参考文献

附录：协同学方面的已有参考文献（以发表时间为序）

[1]H. Haken, Information Compression in Biological Systems. Biol. Cybern.56,

11-17(1987)

[2]田玉楚. 非线性动态系统的宏观信息熵分析. 通信学报, Jan. 1997,18(1):46-52

[3]张军, 戚飞虎. 基于协同理论的不变性模式识别. Jun. 1998,32(6):2-3

[4]J. A. K. Suykens et. al. On-Line Learning Fokker-Plank Machine. Neural Processing

Letters 7:81-89,1998

[5]陈燕新, 戚飞虎. 对协同学习算法的研究. 上海交通大学学报, Aug.1998,32(8):26-30

[6]赵同, 戚飞虎. 协同神经网络的不变性研究. 上海交通大学学报, Oct.1998,32(10):34-38

[7]王海龙, 戚飞虎. 基于聚类法的协同神经网络学习算法. 上海交通大学学报,

Oct.1998,32(10):39-41

[8]胡栋梁, 戚飞虎. 协同模式识别中不平衡注意参数的研究. 电子学报, May 1999,27(5):4-7

[9]尹虎君, 戚飞虎. 基于伪逆的协同神经网络学习算法. 电子学报, May 1999,27(5):15-17

[10]Hu Dongliang, Qi Feihu , Liu Jianfeng. Recognition of objects with skew distortion

based on synergetics. Pattern Recognition Letters 20(1999) 255-265

[11]H. Maeda et. al. A New Method for Matching Problem in Computer Vision Using

Synergetics. 1999 IEEE International Conference on Systems, Man, and Cybernetics, October 12-15, 1999Tokyo, Japan: Ⅲ503 - Ⅲ508

以下为书籍

12.张炳根, 赵玉芝. 科学与工程中的随机微分方程. 北京:海洋出版社. 1980

13.熊吟涛. 统计物理学. 北京:人民教育出版社. 1982

14.Д.Н. ЗУБАРЕВ 著. 李沅柏, 郑哲洙译. 非平衡统计热力学. 北京:高等教育出版社:1984

15.吴大进, 曹力, 陈立华. 协同学原理与应用. 武汉:华中理工大学出版社. 1990

16.王诚泰. 统计物理学. 北京:清华大学出版社. 1991

17.胡岗. 随机力与非线性系统. 上海:上海科技教育出版社. 1994

18.仪垂祥. 非线性科学及其在地学中的应用. 北京:气象出版社. 1995

19.龚光鲁. 随机微分方程导论. 北京:北京大学出版社. 1995

20.谭跃进等. 系统学原理. 长沙:国防科技大学出版社. 1996

21.任光耀等. 干旱系统演化探索. 西安:陕西科学技术出版社. 1998

22.钱敏平,龚光鲁. 应用随机过程. 北京:北京大学出版社. 1998

尚待收集的书籍有：

23.哈肯著，凌复华译. 协同学：大自然构成的奥秘. 上海：上海译文出版社，1995

或哈肯著，戴鸣钟译. 协同学：自然成功的奥秘. 上海：上海科学普及出版社，1988.4

24.H. Haken. Synergetic computers and recognition - a top-down approach to neural

nets. Berlin:Springer-Verlag,1991

或哈肯著，杨家本译. 协同计算机和认知：神经网络的自上而下的方法. 北京：清华大学出版社，1994.9，￥13.80

25.哈肯著，宁存政等译。协同学讲座。西安：陕西科学技术出版社，1987.4

26.哈肯著，郭治安译. 信息与自组织：复杂系统的宏观方法. 成都：四川教育出版社，1988.6

27.H. Haken. Advanced Synergetics. Berlin:Springer,1987

或哈肯著，郭治安译. 高等协同学. 北京：科学出版社，1989.3

28.哈肯著，徐锡申等译. 协同学：引论：物理学，化学和生物学中的非平衡相变和自组织. 北京：

原子能出版社，1984.2

29.郭治安等. 协同学入门. 成都：四川人民出版社，1988.6

30.2.4.1研究思路

协同学理论及协同处理方法在信息科学中的应用目前实还很不成熟，因此本文从下面几个方面入手：

（1）用协同模式识别的方法进行内容检索。

（2）对不变量的提取可以采用传统模式识别中的各种相似度量和特征提取的方法，如：映射变换，包括Hough变换。

主分量分析法。（含用神经网络实现）

基于距离的相似度量。

多分辨率分析（含小波变换）的特征提取方法。

自组织的聚类方法。

用这些方法将复杂特征（有畸变的）化减，再套用协同神经网络识别。这种做法严格来讲不是在研究协同模式识别，而只是把它和传统方法结合起来，但可以较好地与基于内容的检索结合（即相似度量）。

（3）协同信息压缩。

最小熵参数优化问题可以看成一种信息压缩的过程，而只考虑协同信息也是一种信息压缩过程，能不能把两者结合起来？或者将最小熵参数优化问题中的数学方法引入协同信息压缩？所以可以做《基于宏观信息熵分析的非线性系统协同信息压缩》的研究。

参考：李小文院士

0 协同处理研究现状

德国科学家Haken在“Synergetics”中首次提出协同演变模型和协同处理原理，使人们认识到了对多种信息进行协同处理产生超加和效应的可能性，从而为