。